一种联合小波去噪与压缩感知理论的信道估计方法技术

本发明专利技术是一种联合小波去噪与压缩感知理论的信道估计方法。本发明专利技术涉及无线电通信技术领域，本发明专利技术通过小波阈值去噪算法对LMS算法预估计的信道频率响应进行降噪处理，将含有噪声的信号分解为各个尺度下的小波系数，完整地保留高于阈值的小波系数，处理完成后进行逆变换恢复信号，同时估计出信道噪声水平；采用阈值自适应的信道估计方法，根据上述信道估计得到的噪声标准差，自适应地调整重构算法的阈值，进行阈值自适应的信道估计，结合降噪处理的信道频率估计作为算法的迭代停止条件，实现稀疏度的自适应信号重建。本发明专利技术能够改善信道估计算法在低信噪比条件下引入错误原子，造成估计精度降低的情况发生；根据信噪比动态调整阈值，有效平衡不同信噪比下的算法效率和重构精度，实现信号中噪声的消除。实现信号中噪声的消除。实现信号中噪声的消除。

【技术实现步骤摘要】
一种联合小波去噪与压缩感知理论的信道估计方法
(一)

[0001]本专利技术涉及无线电通信
，本专利技术是一种联合小波去噪与压缩感知理论的信道估计方法。
(二)
技术介绍

[0002]现代通信技术的迅猛发展不断地推动着社会的进步，改善着人们的生活品质，通信技术与人们的生活密不可分。无论在日常生活领域还是国防安全等各个方面，无线通信由于其快速灵活、便捷高效、适应能力强的优点，都成为了通信及数据传输的首选方案之一。
[0003]现有拥挤的频谱资源成为了无线通信发展的限制因素之一，有相关研究发现按照目前固定式划分使用的各个授权频段利用率并不高，尤其是在频率供需矛盾最突出的3GHz以下频段范围，与此形成鲜明对比的是，范围较小的非授权频段却承担了很大的业务量。美国联邦通信委员会(FCC)的研究表明，当地理位置和时间区间不同时，已授权使用的频段利用率在15％～85％范围内波动。可以看出，造成目前频率利用率低下的主要原因是固定划分的频谱分配方式缺乏灵活性，效率低下，授权频段的排他性造成了宝贵的频谱资源在时间上和空间上的浪费，限制了无线通信的发展以及无线通信业务的扩充，人们迫切需要一种新的高效配置频谱资源的无线通信模式来解决目前频谱资源的供需矛盾。
[0004]认知无线电(Cognitive Radio，CR)技术通过对授权频谱动态分配共享的方式，为解决上述难题提供了一个可行的技术方案。认知无线电技术要求具备“认知”功能的智能无线通信终端伺机利用已授权的空闲频段进行通信，这种在空域、时域或频域中能够被非授权用户使用的空闲频谱资源被称为“频谱空穴”(spectrum holes)。
[0005]如果授权用户(亦称主用户，primary user，PU)又重新开始使用该频谱空穴，那么非授权用户即认知用户(亦称次用户，secondary user，SU)有两个选择，或转移至其他的频谱空穴，或继续使用该频段，但为了避免对PU产生干扰，必须改变SU的传输功率或者调制方式，以此来实现与PU动态频谱共享。
[0006]为了实现频谱共享，需要感知周围频谱环境，自适应地调整工作方式和状态，避免与其他系统的互相干扰。其外，还要考虑无线多径信道表现出稀疏性,信道有多条传播路径，只有几条路径的能量较大其他路径的能量接近高斯白噪声的能量，稀疏信道的概念被提出。通过少量的系数和合适的基扩展模型拟合整个信道响应。在接收端，估计出稀疏系数，结合已知的基扩展模型恢复出完整的信道响应。
[0007]压缩感知理论指出，如果信号具有稀疏特性，可以使用很少的采样值高概率地精确重构稀疏信号。信道估计的目的是利用接收信号和通信系统模型估计出信道的冲击响应，这和压缩感知理论中的重构过程非常相似。如果能找到两者之间的关联，利用压缩感知能从少量观测值重构出高维信号的优点，可以通过少量的导频符号获得精确的信道响应，提高频谱利用率。
(三)
技术实现思路

[0008]为了解决判断水下目标是否存在的问题，本专利技术提出一种噪声探测技术。
[0009]本专利技术的目的是这样实现的：
[0010](1)LMS算法对信道进行初步估计，小波阈值去噪对信道频率响应进行降噪处理，同时估计出信道的噪声水平。
[0011](2)Mallat小波重构算法进行逆变换恢复出信号。
[0012](3)通过SAWOMP算法，根据估计的标准差来控制重构算法的阈值，重构算法的原子选择门限跟随信噪比自适应变化。
[0013]本专利技术的技术方案主要包括：
[0014]1、首先采用LMS算法完成对信道频率响应的初步估计，得到信道相应估计值对此估计值进行小波变换去噪处理。将估计的信号分解为各个尺度下小波系数，对于各尺度的细节系数设定不同的阈值，实现信号中噪声的消除。去噪对信号的分解和重构采用的是mallat小波变换法，分解过程利用了两个滤波器，分别为低通滤波器h(n)和高通滤波器g(n)，分解过程用公式表示如下：
[0015][0016][0017]2、将分解处理后的小波系数进行逆小波变换回复出信号。Mallat小波重构算法实际上是将上一层的近似系数分别与低通滤波器和高通滤波器进行卷积，再进行采样，进而得到下一层的近似系数和细节系数。如此得到去除噪声的信道频率响应重构的表达式为
[0018][0019]其中，h'(n)和g'(n)分别为进行小波重构时的低通滤波器和高通滤波器。
[0020]3、SWOMP算法虽然不需要信道稀疏度信息，但需要输入阈值参数与迭代次数其精度高度依赖于阈值参数和迭代次数。当阈值参数设置过大时，会引入冗余原，影响算法性能:当阈值参数设置过小时，会影响算法效率。因此，采用一种阈值自适应的信道估计算法—SAWOMP算法。
[0021]SAWOMP算法以输入的噪声标准差为依据，计算得到阈值参数，利用估计的标准差控制阈值参数，从而实现重构算法的原子选择门跟随信噪比自适应变化。SAWOMP算法具体流程如下：
[0022]输入:观测向量y
P
，恢复矩阵A，小波阈值去噪处理后的信道频率响应噪声标准差σ。
[0023]输出:信道脉冲响应估计值
[0024]步骤1：计算SAWOMP中的阈值参数α＝σ
b
*a(a＝0.9，b＝0.3)，判断若α＞1，则令α＝
1；
[0025]步骤2：初始迭代次数t为1，索引集和支撑集分别初始化为和残差初始化为r0＝y
[0026]步骤3：初始r与之差β0＝0；
[0027]步骤4：通过计算：u＝abs[A
T
r
t
‑1]，r
t
‑1为残差，A为恢复矩阵。根据α计算得到的门限对上述相关系数进行筛选，取出恢复矩阵中上述选定的原子所在的列的序号j，由上述j组成集合J0；
[0028]步骤5：更新索引集和原子支撑集：Λ
t
＝Λ
t
‑1∪J0，A
t
＝A
t
‑1∪{a
j
}(对于所有的j∈J0)；
[0029]步骤6：求y＝A
t
h
t
的最小二乘解：
[0030]步骤7：更新残差：
[0031]步骤8：判断是否满足停止循环的条件β
t
≥β
t
‑1。其中r
t
为残差，为信道频率响应；若满足条件则停止迭代过程，并返回信道脉冲响应估计值否则令t＝t+1，并返回步骤4继续进行迭代。
[0032]本专利技术的主要优点是：在滤除噪声的前提下，通过压缩感知信道估计算法对信道进行重构。为了提高算法性能，针对固定的迭代次数，通过建立稀疏度信息，动态调整SAWOMP算法的阈值以及迭代次数，此改进算法不再设定跳出循环的次数，而是利用传统方法初步估计得到的信道相应作为跳出迭代的条件；针对阈值问题，利用信道的噪声水平进行估计得到的标准噪声差自适应调整算法的阈值参数，这种阈值自适应的信道本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合小波去噪与压缩感知理论的信道估计方法，其主要特征为：采用LMS算法对信道频率响应进行初步估计，利用小波阈值去噪对信道频率响应结果进行降噪处理，处理完成后进行逆变换恢复出信号；去噪的同时估计出信道噪声水平，根据噪声标准差自适应地调整重构算法的阈值，通过SAWOMP算法实现阈值自适应的信道估计。2.根据权利1所描述的判断方法，其特征是：首先采用LMS算法对信道频率响应进行初步估计，得到信道相应估计值，将估计的信道频率响应分解为多级的近似系数和细节系数，分解过程公式表示如下分解过程公式表示如下对于各尺度的细节系数设定不同的阈值，幅值低于阈值的小波系数置零，保留高于阈值的小波系数，同时估计出噪声标准差。噪声标准差的计算表达式为：σ＝median(|d
1,k
|)/0.67453.根据权利1所描述的判断方法，其特征是：将处理后的小波系数进行逆小波系数进行逆小波变换恢复信号，通过mallat小波重构算法，将上一层近似系数分别与低通滤波器和高通滤波器进行卷积，再进行下采样，进而得到下一层的近似系...

【专利技术属性】
技术研发人员：周游，
申请(专利权)人：黑龙江盛达科技股份有限公司，
类型：发明
国别省市：