本发明专利技术公开了一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其先假定脉冲噪声和背景噪声均服从高斯分布，然后根据使条件期望函数最大化来求取高斯分布的未知的超参数的估计值，再结合超参数的估计值和脉冲噪声在OFDM符号内已知导频上的投影求解脉冲噪声的后验均值以得到脉冲噪声的估计值，最后利用接收信号向量减去脉冲噪声估计值的DFT变换形式达到抑制脉冲噪声干扰的目的，优点是利用脉冲噪声在OFDM符号内已知导频上的投影进行脉冲噪声的估计，降低了信号处理过程中所需要的采样速率；在超参数的迭代估计过程中利用了超参数交替更新过程，加快了收敛速度，并简化了条件期望函数的最大化求解过程，使得最终对脉冲噪声干扰抑制的性能明显改善。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其先假定脉冲噪声和背景噪声均服从高斯分布，然后根据使条件期望函数最大化来求取高斯分布的未知的超参数的估计值，再结合超参数的估计值和脉冲噪声在OFDM符号内已知导频上的投影求解脉冲噪声的后验均值以得到脉冲噪声的估计值，最后利用接收信号向量减去脉冲噪声估计值的DFT变换形式达到抑制脉冲噪声干扰的目的，优点是利用脉冲噪声在OFDM符号内已知导频上的投影进行脉冲噪声的估计，降低了信号处理过程中所需要的采样速率；在超参数的迭代估计过程中利用了超参数交替更新过程，加快了收敛速度，并简化了条件期望函数的最大化求解过程，使得最终对脉冲噪声干扰抑制的性能明显改善。【专利说明】—种基于压缩感知的OFDM系统脉冲干扰抑制方法
本专利技术涉及一种通信领域的干扰抑制方法，尤其是涉及一种基于压缩感知的OFDM系统脉冲干扰抑制方法。
技术介绍
正交频分复用(OrthogonalFrequency Division Multiplexing,OFDM)技术由于具有高频谱效率和抗多径干扰能力而被广泛应用于各种通信标准，如电力线通信标准、长期演进(Long Term Evolution, LTE)标准和地面数字电视广播标准等。然而，在许多通信系统(如密集的蜂窝网络通信系统和电力线通信系统)中，由于脉冲噪声干扰较为严重，传统的OFDM接收机面临着严重的性能衰减，因此如何抑制OFDM系统中的脉冲干扰已成为近年来通信领域的研究热点。目前，抑制OFDM系统中脉冲噪声影响的方法主要分为参数化方法和非参数化方法两类。参数化方法的优势是可以利用统计模型信息和脉冲噪声参数来提高性能，然而当统计模型不能反映脉冲噪声的统计特性或脉冲噪声的参数不够准确时，该类方法的性能会明显变差；此外，该类方法由于需要事先使用训练序列估计脉冲噪声的统计模型，因此增加了额外的复杂度。非参数化方法无需假定脉冲噪声服从任何特定的噪声模型，这使得该类方法对变化的环境和模型不匹配时具有更好的鲁棒性。由于脉冲噪声在时域上是稀疏的，且最近兴起的压缩感知(compressivesensing, CS)理论使得从低维的观测值中恢复出稀疏高维信号成为可能，因此将CS理论应用于脉冲噪声的抑制能够大大降低采样速率，显著提高算法的实用性。现有的基于CS理论的脉冲噪声抑制方法主要有基于稀疏贝叶斯学习(Sparse Bayesian learning, SBL)算法的脉冲噪声抑制方法，该方法在提高脉冲干扰抑制性能的同时，避免了传统CS算法中的稀疏度门限值的限制。然而，由于SBL算法在通过最大似然方法求解超参数时，直接利用期望最大化(Expectation Maximization, EM)在每次迭代过程中同时更新所有待估计的超参数，这使得整个SBL算法收敛较慢，并会导致条件期望最大化步骤难以实现；此外，由于SBL算法在获得超参数估计值后直接求解后验期望和后验均值，因此会导致在信号维度较大时计算较为困难、对脉冲噪声的估计不够准确。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其能够有效地降低脉冲噪声估计时所需的已知信号的维度，并且脉冲噪声估计过程的收敛速度快，有效地提高了脉冲噪声估计的准确度。本专利技术解决上述技术问题所采用的技术方案为:一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其特征在于包括以下步骤:①在发送端，将待发送的OFDM信号向量记为X，假设X中存在M个已知导频，则将X中的M个已知导频构成的向量记为Xt ;然后对X先后进行离散傅立叶逆变换和添加循环前缀，得到发送信号向量；其中，X的维数为NXl维，Xt的维数为MXl维，T表示由X中的M个已知导频的索引构成的索引集，T的长度为M，1〈M〈N;②假定用于传输信号的信道的状态信息已知，发送端通过信道传输发送信号向量给接收端，将发送信号向量在传输过程中在信道内产生的脉冲噪声向量和背景噪声向量对应记为e和n，且假定未知的脉冲噪声向量e服从均值为O、方差为Y的高斯分布，并假定未知的背景噪声向量η服从均值为O、方差为σ 2的高斯分布,其中，未知的脉冲噪声向量e和未知的背景噪声向量η的维数均为NX I维，Y和σ2均为未知的超参数，且Y和σ2均为正实数；③在接收端，对接收到的接收信号向量先后进行去除循环前缀和离散傅立叶变换，得到待处理的接收信号向量，记为Y ;然后从Y中提取出Xt叠加脉冲噪声向量e和背景噪声向量η后形成的信号向量，记为Yt ;再根据信道的状态信息，去除Yt中与Xt相对应的已知的信号向量，得到仅包含未知的脉冲噪声向量e和未知的背景噪声向量η的已知向量Ζ，且已知向量Z服从高斯分布；其中，Y的维数为NX I维，Yt的维数为MX I维，Z的维数为MXl 维；④在已知向量Z的条件下，通过使条件期望函数最大化，交替估计未知的超参数Y和未知的超参数σ2，获得未知的超参数Υ和未知的超参数σ 2的最终估计值，对应记为T和【权利要求】1.一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其特征在于包括以下步骤: ①在发送端，将待发送的OFDM信号向量记为X，假设X中存在M个已知导频，则将X中的M个已知导频构成的向量记为Xt ;然后对X先后进行离散傅立叶逆变换和添加循环前缀，得到发送信号向量；其中，X的维数为NX 1维，Xt的维数为MX1维，T表示由X中的M个已知导频的索引构成的索引集，T的长度为M，1<M<N ； ②假定用于传输信号的信道的状态信息已知，发送端通过信道传输发送信号向量给接收端，将发送信号向量在传输过程中在信道内产生的脉冲噪声向量和背景噪声向量对应记为e和n，且假定未知的脉冲噪声向量e服从均值为O、方差为Y的高斯分布，并假定未知的背景噪声向量n服从均值为O、方差为ο2的高斯分布，其中，未知的脉冲噪声向量e和未知的背景噪声向量n的维数均为NX I维，Y和σ2均为未知的超参数，且Y和σ2均为正实数； ③在接收端，对接收到的接收信号向量先后进行去除循环前缀和离散傅立叶变换，得到待处理的接收信号向量，记为Y ;然后从Y中提取出Xt叠加脉冲噪声向量e和背景噪声向量η后形成的信号向量，记为Υτ;再根据信道的状态信息，去除Yt中与Xt相对应的已知的信号向量，得到仅包含未知的脉冲噪声向量e和未知的背景噪声向量η的已知向量Ζ,且已知向量Z服从高斯分布；其中，Y的维数为NX I维，Yt的维数为MX I维，Z的维数为MX I维； ④在已知向量Z的条件下，通过使条件期望函数最大化，交替估计未知的超参数Y和未知的超参数σ2，获得未知的超参数Υ和未知的超参数Q2的最终估计值，对应记为f和σ2； ⑤根据未知的超参数Y的最终估计值f和未知的超参数σ2的最终估计值σ2以及已知向量Ζ，计算未知的脉冲噪声向量e的后验均值，记为μ，然后将未知的脉冲噪声向量e的后验均值μ作为未知的脉冲噪声向量e的估计值，记为e，e = μ,其中,e = μ中的“=”为赋值符号； ⑥对未知的脉冲噪声向量e的估计值g进行离散傅立叶变换，得到e的预域表达式，然后将Y减去e的频域表达式，得到脉冲噪声干扰抑制后的接收信号向量。2.根据权利要求1所述的一种基于压缩本文档来自技高网...
【技术保护点】
一种基于压缩感知的OFDM系统脉冲干扰抑制方法，其特征在于包括以下步骤：①在发送端，将待发送的OFDM信号向量记为X，假设X中存在M个已知导频，则将X中的M个已知导频构成的向量记为XT；然后对X先后进行离散傅立叶逆变换和添加循环前缀，得到发送信号向量；其中，X的维数为N×1维，XT的维数为M×1维，T表示由X中的M个已知导频的索引构成的索引集，T的长度为M，1对应的已知的信号向量，得到仅包含未知的脉冲噪声向量e和未知的背景噪声向量n的已知向量Z，且已知向量Z服从高斯分布；其中，Y的维数为N×1维，YT的维数为M×1维，Z的维数为M×1维；④在已知向量Z的条件下，通过使条件期望函数最大化，交替估计未知的超参数γ和未知的超参数σ2，获得未知的超参数γ和未知的超参数σ2的最终估计值，对应记为和⑤根据未知的超参数γ的最终估计值和未知的超参数σ2的最终估计值以及已知向量Z，计算未知的脉冲噪声向量e的后验均值，记为μ，然后将未知的脉冲噪声向量e的后验均值μ作为未知的脉冲噪声向量e的估计值，记为其中，中 的“=”为赋值符号；⑥对未知的脉冲噪声向量e的估计值进行离散傅立叶变换，得到的频域表达式，然后将Y减去的频域表达式，得到脉冲噪声干扰抑制后的接收信号向量。FDA00003521965200011.jpg,FDA00003521965200012.jpg,FDA00003521965200013.jpg,FDA00003521965200014.jpg,FDA00003521965200015.jpg,FDA00003521965200016.jpg,FDA00003521965200017.jpg,FDA00003521965200021.jpg,FDA00003521965200022.jpg,FDA00003521965200023.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：李有明，朱星，刘小青，陈斌，邹婷，王刚，金明，
申请(专利权)人：宁波大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。