1.一种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法，其特征在于：在本方法中，首先，建模得到与虚拟信道矩阵相关的接收信号模型，由于虚拟信道矩阵包含空时码信息，因此可用于空时码识别；其次，利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵；

再次，根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度和非主对角元素能量与主对角元素能量之比的能量比的识别特征参数；最后，根据此参数进行正交空时分组码识别。

2.根据权利要求1所述的一种基于鲁棒竞争聚类的欠定系统实正交空时分组码盲识别方法，其特征在于：本方法具体包括以下步骤：步骤一：建模得到与虚拟信道矩阵相关的接收信号模型：Τ

其中，S(k)＝[S1(k),S2(k),...,SN(k)] 为特发射的由N个符号组成的第k组数据，Τ且其中各符号独立分布 ，A＝Ω 是一个nRL×N维虚拟信道矩阵，为个统计独立信源组成的独立向量，V(k)为nR×L维的噪声矩阵，其元素是零均值方差为 的高斯随机变量，vm(k)是一个L维行向量；

步骤二：利用鲁棒竞争聚类算法盲估计出虚拟信道矩阵欠定盲分离的混合模型可以表示为：

Y(k)＝AS(k)+V(k)

式中S(k)为源信号矢量，A为混合矩阵，V(k)为高斯白噪声；跟步骤一中的公式比较可知两个模型实际上是一致的，所以把估计混合矩阵A的方法来估计虚拟信道矩阵；混合信号具有面聚类特点，利用这个特点在源信号个数未知的条件下，利用竞争聚类学习算法估计出聚类平面，然后利用势函数法来估计聚类平面的交线，由此得到混合矩阵的估计；

假设估计出的聚类平面的法线向量为 M为估计出来的聚类平面的个数，它不一定等于聚类平面的实际个数 随机选取向量矩阵一般取Q≥M，并规则化：pi＝pi/||pi||2i＝1,...,Q；构成目标函数：

估计局部最大值： pi＝pi/||pi||；如果ξi＝g(pi)/max(g(P))≥ε，则pi为混合矩阵的列向量；

Τ Τ

步骤三：估计出虚拟信道相关矩阵矩阵R＝A A＝ΩΩ(m＝1,2,...,nR)是一个nT维行向量，IN为单位矩阵；

步骤四：估计出符号数N：

(a＝1,2,...,P)

其中K为观测的时间，即发射数据组数；λi为分解自相关矩阵Ry按降序排列的第i个特征，P＝2nRL；

步骤五：根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的非主对角元素方差特征参数，预判码型：其中F为主对角元素个数，当D＞Dth时，取γ＝γ2，当D≤Dth时，取γ＝γ1；

步骤六：根据实正交空时分组码的特性，提取虚拟信道矩阵的相关矩阵的稀疏度特征参数：由于正交空时分组码的 是一个N×N维的对角矩阵，稀疏度应为θ＝N，而非正交空时分组码的R矩阵的稀疏度θ＞N，取特征参数θ＝N；

步骤七：进行比较判决，即如果θ＝N说明采用了OSTBC信号；否则，采用了NOSTBC信号。