基于聚类的分布式波束成形上行链路信号识别方法及系统

摘要

本公开涉及一种基于聚类的分布式波束成形上行链路信号识别方法，其特征在于，包括：多个用户端通过多个分布式发射机向基站发送通信请求信号；用户端基于基站反馈的应答信号控制用户端的发射机的发射功率以使用户端的通信请求通过；基站基于空间滤波器分离信息信号生成任一用户端的任一发射设备的聚类算法的输入信号，基于输入信号和聚类算法识别每个用户端的各个发射机的信息信号；并获得每个用户端的最大比合并，并解码每个用户端的信息信号。根据本公开，基站基于聚类算法可以改善的多用户分布式波速成形中信号识别的问题，提高通信质量。

说明书

技术领域

本公开涉及无线通信技术领域，具体涉及一种基于聚类的分布式波束成形上行链路信号识别方法及系统。

背景技术

在现有的无线通信系统中，大规模的天线阵列可以有效地增强其空间分辨率，例如，大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)系统。基站(BaseStation，BS)可以较容易地配备大量天线；然而，由于尺寸和成本的问题，这种配置对于远程用户来说是一个挑战。因此，分布式发射波束成形(Distributed transmitbeamforming，DTB)系统作为一种有前途的技术已经受到极大关注，这是因为DTB系统易于实现，且具有高频谱效率和高功率效率，能够满足对未来无线通信不断增长的需求。与具有共址天线的传统系统不同，DTB系统中的发射器在几何上是分开的。现有的研究主要是研究单用户DTB系统，并且没有研究关于多用户DTB(多用户分布式波速成形)系统的上行链路(UpLink，UL)的方法，其中多个用户通过分布式发射机(Distributed transmitter，DT)使用相同的无线电资源同时将其消息发送到基站(BS)。

对于多用户分布式波速成形(MUDTB)系统的上行链路(UL)的信号传输方法，BS处的接收器必须能够区分由源发送的DT信号(即DT发射的信号)，因为许多不同的信号来自不同的用户。现有的用于区分DT信号的方法存在三种：第一种方法涉及发送训练序列，但是，使用过多的训练序列会导致导频污染问题。第二种方法涉及设计复杂的预编码器，然而，发射机需要知道所有DT信号的先验知识，该方法不适用于实际的无线通信环境，因为可以先验地假设信道状态信息(Channel State Information，CSI)的信息很少。第三种方法涉及利用传输信号的某些特殊属性，例如引入具有投影的迭代最小二乘法和使用枚举算法的迭代最小二乘法。然而，第三种方法存在两个主要缺点：其一，该方法是针对特定类型的传输信号而不是通用类型而设计的。其二，需要足够大的接收数据样本，并不适合于超可靠和低延迟通信(URLLC)。这是因为URLLC是5G新无线电(NR)支持的新服务类别，其针对新兴应用，其中数据消息是时间敏感的，必须在端到端安全交付时，同时满足高可靠性和硬延迟要求。

另外，由于每个DT具有有限的传输功率，且随机性可能来自小规模多径衰落和基站(接收机)噪声，使得在现有的区别DT信号的技术中还存在一些挑战。

发明内容

本公开是有鉴于上述的状况而提出的，其目的在于提供一种能够更好地进行信号识别的波束成形上行链路的信号识别方法及系统。

为此，本公开的第一方面提供了一种基于聚类的分布式波束成形上行链路信号识别方法，是包含具有多个独立的分布式发射机的用户端和基站的无线通信系统的基于聚类算法的基于聚类的分布式波束成形上行链路信号识别方法，其特征在于，包括：多个所述用户端通过多个分布式发射机向所述基站发送通信请求信号；所述基站基于所述通信请求信号估计各个所述用户端的每个所述分布式发射机的大尺度路径损耗，所述基站基于所述大尺度路径损耗计算每个所述用户端的每个所述分布式发射机的接收信噪比；所述基站基于每个用户端的每个所述分布式发射机的接收信噪比计算每个所述用户端的平均接收信噪比，所述基站计算任意两个所述用户端的平均接收信噪比的差值；基于所述差值与设定阈值，所述基站设置相应的用户端的目标接收信噪比，并向每个所述用户端的所述分布式发射机反馈应答信号，所述用户端的所述分布式发射机基于所述应答信号，确定是否调整所述用户端的所述分布式发射机的发射功率，以使所述用户端的所述平均接收信噪比等于所述目标接收信噪比；当所述用户端的所述平均接收信噪比等于所述目标接收信噪比时，多个所述用户端通过相应的各个分布式发射机向所述基站发送信息信号；所述基站通过空间滤波器分离所述信息信号，所述基站基于分离的所述信息信号生成所述聚类算法的输入信号，基于所述输入信号和所述聚类算法识别每个所述用户端的各个分布式发射机的信息信号；并且所述基站基于每个所述用户端的各个所述分布式发射机的信息信号获得每个所述用户端的最大比合并，并解码每个所述用户端的信息信号。

在本公开中，用户端通过多个分布式发射机向基站发送通信请求信号，基站基于通信请求信号估计各个用户端的每个分布式发射机的大尺度路径损耗，基站基于大尺度路径损耗计算每个用户端的每个分布式发射机的接收信噪比，进而计算每个用户端的平均接收信噪比以及任意两个用户端的平均接收信噪比的差值，基于差值与设定阈值，基站设置相应的用户端的目标接收信噪比，并向每个用户端的分布式发射机反馈应答信号，用户端的分布式发射机基于应答信号，确定是否调整用户端的分布式发射机的发射功率，以使用户端的平均接收信噪比等于目标接收信噪比；当用户端的平均接收信噪比等于目标接收信噪比时，多个用户端通过相应的各个分布式发射机向基站发送信息信号；基站通过空间滤波器分离信息信号，基于分离的信息信号生成聚类算法的输入信号，基于输入信号和聚类算法识别每个用户端的各个分布式发射机的信息信号，并且基站基于每个用户端的各个分布式发射机的信息信号获得每个用户端的最大比合并，并解码每个用户端的信息信号。在这种情况下，能够改善无线通信系统的多用户分布式波速成形中信号识别的问题。

在本公开第一方面所涉及的分布式波束成形上行链路信号识别方法中，可选地，所述接收信噪比满足式(Ⅰ)：其中，γ_k,l表示第k个用户端的第l个分布式发射机的接收信噪比，P_k,l表示第k个用户端的第l个分布式发射机的传输功率，表示基站噪声的方差，α_k,l表示第k个用户端的第l个分布式发射机的大尺度路径损耗。由此，基站能够通过信噪比计算方法得到每个用户端的分布式发射机的接收信噪比。

在本公开第一方面所涉及的分布式波束成形上行链路信号识别方法中，可选地，每个所述用户端的平均接收功率由每个用户端的每个分布式发射机的接收信噪比之和除以每个所述用户端的分布式发射机数量计算得到，所述差值满足式(Ⅱ)：Δ_k,j＝|γ_k-γ_j|(Ⅱ)，其中，γ_k表示第k个所述用户端的平均接收信噪比，γ_j表示第j个所述用户端的平均接收信噪比。由此，基站能够计算多个用户端中任意两个用户端的平均接收信噪比的差值。

在本公开第一方面所涉及的分布式波束成形上行链路信号识别方法中，可选地，所述基站通过信道估计为第k个用户端的第l个分布式发射机生成聚类算法的输入信号x_k,l(t)，输入信号x_k,l(t)满足式(Ⅲ)：其中，r_k,l(t)表示第k个用户端的第l个分布式发射机的空间滤波器的输出信号，表示第k个用户端的第l个分布式发射机的信道估计，(·)^*表示取共轭运算。由此，能够获得各个用户端的各个分布式发射机相应的输入信号，便于后续进行信息识别。

在本公开第一方面所涉及的分布式波束成形上行链路信号识别方法中，可选地，所述聚类算法将每个所述用户端的分布式发射机的信息信号自动分成多个集群，每个所述集群包含每个所述用户端的分布式发射机的信息信号。由此，基站可以通过聚类算法将所有用户端的分布式发射机的信息信号分成每个用户端的信息信号的集群。

本公开的第二方面提供了一种基于聚类的分布式波束成形上行链路信号识别系统，是包含具有多个独立的分布式发射设备的用户装置和接收装置的无线通信系统的基于聚类算法的基于聚类的分布式波束成形上行链路信号识别系统，其特征在于，包括：多个所述用户装置，其用于通过多个分布式发射设备向所述接收装置发送通信请求信号；以及所述接收装置，其基于所述通信请求信号估计各个所述用户装置的每个所述分布式发射设备的大尺度路径损耗，基于所述大尺度路径损耗计算每个所述用户装置的每个所述分布式发射设备的接收信噪比，所述接收装置基于每个用户装置的每个所述分布式发射设备的接收信噪比计算每个所述用户装置的平均接收信噪比，所述接收装置计算任意两个所述用户装置的平均接收信噪比的差值，基于所述差值与设定阈值设置相应的用户装置的目标接收信噪比，并向每个所述用户装置的分布式发射设备反馈应答信号，其中，所述用户装置的所述分布式发射设备基于所述应答信号，确定是否调整所述用户装置的所述分布式发射设备的发射功率，以使所述用户装置的所述平均接收信噪比等于所述目标接收信噪比，当所述用户装置的所述平均接收信噪比等于所述目标接收信噪比时，多个所述用户装置通过相应的各个所述分布式发射设备向所述接收装置发送信息信号，所述接收装置通过空间滤波器分离所述信息信号，所述接收装置基于分离的所述信息信号生成所述聚类算法的输入信号，基于所述输入信号和所述聚类算法识别每个所述用户装置的各个所述分布式发射设备的信息信号，所述接收装置基于每个所述用户装置的各个所述分布式发射设备的信息信号获得每个所述用户装置的最大比合并，并解码每个所述用户装置的信息信号。

在本公开中，用户装置通过多个分布式发射设备向接收装置发送通信请求信号，接收装置基于通信请求信号估计各个用户装置的每个分布式发射设备的大尺度路径损耗，接收装置基于大尺度路径损耗计算每个用户装置的每个分布式发射设备的接收信噪比，进而计算每个用户装置的平均接收信噪比以及任意两个用户装置的平均接收信噪比的差值，基于差值与设定阈值，接收装置设置相应的用户装置的目标接收信噪比，并向每个用户装置的分布式发射设备反馈应答信号，用户装置的分布式发射设备基于应答信号，确定是否调整用户装置的分布式发射设备的发射功率，以使用户装置的平均接收信噪比等于目标接收信噪比；当用户装置的平均接收信噪比等于目标接收信噪比时，多个用户装置通过相应的各个分布式发射设备向接收装置发送信息信号；接收装置通过空间滤波器分离信息信号，基于分离的信息信号生成聚类算法的输入信号，基于输入信号和聚类算法识别每个用户装置的各个分布式发射设备的信息信号，并且接收装置基于每个用户装置的各个分布式发射设备的信息信号获得每个用户装置的最大比合并，并解码每个用户装置的信息信号。在这种情况下，能够改善无线通信系统的多用户分布式波速成形中信号识别的问题。

在本公开第二方面所涉及的分布式波束成形上行链路信号识别系统中，可选地，在所述接收装置中，所述接收信噪比满足式(Ⅰ)：其中，γ_k,l表示第k个用户装置的第l个分布式发射设备的接收信噪比，P_k,l表示第k个用户装置的第l个分布式发射设备的传输功率，表示接收装置噪声的方差，α_k,l表示第k个用户装置的第l个分布式发射设备的大尺度路径损耗。由此，接收装置能够通过信噪比计算方法得到每个用户装置的分布式发射设备的接收信噪比。

在本公开第二方面所涉及的分布式波束成形上行链路信号识别系统中，可选地，在所述接收装置中，每个所述用户装置的平均接收功率由每个用户装置的每个分布式发射设备的接收信噪比之和除以每个所述用户装置的分布式发射设备数量计算得到，所述差值满足式(Ⅱ)：Δ_k,j＝|γ_k-γ_j|(Ⅱ)，其中，γ_k表示第k个所述用户装置的平均接收信噪比，γ_j表示第j个所述用户装置的平均接收信噪比。由此，接收装置能够计算多个用户装置中任意两个用户装置的平均接收信噪比的差值。

在本公开第二方面所涉及的分布式波束成形上行链路信号识别系统中，可选地，在所述接收装置中，所述接收装置通过信道估计为第k个用户装置的第l个分布式发射设备生成聚类算法的输入信号x_k,l(t)，输入信号x_k,l(t)满足式(Ⅲ)：其中，r_k,l(t)表示第k个用户装置的第l个分布式发射设备的空间滤波器的输出信号，表示第k个用户装置的第l个分布式发射设备的信道估计，(·)*表示取共轭运算。由此，能够获得各个用户装置的各个分布式发射设备相应的输入信号，便于后续进行信息识别。

在本公开第二方面所涉及的分布式波束成形上行链路信号识别系统中，可选地，所述聚类算法将每个所述用户装置的分布式发射设备的信息信号自动分成多个集群，每个所述集群包含每个所述用户装置的分布式发射设备的信息信号。由此，接收装置可以通过聚类算法将所有用户装置的分布式发射设备的信息信号分成每个用户装置的信息信号的集群。

与现有技术相比，本公开的示例具备以下有益效果：

本公开涉及的基于聚类的分布式波束成形上行链路信号识别方法及系统，利用所选聚类算法，将信号识别问题转化为无监督学习的问题，从而解决分布式波束成形上行链路中的信号识别问题。

附图说明

图1是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的用户端和基站的关系示意图。

图2是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的流程示意图。

图3是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的在不同条件下的杰卡德度量值与接收信噪比的波形示意图。

图4是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的在不同条件下的杰卡德度量值的波形示意图。

图5是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别系统的框图。

具体实施方式

以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

本公开提供了基于聚类的分布式波束成形上行链路信号识别方法及系统(有时可以简称为信号识别方法及系统)。在本公开中，能够通过用户端发射的通信请求信号来反馈调整用户端的分布式发射机的发射功率、提高通信质量、以及利用所选聚类算法，将信号识别问题转化为无监督学习的问题，从而解决分布式波束成形上行链路中的信号识别问题。以下结合附图进行详细描述本公开。

图1是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的用户端和基站的关系示意图。如图1所示，基于聚类的分布式波束成形上行链路信号识别方法可以是具有多个独立的分布式发射机的用户端和基站的无线通信系统的基于聚类算法的基于聚类的分布式波束成形上行链路信号识别方法。其中，用户端的分布式发射机与基站可以通过无线通信的方式进行信号传输。也即每个用户端可以通过相应的分布式发射机与基站进行信号传输。

在一些示例中，在图1所示的多用户分布式波速成形(MUDTB)系统的上行链路(UL)的信号传输模型中，基站的数量可以是一个。假设图1所示的基站具有足够的大规模的天线以提供强大的空间分辨能力。基站对应的用户端的数量可以是两个或两个以上。如图1所示，用户端的数量可以用K表示，K为正整数。每个用户端具有L_k个分布式发射机(DT)。图1中的分布式发射机(K，L_k)代表第K个用户端的第L_k个分布式发射机。在一些示例中，也可以用第k个用户端的第l个分布式发射机表示某一用户端的某一个分布式发射机。每个用户端通过高速骨干链路连接多个分布式发射机。高速骨干链路可以采用光纤无线电形成，也可以采用微波中继器形成。另外，假设从不同的分布式发射机发送的信号在基站处的空间上可解析的。

在另一些示例中，基站的数量可以是多个。各个基站可以服务于相应的多个用户端。每个基站与相应的多个用户端之间的信号传输可以类比图1所示的多用户分布式波速成形系统的上行链路的信号传输。

在一些示例中，上述如图1所示的用户端可以包括但不限于用户设备。在一些示例中，用户设备可以包括但不限于智能手机、笔记本电脑、个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、移动互联网设备(MobileInternet Device，MID)、穿戴设备(如智能手表、智能手环、智能眼镜)等各类电子设备，其中，该用户设备的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、Windows Phone8操作系统等。

在一些示例中，上述如图1所示的基站可以包括但不限于指接入网中在空中接口上通过一个或多个扇区与无线终端通信的设备。基站可用于将收到的空中帧与IP分组进行相互转换，作为无线终端与接入网的其余部分之间的路由器，其中，接入网的其余部分可包括网际协议(IP)网络。基站还可以协调对空中接口的属性管理。例如，基站可以是GSM或CDMA中的基站(BTS，Base Transceiver Station)，也可以是WCDMA中的基站(NodeB)，还可以是LTE中的演进型基站(NodeB或eNB或e-NodeB，evolutional Node B)。

在一些示例中，用户端的分布式发射机可以是具有水平半波偶极天线、垂直单极天线、偏馈半波天线、八木天线、碟形天线、格状天线、锥形天线、方框天线、长线天线、环形天线、蛛网天线、喇叭天线等任一种类型的天线的分布式发射机。

在一些示例中，如图1所示的信号传输模型中，用户端与基站之间可以通过短帧结构进行信号传输。其中，短帧结构可以通过无线信道的方式进行传输。无线信道可以是无记忆块衰落信道。由于短帧的传输持续时间较短，因此，信道衰落在一个数据帧期间可以保持恒定，但对于不同的数据帧和不同的分布式发射机可以不同。

在一些示例中，信道衰落可以包括大尺度路径损耗和小规模复衰落系数。α_k,l表示第k个用户端的第l个分布式发射机的大尺度路径损耗。大尺度路径损耗α_k,l可以由第k个用户端的第l个分布式发射机与基站之间的距离确定。在本公开中，各个分布式发射机与基站之间的距离保持不变。h_k,l表示第k个用户端的第l个分布式发射机的小规模复衰落系数。P_k,l表示第k个用户端的第l个分布式发射机的传输功率。

在一些示例中，无线信道为加性高斯白噪声(AWGN)信道时，第k个用户端的第l个分布式发射机的小规模复衰落系数h_k,l满足h_k,l＝1。

在一些示例中，无线信道可以为常用的Nakagami-m信道。调整Nakagami-m信道的参数可以表示不同的场景。较小的m值对应的信道具有严重的衰落。在极限m→∞情况下，Nakagami-m衰落信道接近于非衰落加性高斯白噪声(AWGN)信道。另外，Nakagami-m分布包括m＝1/2的单侧高斯分布和m＝1的瑞利分布。Nakagami-m信道通常与信号传输过程中测量的数据较为匹配。例如，小规模复衰落系数h_k,l的幅度符合Nakagami-m信道的分布。另外，无线信道的信道相位可以满足在[0,2π]之间均匀分布。

在一些示例中，为了在不使用不同用户端的不同导频的情况下实现对DT信号的识别，在每个用户端没有先前的CSI，并且没有在每个DT信号中检测到消息的情况下，本公开提出一种基于聚类的分布式波束成形上行链路信号识别方法及系统。下面结合附图进行具体说明。

图2是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的流程示意图。如图2所示，基于聚类的分布式波束成形上行链路信号识别方法包括多个用户端通过多个分布式发射机向基站发送通信请求信号(步骤S10)。在步骤S10中，基于图1所示的信号传输模型，各个用户端可以通过相应的多个分布式发射机(DT)向基站发送通信请求信号。用户端的数量可以是K个，K为正整数。每个用户端可以具有独立的L_k个分布式发射机(DT)。通信请求信号可以是短帧结构。另外，各个用户端的分布式发射机发射的通信请求信号可以经过无记忆块衰落信道到达基站。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括基站基于通信请求信号估计各个用户端的每个分布式发射机的大尺度路径损耗，基站基于大尺度路径损耗计算每个用户端的每个分布式发射机的接收信噪比(步骤S20)。

在步骤S20中，基于上述图1所示的信号传输模型，基站可以接收通信请求信号。基站可以包括用户注册数据库。基站通过用户注册数据库检查各个用户端的分布式发射机发射的通信请求信号是否合法。当基站接收的各个用户端的分布式发射机发射的通信请求信号不合法时，基站可以中断与各个用户端的分布式发射机的通信。

在一些示例中，若基站接收的各个用户端的分布式发射机发射的通信请求信号合法，则基站对通信请求信号进行估计可以获得第K个用户端的第l个分布式发射机的大尺度路径损耗α_k,l。基于估计的各个大尺度路径损耗α_k,l基站可以获得每个用户端的每个分布式发射机的接收信噪比γ_k,l。假设每个用户端的每个分布式发射机的接收信噪比满足式(1)：其中，γ_k,l表示第k个用户端的第l个分布式发射机的接收信噪比。P_k,l表示第k个用户端的第l个分布式发射机的传输功率。表示基站噪声的方差。α_k,l表示大尺度路径损耗。由此，基站能够通过信噪比计算方法得到每个用户端的分布式发射机的接收信噪比。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括基站基于每个用户端的每个分布式发射机的接收信噪比计算每个用户端的平均接收信噪比，基站计算任意两个用户端的平均接收信噪比的差值(步骤S30)。

在一些示例中，通过计算每个用户端的所有分布式发射机的接收信噪比的平均值可以获得每个用户端的平均接收信噪比。具体而言，每个用户端的平均接收功率可以由每个用户端的每个分布式发射机的接收信噪比之和除以每个用户端的分布式发射机数量计算得到。另外，基站可以获得用户端的数量。

在步骤S30中，基站可以计算任意两个用户端的平均接收信噪比的差值。例如，基站可以计算第k个用户端的平均接收信噪比γ_k与第j个用户端的平均接收信噪比γ_j的差值。其中，第k个用户端与第j个用户端是不同的用户端，也即k≠j。第k个用户端的平均接收信噪比γ_k与第j个用户端的平均接收信噪比γ_j的差值Δ_k,j满足式(2)：Δ_k,j＝|γ_k-γ_j|(2)。当k为不同值时，差值Δ_k,j的数量可以是多个。由此，基站能够计算多个用户端中任意两个用户端的平均接收信噪比的差值。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括基于差值与设定阈值，基站设置相应的用户端的目标接收信噪比，并向每个用户端的分布式发射机反馈应答信号，用户端的分布式发射机基于应答信号，确定是否调整用户端的分布式发射机的发射功率，以使用户端的平均接收信噪比等于目标接收信噪比(步骤S40)。

在步骤S40中，基站中可以具有设定阈值ε_Δ。基站可以比较任一个差值与设定阈值ε_Δ。基于差值Δ_k,j与设定阈值ε_Δ的比较结果，基站可以设置相应的用户端的目标接收信噪比。具体而言，当差值Δ_k,j小于或等于设定阈值ε_Δ，基站可以设置第k个用户端的目标接收信噪比和第j个用户端的目标接收信噪比并且基于目标接收信噪比和目标接收信噪比获得差值大于设定阈值ε_Δ。k取不同值时获得的任一个差值均大于设定阈值ε_Δ。当差值Δ_k,j大于设定阈值ε_Δ，基站设置的目标接收信噪比等于用户端的平均接收信噪比。例如，基站可以设置第k个用户端的目标接收信噪比等于基站计算的第k个用户端的平均接收信噪比γ_k。

在一些示例中，通过比较差值Δ_k,j与设定阈值ε_Δ能够便于后续基站正确识别各个用户端的分布式发射机的信息信号。当设定阈值ε_Δ较大时，基站容易实现识别功能。另外，在实际的信号传输过程中，每个分布式发射机具有有限的传输功率，差值Δ_k,j常常受到限制。因此设定阈值ε_Δ会受到用户端的分布式发射机的发射功率的限制。

在一些示例中，基站可以基于差值与设定阈值的比较结果向每个用户端的分布式发射机反馈应答信号。应答信号可以包括第一应答信号和第二应答信号。具体而言，当每个差值都大于设定阈值ε_Δ，基站向用户端的分布式发射机反馈第一应答信号。当每个差值都小于或等于设定阈值ε_Δ，基站向用户端的分布式发射机反馈第二应答信号。

在步骤S40中，用户端的分布式发射机可以基于不同的应答信号，确定是否调整用户端的分布式发射机的发射功率，以使用户端的平均接收信噪比等于目标接收信噪比。例如，当用户端的分布式发射机接收第一应答信号时，用户端的分布式发射机可以获知基站设置的目标接收信噪比等于用户端的平均接收信噪比。因此，用户端的分布式发射机不必调整其自身的发射功率。

在一些示例中，多个用户端的各个分布式发射机基于接收的第二应答信号调整用户端的分布式发射机的发射功率，重新发送通信请求信号，以使用户端的平均接收信噪比等于目标接收信噪比，且基站向每个分布式发射机发射控制信号。具体而言，当用户端的分布式发射机接收第二应答信号时，用户端的分布式发射机可以获知用户端的平均接收信噪比不等于基站设置的目标接收信噪比。因此，用户端的分布式发射机需要调整其自身的发射功率并重新发送通信请求信号。基站基于重新发送的通信请求信号重新获得各个发射端的分布式发射机的平均接收信噪比，若重新获得的平均接收信噪比等于目标接收信噪比，则基站向每个分布式发射机发射控制信号，否则基站向每个分布式发射机发射第二应答信号，直至重新获得的平均接收信噪比等于目标接收信噪比。由此，基站能够基于应答信号调整用户端的分布式发射机的发射功率。

在一些示例中，基站通过时分复用方式向每个分布式发射机发送完整的应答信号。另外，基站可以设定较长的周期来控制用户端的分布式发射机的发射功率，直至满足用户端的平均接收信噪比等于目标接收信噪比。在这种情况下，基站能够使用应答信号中的一位来控制用户端的分布式发射机的发射功率。

在一些示例中，基站可以通过自动功率控制实现对每个用户端的分布式发射机的功率的控制。例如，将基站的收发台接收的射频信号依次输入具有滤波功能的滤波器和变频器，进而获得中频信号，再将此中频信号输入到基站的自动功率控制模块中对功率进行控制。其中，自动功率控制模块包括A/D转换器、去直流单元、功率估计单元和功率反馈调整单元。

在一些示例中，自动功率控制模块的自动功率控制过程包括：将中频信号经过A/D转换器获得数字信号，该数字信号经过可变点数的去直流单元得到零均值的数字中频信号，该数字中频信号再经过点数可变的功率估计单元得到信号的功率估计，该功率估计值经过功率反馈调整单元得到新的增益系数值，新增益系数应用于下一时间段内的限幅调整过程，最终使数字中频信号的输出维持在稳定功率附近。

在一些示例中，基站可以把接收到的信号加以稳定再发送出去，这样可有效地减少或避免通信信号在无线传输中的损失，保证用户的通信质量。

在一些示例中，基站可以使用频分复用方式实现对信道使用数量的分配。在物理信道的可用带宽超过单个信息信号所需带宽情况下，可以将该物理信道的总带宽分割成若干个与传输单个信息信号带宽相同的子信道。在每个子信道上传输相应的信息信号，以实现在同一信道中同时传输多个信息信号(多路信号)。在多路信号进行频分复用前，需要通过频谱搬移技术将各路信号的频谱搬移到物理信道频谱的不同段上，以使各个信息信号的带宽不相互重叠。进行频谱搬移后，需要用不同的载波频率调制每一个信号。每个信号以其相应的载波频率为中心，在一定带宽的子信道上进行传输。另外，为了防止互相干扰，需要使用抗干扰保护措施带来隔离每一个子信道。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括当用户端的平均接收信噪比等于目标接收信噪比时，多个用户端通过相应的各个分布式发射机向基站发送信息信号(步骤S50)。其中，多个用户端使用相同的无线电资源同时通过相应的各个分布式发射机发送信息信号。信息信号可以为短帧结构。由此，能够满足无线通信系统的URLLC的要求。基于上述可知，在步骤S50中的用户端的平均接收信噪比等于目标接收信噪比意味着用户端的分布式发射机接收到步骤S40中的控制信号或者第一应答信号。因此，当用户端的分布式发射机接收到控制信号或者第一应答信号时，多个用户端的各个分布式发射机向基站发送信息信号。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括基站通过空间滤波器分离信息信号，基站基于分离的信息信号生成聚类算法的输入信号，基于输入信号和聚类算法识别每个用户端的各个分布式发射机的信息信号(步骤S60)。

在步骤S60中，基于图1所示的信号传输模型，基站可以包括空间滤波器。通过空间滤波器基站基站可以分离每个分布式发射机发送的信息信号。由于基站具有足够的大规模的天线阵列以提供强大的空间分辨能力，因此，大多数接收的分布式发射机发送的信息信号在空间上是可解析的。基站可以尝试将分离的分布式发射机发送的信息信号与分布式发射机对应的用户端相关联。

在一些示例中，信息信号可以包括导频信号。导频信号可以用于辅助信道估计并获得信道估计值基站利用信道估计值和空间滤波器的输出信号生成聚类算法的输入信号。也即基站可以通过信道估计为第k个用户端的第l个分布式发射机生成聚类算法的输入信号x_k,l(t)。输入信号x_k,l(t)满足式(3)：其中，r_k,l(t)表示第k个用户端的第l个分布式发射机的空间滤波器的输出信号，表示第k个用户端的第l个分布式发射机的信道估计，(·)^*表示取共轭运算。由此，能够获得各个用户端的各个分布式发射机相应的输入信号，便于后续进行信息识别。

在一些示例中，基于式(3)可以绘制在每个用户端具有相同数量的分布式发射机的条件下的星座图(未图示)。各个用户端有自己的分布区域，各个用户端之间存在重叠区域。然后可以将分布式发射机发射的信号的信号识别的问题转化为无监督学习的问题。由于经典聚类算法不能直接应用于具有所有星座点的正常星座图，可以选择星座图中的一个星座点作为聚类算法的输入信号。

在一些示例中，用户端可以是K个。每个用户端可以具有L_k个分布式发射机。基站通过上述步骤获得各个分布式发射机对应的聚类算法的输入信号后，将各个输入信号输入至聚类算法中，基于输入信号，聚类算法将每个用户端的分布式发射机的信息信号自动分成多个集群。每个集群包含每个用户端的分布式发射机的信息信号。然后对集群进行信号识别以实现对各个用户端的DT信号识别。由此，基站可以通过聚类算法将所有用户端的分布式发射机的信息信号分成每个用户端的信息信号的集群。

在一些示例中，采用K表示所有聚类算法的聚类数量。另外，基于上述可知，基站在步骤S30中可以获得用户端数量K。因此，能够根据用户端数量获得聚类算法的聚类数量。

在一些示例中，尽管集群数量已知，但每个集群的分布式发射机的数量是未知的。在这种情况下，可以选择一个合适的性能测量来准确地评估和公平地比较各种聚类算法性能。

在一些示例中，可以在基站中引入了一个分类框架，将各种聚类算法分为不同的类别。分类框架可以是从算法设计者的角度开发的，侧重于聚类过程的一般过程的技术细节。聚类算法的选择通常考虑三个类别。具体来说，基站可以将各种聚类算法分为三种：基于分区、基于模型和基于分层。在基于分区的方法中，所有聚类算法都是迅速确定的。例如K均值聚类算法(K-means)、K中心点划分聚类算法(K-medoids)、模糊c均值聚类算法(FCM)和光谱聚类(SC)。这些集群可以满足两个要求：其一每个组必须包含至少一个对象；其二，每个对象必须属于一个组。

在基于模型的方法中，数据可以通过基础概率分布的混合来形成，例如高斯混合模型(GMM)；在基于分层的方法中，数据可以根据接近媒介以分层方式组织，例如凝聚层次聚类(AHC)或AHC(完成)，其中距离由最远距离表示，AHC(单一)，其中距离用最短距离表示，AHC(平均值)，其中距离由未加权的平均距离表示，AHC(加权)，其中距离由加权平均距离表示。基于分层的方法可以是凝聚的(自下而上)或分裂的(自上而下)。凝聚聚类从每个聚类的一个对象开始，并递归地合并两个或多个最合适的聚类。分裂聚类从数据集开始作为一个聚类，并递归地拆分最合适的聚类。

在一些示例中，选择的聚类算法可以是模糊c均值聚类算法(FCM)、谱聚类(SC)、K均值聚类算法(例如K-means)、K中心点聚类算法(例如K-medoids)、高斯混合模型(GMM)、凝聚层次聚类算法(AHC、AHC(Complete)、AHC(Single)、AHC(Average)和AHC(Weighted))。在本公开的示例中选择的聚类算法不限于上述列举的聚类算法。

在本公开中可以通过评估预测的DT信号(即分布式发射机发射的信息信号)与已知DT信号的对应程度来评估DT信号识别方法的性能。

其中，利用杰卡德(Jaccard)度量可以评估一组预测的DT信号与一组参考DT信号之间的相似性。Jaccard度量的值在0和1之间变化，值越高表示性能越好。基站可以通过设置Jaccard度量的值的阈值，其中，阈值ε_J可以设定为基站能够正确识别DT信号的下限。如果Jaccard≥ε_J，那么DT信号识别的性能满足要求。例如，当设置ε_J＝0.95，并且Jaccard≥ε_J时，基站可以正确地为每个用户端收集超过95％的DT信号以通过最大比合并(MRC)改善最终性能，而小于DT信号的5％可以被视为额外噪声。

在一些示例中，如图2所示，基于聚类的分布式波束成形上行链路信号识别方法可以包括基站基于每个用户端的各个分布式发射机的信息信号获得每个用户端的最大比合并，并解码每个用户端的信息信号(步骤S70)。在步骤S70中，基站可以收集每个用户端的各个分布式发射机发送的信息信号。基于每个用户端的各个分布式发射机的信息信号基站可以为每个用户端进行最大比率组合(即最大比合并)以改善基站的信噪比。在步骤S70中，基站可以接收用户端的各个分布式发射机发送的信息信号并解码每个用户端的信息信号，完成多用户MIMO系统的上行链路的传输。

图3是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的在不同条件下的杰卡德度量值与接收信噪比的波形示意图。其中，横坐标为接收信噪比，纵坐标为Jaccard度量的值。图3的(a)是在加性高斯白噪声信道(AWGN)条件下的波形示意图，图3的(b)、(c)和(d)是在Nakagami信道且参数m取不同值的条件下的波形示意图。图3的(b)根据FCM获得。图3的(c)根据GMM获得。图3的(d)根据AHC(完整)获得。图3中用户端的DT的数量L满足L＝20。差值满足Δ＝1dB。

在一些示例中，如图3和图4可以使用九个聚类算法对用户端的DT信号进行识别。图3和图4还满足用户端的数量设置为三个，每个用户端具有相同数量的DT且满足L＝L₁＝L₂＝L₃。在图3的(a)所示的波形图中，各个波形是根据不同的聚类算法获得的。波形A₁代表光谱聚类(SC)、波形B₁代表K-均值聚类算法、波形C₁代表K-中心点划分聚类算法、波形D₁代表模糊c均值聚类算法(FCM)、波形E₁代表高斯混合模型(GMM)、波形F₁代表AHC(完成)聚类算法、波形G₁代表AHC(单一)聚类算法、波形H₁代表AHC(平均值)聚类算法、波形J₁代表AHC(加权)聚类算法。根据图3的(a)可知，FCM不仅是所有基于分区的聚类算法中的最佳算法，而且是(a)中九种聚类算法中最好的算法。AHC(完全)是基于层次的聚类算法中的最佳算法。另外，在相同信道条件下，基于QPSK调制，当Jaccard＞0.95，通过MRC能够改善接收信噪比(SNR)。另外，当Jaccard＞0.95，信号错误率(SER)性能明显提高。

在图3的(b)所示的波形图中，波形K₁代表AWGN信道条件下的波形示意图。其余波形是根据不同的参数m获得的。波形L₁代表m＝0.5、波形M₁代表m＝0.8、波形N₁代表m＝1.0、波形O₁代表m＝1.5、波形P₁代表m＝3.0。图3的(c)或(d)所示的波形图中的各个波形可以类比图3的(b)的各个波形的含义，区别在于图3的(b)、(c)或(d)是根据不同的聚类算法获得的。如图3的(b)、(c)或(d)所示，随着m增加，信道衰落的影响减轻。随着m增加，Jaccard度量的值增加。然而，随着接收信噪比γ₁的增加，Jaccard度量的值加率逐渐减小，并且最终稳定。例如，如果，那么当γ₁＞16dB，且m＞0.8时，根据FCM获得的Jaccard度量的值接近1。

图4是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别方法的在不同条件下的杰卡德度量值的波形示意图。图4是在Nakagami信道且m＝1.0的条件下获得的。图4的(a)所示的波形图中的各个波形可以类比图3的(a)的各个波形的含义，区别在于图4的(a)是根据不同的信道获得的，且横坐标为每个用户端的分布式发射机的数量L。三个用户端的平均接收信噪比分别为和基于波形A₂、波形B₂、波形C₂可知FCM、K-medoids和K-means算法下的Jaccard度量的值几乎与用户端的分布式发射机的数量L是独立的。其他算法下的Jaccard度量的值随着用户端的分布式发射机的数量L的增加而减小。

图4的(b)是根据FCM算法获得的不同接收信噪比下的Jaccard度量的值的波形图。其中，波形R、波形S、波形T、波形U、波形V分别表示Δ＝0.5dB、Δ＝0.8dB、Δ＝1dB、Δ＝2dB、Δ＝3dB下的波形。图4的(b)中每个用户端的DT的数量L满足L＝20。随着差值Δ(也即上述信号识别方法中的差值Δ_k,j)的增加，FCM算法下的Jaccard度量的值随之增加。接收信噪比或差值Δ变得足够大，Jaccard度量的值的增加率逐渐减小并且度量最终稳定。图3和图4表明FCM算法始终是不同信道条件下的最佳聚类算法，并且是DT信号识别问题中所选聚类算法中的最佳选择。

图5是示出了本公开的示例所涉及的基于聚类的分布式波束成形上行链路信号识别系统的框图。如图5所示，本公开涉及的基于聚类的分布式波束成形上行链路信号识别系统(简称信号识别系统)1是包含具有多个独立的分布式发射设备的用户装置10和接收装置20的无线通信系统的基于聚类的分布式波束成形上行链路信号识别系统1。其中，用户装置10与上述的用户端可以是相同的概念，接收装置20与上述的基站可以是相同的概念。用户装置10与接收装置20可以通过无线通信的方式进行信号传输。

在一些示例中，用户装置10的数量可以是多个。各个用户装置10的分布式发射设备的数量可以是多个。各个分布式发射设备是相互独立的。多个用户装置10可以通过多个分布式发射设备向接收装置20发送通信请求信号。通信请求信号可以是短帧结构。另外，各个用户装置10的分布式发射机发射的通信请求信号可以经过无线信道到达接收装置20。无线信道例如可以是无记忆块衰落信道、加性高斯白噪声(AWGN)信道或常用的Nakagami-m信道。分布式发射设备例如可以是上述的分布式发射机。

在一些示例中，接收装置20可以接收通信请求信号并判断通信请求信号是否合法。具体可以参见上述步骤S20。其中，接收装置20可以具有足够的大规模的天线以提供强大的空间分辨能力。

在一些示例中，接收装置20可以基于通信请求信号估计各个用户装置10的每个分布式发射设备的大尺度路径损耗。基于大尺度路径损耗接收装置20可以计算每个用户装置10的每个分布式发射设备的接收信噪比。在一些示例中，在接收装置20中，接收信噪比可以满足式(1)。其中，各个表达式中的参数在信号识别系统1中的含义可以类比各个表达式中的参数在上述的信号识别方法中的含义。式(1)中的γ_k,l表示第k个用户装置10的第l个分布式发射设备的接收信噪比。P_k,l表示第k个用户装置10的第l个分布式发射设备的传输功率。表示接收装置20噪声的方差。α_k,l表示第k个用户装置10的第l个分布式发射设备的大尺度路径损耗。由此，接收装置20能够通过信噪比计算方法得到每个用户装置10的分布式发射设备的接收信噪比。具体可以参见上述步骤S20。

在一些示例中，接收装置20可以基于每个用户装置10的每个分布式发射设备的接收信噪比计算每个用户装置10的平均接收信噪比。接收装置20可以计算任意两个用户装置10的平均接收信噪比的差值。在一些示例中，在接收装置20中，差值Δ_k,j可以满足式(2)。其中，式(2)中的γ_k表示第k个用户装置10的平均接收信噪比。γ_j表示第j个用户装置10的平均接收信噪比。由此，接收装置20中能够计算多个用户装置10中任意两个用户装置10的平均接收信噪比的差值。具体可以参见上述步骤S30。

在一些示例中，接收装置20可以基于差值与设定阈值设置相应的用户装置10的目标接收信噪比，并向每个用户装置10的分布式发射设备反馈应答信号。应答信号可以包括第一应答信号和第二应答信号。在一些示例中，用户装置10的分布式发射设备可以基于应答信号确定是否调整用户装置10的分布式发射设备的发射功率，以使用户装置10的平均接收信噪比等于目标接收信噪比。具体可以参见上述的步骤S30。在一些示例中，接收装置20可以通过自动功率控制实现对每个用户装置10的分布式发射机的功率的控制。接收装置20例如可以是基站。控制方法具体可以参见上述的步骤S40。

在一些示例中，当用户装置10的平均接收信噪比等于目标接收信噪比时，多个用户装置10可以通过相应的各个分布式发射设备向接收装置20发送信息信号。在一些示例中，信息信号可以为短帧结构。由此，能够满足URLLC的要求。具体可以参见上述的步骤S50。

在一些示例中，接收装置20可以通过空间滤波器分离信息信号。接收装置20基于分离的信息信号生成聚类算法的输入信号。基于输入信号和聚类算法识别每个用户装置10的各个分布式发射设备的信息信号。输入信号可以满足式(3)。其中，式(3)中的r_k,l(t)表示第k个用户装置10的第l个分布式发射设备的空间滤波器的输出信号，表示第k个用户装置10的第l个分布式发射设备的信道估计，(·)^*表示取共轭运算。由此，能够获得各个用户装置10的各个分布式发射设备相应的输入信号，便于后续进行信息识别。

在一些示例中，接收装置20获得各个分布式发射设备对应的聚类算法的输入信号后，将各个输入信号输入至聚类算法中，基于输入信号，聚类算法将每个用户装置10的分布式发射设备的信息信号自动分成多个集群。每个集群包含每个用户装置10的分布式发射设备的信息信号。然后对集群进行信号识别以实现对各个用户装置10的DT信号(分布式发射设备发射的信息信号)识别。由此，接收装置20可以通过聚类算法将所有用户装置10的分布式发射设备的信息信号分成每个用户装置10的信息信号的集群。聚类算法的选择以及信息信号的识别具体可以参见上述的步骤S60。

在一些示例中，接收装置20可以基于每个用户装置10的各个分布式发射设备的信息信号获得每个用户装置10的最大比合并，并解码每个用户装置10的信息信号。具体可以参见上述的步骤S70。