1.基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，包括如下步骤：步骤S1、构建一个具有Nt个发射天线和Nr个接收天线的MIMO系统；发射天线的个数Nt大于接收天线的个数Nr；

步骤S2、MIMO系统中BS有M根天线、MS有N根天线，使用 矩阵表示窄带MIMO信道；

步骤S3、对信号x的N个样本进行特征提取；

步骤S4、将N个样本组成训练集，确定期望准确度，隐藏层节点数归零，训练ELM。

2.根据权利要求1所述的基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，所述步骤S1中，所述MIMO系统的信道为时不变且频率平坦，则在瞬时k，基带接收到的符号向量为：其中， 是第k个接收到的样本，列向量 为个所传输的第k组符号。

3.根据权利要求1所述的基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，所述步骤S2中，所述MIMO信道为，

其中，MIMO信道 ， 和 分别为接收天线和发射天线的相关矩阵， 为独立同分布的瑞利衰落信道，通过调整 和 产生各类MIMO信道。

4.根据权利要求1所述的基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，所述步骤S2中，对于两根MS天线 和 ，其信道增益的相关系数为：；

其中， 为第m根BS天线和第n根MS天线之间在第l条路径上的信道系数，若 服从均值为0的复高斯分布，则 服从瑞利分布，定义MS的对称空间相关矩阵为：；

其中， ，RMS 的对角元素对应于自相关系数，其值通常为1，即；

按上述方式可得，BS的空间相关矩阵为：；

若 具有相同的平均功率，则Tx天线 和Rx天线 之间的相关系数近似为：；

其中， 且 不等于 ，可得空间相关矩阵：；

其中，为Kronocker积。

5.根据权利要求1所述的基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，所述步骤S3中，对于信号x的N个样本，阶数为k的高阶矩定义为：，则信号x的k阶累积量定义为： ；

为了消除尺度带来的困扰，将信号y归一为拥有单位能量，则 ，因此，高阶累积量和高阶矩可以归一化为：， ；

其中，m=0,…,k/2，k=2,4,6,…。

6.根据权利要求1所述的基于极端学习机的空间相关MIMO系统的盲调制识别算法，其特征在于，所述步骤S4中，训练集由N个样本组成，样本数据由接收信号的高阶矩、高阶累积量和该信号的调制方式组成：；

其中， 且 是一个 维的二元向量，表示该信号的特征参数；

则ELM 的训练具体如下：

首先是利用固定数量的随机产生的映射神经元构建隐藏层节点并且激活函数为非线性分段连续函数，非线性分段连续函数包括高斯函数和sigmoid函数；

高斯函数的公式为 ，sigmoid函数的公式为；其中， 为函数参数的映射， 为欧几里德范数；构建一个有 个隐藏节点且激活函数为 的单隐层前馈神经网络，则建模为：其中， 为该单隐层前馈神经网络中输入节点与第i个隐藏节点的权值向量； 为连接输出节点和第i个隐藏节点的权值向量，而 为第i个隐藏节点的阈值。