CN101741776B - 消除干扰信号的方法以及装置 - Google Patents

Abstract

本发明实施例公开了一种消除干扰信号的方法以及装置，用于提高窄带干扰信号消除的效果。本发明实施例方法包括：1）对接收信号进行采样得到采样信号；2）将采样信号通过神经元网络模型进行处理，得到预测干扰信号；3）根据采样信号以及预测干扰信号确定预测目标信号；4）将采样信号与预测目标信号的差值作为窄带残差信号；5）将窄带残差信号输入神经元网络模型以更新预测干扰信号；6）使用更新后的预测干扰信号重复步骤3）至5）直至满足预置条件。本发明实施例还提供了一种消除干扰信号的装置。本发明实施例能够有效地提高窄带干扰信号消除的效果。

Description

消除干扰信号的方法以及装置

技术领域

本发明涉及信号处理领域，尤其涉及一种消除干扰信号的方法以及装置。

背景技术

在实际应用的无线通信系统中，经常会受到来自其他系统的窄带干扰，这些干扰有可能来自频段相似的其他通信系统，或是一些局部通信系统，以及一些突发干扰。

现有技术中一种消除窄带干扰的方法为：

在时域对窄带干扰信号进行预测，并进行干扰消除。干扰信号可预测的原理在于窄带信号频率带宽窄，时域具有较强相关性，因此后一个采样点处的信号值可以用前几次采样点的值进行预测估计；而扩频信号的频带较宽，信号无法进行预测。

但是，线性预测方法要求背景信号服从高斯分布，这一条件一般较难满足，因此线性预测的方法往往不能够达到最优解，影响了干扰信号消除的效果。

发明内容

本发明实施例提供了一种消除干扰信号的方法以及装置，能够提高窄带干扰信号消除的效果。

本发明实施例提供的消除干扰信号的方法，包括：1）对接收信号进行采样得到采样信号；2）将所述采样信号通过神经元网络模型进行处理，得到预测干扰信号；3）根据所述采样信号以及所述预测干扰信号确定预测目标信号；4）将所述采样信号与所述预测目标信号的差值作为窄带残差信号；5）将所述窄带残差信号输入所述神经元网络模型以更新所述预测干扰信号；6）使用更新后的预测干扰信号重复上述步骤3）至5）直至满足预置条件；所述根据采样信号以及所述预测干扰信号确定预测目标信号包括：将所述采样信号与所述预测干扰信号的差值作为误差信号；根据所述误差信号进行信号预测得到预测目标信号。

本发明实施例提供的消除干扰信号的装置，包括：采样单元，用于对接收信号进行采样得到采样信号；神经元网络模型，用于对所述采样单元采样得到的采样信号进行处理得到预测干扰信号；信号预测单元，用于根据所述采样单元采样得到的采样信号以及所述神经元网络模型处理得到的预测干扰信号确定预测目标信号；信号生成单元，用于将所述采样信号与所述预测目标信号的差值作为窄带残差信号；所述神经元网络模型对所述信号生成单元得到的窄带残差信号进行处理以对预测干扰信号进行更新；所述信号预测单元以及信号生成单元还用于根据更新后的预测干扰信号以及采样信号执行相应的处理直至满足预置条件。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例中，当生成窄带残差信号之后，将该窄带残差信号通过神经元网络模型继续进行处理，由于该窄带残差信号是由采样信号与预测目标信号相减得到，即该窄带残差信号中已经滤除了预测目标信号，滤除该预测目标信号之后的窄带残差信号相对更容易符合高斯分布，从而使得神经元网络模型能够更加准确的预测出干扰信号并进行消除，因此能够提高窄带干扰信号消除的效果。

附图说明

图1为本发明实施例中消除干扰信号的方法一个实施例示意图；

图2为本发明实施例中消除干扰信号的方法另一实施例示意图；

图3为本发明实施例中消除干扰信号的装置一个实施例示意图；

图4（a）为本发明实施例中消除干扰信号的装置另一实施例示意图；

图4（b）为本发明实施例中消除干扰信号的装置另一实施例示意图；

图4（c）为本发明实施例中消除干扰信号的装置另一实施例示意图；

图5（a）～图5（d）为本发明实施例中的仿真实验结果图。

具体实施方式

本发明实施例提供了一种消除干扰信号的方法以及装置，能够提高窄带干扰信号消除的效果。

请参阅图1，本发明一实施例提供的消除干扰信号的方法包括：

101、对接收信号进行采样得到采样信号；

本实施例中，该接收信号可以为直接序列码分多址（DS-CDMA，DirectSequence-Code Division Multiple Access）信号，当接收到信号时（本发明实施中将接收到的信号简称为接收信号），可以对该接收信号进行采样。

需要说明的是，在实际应用中，该接收信号除了是DS-CDMA信号之外，还可以是其他类型的信号，例如长期演进（LTE，Long Term Evolution）网络中的传输信号，或者是全球微波互联接入（WiMAX，Worldwide Interoperabilityfor Microwave Access）网络中的传输信号。

具体地，采样方式可以为：按照接收信号的码片速率进行采样，或按照接收信号的码片速率的两倍速进行采样，具体的采样方式可以根据实际应用进行确定，此处不作限定。

102、将得到的采样信号通过神经元网络模型进行处理得到预测干扰信号；

当得到采样信号之后，可将采样信号通过神经元网络模型进行处理从而得到预测干扰信号，需要说明的是，具体的神经元网络模型以及处理过程可以参考本发明其他实施例的相关描述，此处不再赘述。

需要说明的是，本实施例中，输入神经元网络模型的信号包括宽带信号（即扩频信号）以及窄带信号，宽带信号的变化周期比较快，窄带信号的变化周期比较慢，神经元网络模型可以对窄带信号中的窄带干扰信号进行预测，而无法对宽带信号中的宽带干扰信号进行预测，因此通过神经元网络模型之后输出的预测干扰信号即为窄带干扰信号。

103、根据采样信号以及预测干扰信号确定预测目标信号；

在得到预测干扰信号之后，可根据步骤101获取到的采样信号以及该预测干扰信号确定预测目标信号（即采样信号中的有用信号），对于不同的系统，获得预测目标信号的方式有所不同，具体的确定过程可以参考本发明其他实施例的相关描述，此处不再赘述。

104、将采样信号与预测目标信号相减，得到的差值为窄带残差信号；

本实施例中，从采样信号减去步骤103得到的预测目标信号即可获得窄带残差信号，该窄带残差信号中一般包含干扰信号和高斯白噪声信号。

105、将窄带残差信号输入上述神经元网络模型以对预测干扰信号进行更新；

本步骤中，将获取的窄带残差信号作为上述神经元网络模型的输入以对神经元网络模型输出的预测干扰信号进行更新。

106、重复步骤103至105直至满足预置条件。

本步骤中，可以使用更新后的预测干扰信号重复执行上述步骤103至105，直至满足预置条件，当满足预置条件时，可根据采样信号以及最后更新的预测干扰信号输出预测目标信号，此时输出的预测目标信号即为有用信号。

需要说明的是，本实施例中的预置条件用于控制重复执行步骤103至105的次数，由于重复执行步骤103至105的次数越多，则消除窄带干扰信号的效果也越好，所以可以设置一个预置条件来控制重复执行步骤103至105的次数，从而满足不同的消除窄带干扰信号的需要。

本实施例中，当获取到窄带残差信号之后，将该窄带残差信号输入神经元网络模型继续进行处理，由于该窄带残差信号是由采样信号与预测目标信号相减得到，即该窄带残差信号中已经滤除了预测目标信号，所以滤除该预测目标信号之后的窄带残差信号相对更容易符合高斯分布，从而使得神经元网络模型能够更加准确的预测出干扰信号并进行消除，因此能够提高窄带干扰信号消除的效果；此外，根据仿真实验的结果可知，本实施例中的消除干扰信号的方案与现有技术相比，能够有效的改善信干噪比以及误比特率。

为便于理解，下面以一具体实例对本发明实施例中的消除干扰信号的方法进行描述，请参阅图2，本发明另一实施例提供的消除干扰信号的方法包括：

201、对接收信号进行采样得到采样信号；

本实施例中，当接收到接收信号时，可以对该接收信号进行采样，具体采样的方式与前述图1所示的实施例中描述的采样方式类似，此处不再赘述。为了便于说明，假设得到的采样信号为[r(k-1)r(k-2)...r(k-L)]^T，其中k代表采样信号的编号，L代表采样信号的数目，T表示转置矩阵，k的取值范围为1至L，L与码片的速率以及采样方式相关。

202、将采样信号通过神经元网络模型进行处理得到预测干扰信号；

当得到采样信号之后，可将采样信号通过神经元网络模型进行处理从而得到预测干扰信号，具体的神经元网络模型的处理过程可以为：

将采样信号[r(k-1)r(k-2)...r(k-L)]^T输入神经元网络模型，设神经元网络模型的输入信号为X_k=[r(k-1)r(k-2)...r(k-L)]^T，则根据神经元网络模型的权值和阈值输出为预测干扰信号

其中，可以利用最小均方差（LMS，Least Mean Square）准则对神经元网络模型的权值和阈值进行更新。例如，线性神经元网络模型的输出的预测干扰信号可以为：

其中，为采样信号的转置矩阵，W_k=[w_1,kw_2,k...w_L,k]^T为神经元网络模型预置的权值，b_k为神经元网络模型预置的阈值。

该权值和阈值针对每一个采样信号都进行一次更新，具体可以通过以下方式更新：

$W_{k+1}=W_k+{\mathrm{\μ}}_k[r\left(k\right)-\hat{r}\left(k\right)]X_k;$ $b_{k+1}=b_k+{\mathrm{\μ}}_k[r\left(k\right)-\hat{r}\left(k\right)];$

μ_k表示第k次迭代的更新步长，可以由系统预先设定。

需要说明的是，本实施例中所采用的线性神经元网络模型和LMS准则的方法并不是可以输出预测干扰信号的唯一方法，也可以采用其他的神经元网络模型（例如非线性的神经元网络模型）和权值、阈值更新算法得到预测干扰信号的预测值具体方法此处不作限定。

需要说明的是，本实施例中，由于输入神经元网络模型的信号包括宽带信号（即扩频信号）以及窄带信号，宽带信号的变化周期比较快，窄带信号的变化周期比较慢，神经元网络模型可以对窄带信号中的窄带干扰信号进行预测，而无法对宽带信号中的宽带干扰信号进行预测，因此通过神经元网络模型之后输出的预测干扰信号即为窄带干扰信号。

203、将采样信号与预测干扰信号的差值作为误差信号；

得到预测干扰信号后，可将采样信号与预测干扰信号的差值作为误差信号。

204、将误差信号按照扩频因子的大小进行串并转换得到向量；

误差信号ε(k)为扩频后的信号，在进行扩频时，每一个误差信号都会对应有一个扩频因子，以表示扩频的程度，本实施例中，将误差信号ε(k)按照扩频因子大小进行串并变换，组成向量ε。

205、对向量进行解扩频得到信息比特的估计值；

得到向量ε之后，可以对其进行解扩，得到发送信息比特的估计值

其中c为已知的本地扩频码序列。

206、对各信息比特的估计值进行软判决得到软判决值；

本实施例中的软判决的具体过程可以为：

将信息比特的估计值

用S型函数进行映射，得到属于区间[-1，1]的实数，该实数即为软判决值。例如可以利用双曲正切函数tanh()映射为

其中为噪声的方差估计值。

需要说明的是，本实施例中使用tanh()给出软判决值的方法并不是可以给出判决值的唯一方法，在实际应用中也可以采用其他的S型函数进行映射，例如2*logsig()-1等。

本实施例中，对各信息比特的估计值

进行软判决，得到软判决值

207、对软判决值进行扩频得到各码片的估计值；

本实施例中，可以对软判决值

进行扩频，得到该发送信息比特的各码片的估计值

其中，对于扩频的方法可以参考现有技术，此处不再赘述。

208、将各码片的估计值进行并串转换得到连续的码片信号；

本实施例中，对上述估计值经过并串变换变换为连续的码片信号，可以将该连续的码片信号作为预测目标信号。

以上步骤203至208以码分多址系统为例对预测目标信号的获得方式进行了说明，对于其他宽带系统，当其受到窄带干扰时，可采用上述方案中类似的方法进行干扰消除，只要对步骤204～208中获取目标信号的方法稍加改动即可，以下以LTE系统和WiMAX系统为例进行说明。

对于LTE系统，通过步骤203的方法得到误差信号后，将误差信号去掉循环前缀（CP）后进行逆快速傅立叶变换，对逆快速傅立叶变换的结果进行相位补偿，再对相位补偿后的结果进行离散傅立叶变换；对离散傅立叶变换得到的结果进行软判决得到软判决值（具体的软判决的方式与前述应用在DS-CDMA中的方案中的软判决的方式基本相同，即是将离散傅立叶变换后得到的结果用S型函数进行映射，得到属于区间[-1，1]的实数，该实数即为软判决值）；对软判决值进行离散傅立叶变换以及叠加相位后，最终经过逆快速傅立叶变换，并加入循环前缀后，得到连续的预测目标信号。

对于WiMAX系统，通过步骤203的方法得到误差信号后，将误差信号去掉循环前缀（CP）后进行逆快速傅立叶变换，对逆快速傅立叶变换的结果进行相位补偿后进行软判决得到软判决值（具体的软判决的方式与前述应用在DS-CDMA中的方案中的软判决的方式基本相同，即是将相位补偿后得到的结果用S型函数进行映射，得到属于区间[-1，1]的实数，该实数即为软判决值）；对软判决值进行逆快速傅立叶变换，并加入循环前缀后，得到连续的预测目标信号。

209、将采样信号与预测目标信号的差值作为窄带残差信号；

本实施例中，将采样信号与步骤208确定得到的预测目标信号进行减法运算即可获得窄带残差信号，该窄带残差信号一般包括干扰信号和高斯白噪声信号。

具体的，对于码分多址系统，将该采样信号r(k)与发送码片的码片信号

相减得到窄带残差信号 $r^{\′}\left(k\right)=r\left(k\right)-\hat{s}\left(k\right).$

210、将窄带残差信号输入神经元网络模型以对预测干扰信号进行更新，将重复次数N加上1；

获取到窄带残差信号r′(k)之后，将该窄带残差信号r′(k)作为神经元网络模型的输入以对预测干扰信号进行更新。而重复次数N可以被预先置为0，当进行一次将窄带残差信号输入神经元网络模型以对预测干扰信号进行更新的步骤，则将N在原来值的基础上加上1。

211、重复上述步骤203至210直至满足预置条件。

具体地，得到更新后的预测干扰信号之后，可以使用更新后的预测干扰信号重复执行上述步骤203至210，直至N达到预设的门限值，此时，可根据采样信号以及更新后的预测干扰信号输出步骤208中确定的码片信号。本实施例中的预设的门限值的设置与实际应用中的要求相关，门限越高，则消除窄带干扰的效果也越好。

以上以预置条件为重复次数门限值进行描述，需要说明的是，本实施例中的预置条件还可以为：本次得到的窄带残差信号与上次得到的窄带残差信号之间的差值小于预置数值，或本次得到的预测干扰信号与上次得到的预测干扰信号之间的差值小于预置数值，或本次得到的预测目标信号与上次得到的预测目标信号之间的差值小于预置数值。也就是说，在重复迭代的过程中，如果两次得到的窄带残差信号或预测干扰信号或预测目标信号之间的差值小于预置数值，则没有必要再次重复迭代了，该预置数值可以根据实际情况进行确定，该预置数值越大，则消除窄带干扰的效果也越好。

本实施例中，当生成窄带残差信号之后，将该窄带残差信号通过神经元网络模型继续进行处理，由于该窄带残差信号是由采样信号与码片信号相减得到，即该窄带残差信号中已经滤除了码片信号，所以滤除该码片信号之后的窄带残差信号相对更容易符合高斯分布，从而使得神经元网络模型能够更加准确的预测出干扰信号并进行消除，因此能够提高窄带干扰信号消除的效果；此外，根据仿真实验的结果可知，本实施例中的消除干扰信号的方案与现有技术相比，能够有效的改善信干噪比以及误比特率。

下面介绍本发明实施例中的消除干扰信号的装置，请参阅图3，为本发明实施例提供的一种消除干扰信号的装置，该装置包括：

采样单元301，用于对接收信号进行采样得到采样信号；

神经元网络模型302，用于对采样单元301采样得到的采样信号进行处理得到预测干扰信号；

信号预测单元303，用于根据采样单元301采样得到的采样信号以及神经元网络模型302处理得到的预测干扰信号确定预测目标信号；

信号生成单元304，用于将采样信号与预测目标信号的差值作为窄带残差信号；

神经元网络模型302对信号生成单元304得到的窄带残差信号进行处理以对预测干扰信号进行更新；

信号预测单元303以及信号生成单元304还用于根据更新后的预测干扰信号以及采样信号执行相应的处理直至满足预置条件。

也就是说，当满足预置条件时，此时信号预测单元303根据最后一次更新的预测干扰信号所输出的预测目标信号就是本消除干扰信号的装置所输出的有用信号。

本装置实施例中各个单元的执行过程可以参考上述方法实施例的相应描述，此处不再赘述。

本实施例中，当信号生成单元304生成窄带残差信号之后，信号生成单元304再次将该窄带残差信号通过神经元网络模型302进行处理，由于该窄带残差信号是由采样信号与预测目标信号相减得到，即该窄带残差信号中已经滤除了预测目标信号，所以滤除该预测目标信号之后的窄带残差信号相对更容易符合高斯分布，从而使得神经元网络模型302能够更加准确的预测出干扰信号并进行消除，因此能够提高窄带干扰信号消除的效果；此外，根据仿真实验的结果可知，本实施例中的消除干扰信号的方案与现有技术相比，能够有效的改善信干噪比以及误比特率。

下面对本实施例中的消除干扰信号的装置进行详细描述，请参阅图4（a）～图4（c），本发明另一实施例提供了一种消除干扰信号的装置，该装置可以包括：

采样单元401，用于对接收信号进行采样得到采样信号；

神经元网络模型402，用于对采样单元401采样得到的采样信号进行处理得到预测干扰信号；

信号预测单元403，用于根据采样单元401采样得到的采样信号以及神经元网络模型402处理得到的预测干扰信号确定预测目标信号；

信号生成单元404，用于将采样信号与预测目标信号的差值作为窄带残差信号；

神经元网络模型402对信号生成单元404得到的窄带残差信号进行处理以对预测干扰信号进行更新；

信号预测单元403以及信号生成单元404还用于根据更新后的预测干扰信号以及采样信号执行相应的处理直至满足预置条件。

也就是说，当满足预置条件时，此时信号预测单元403根据最后一次更新的预测干扰信号所输出的预测目标信号就是本消除干扰信号的装置所输出的有用信号。

本实施例中的信号预测单元403包括：

误差计算子单元4031，用于将采样信号与预测干扰信号的差值作为误差信号；

预测子单元4032，用于根据误差计算子单元4031得到的误差信号进行信号预测得到预测目标信号。

请参阅图4（a），当本发明实施例的方案应用于DS-CDMA系统中时，预测子单元4032包括：

串并转换模块411，用于将误差信号按照扩频因子的大小进行串并转换得到向量；

解扩频模块412，用于对向量进行解扩频得到信息比特的估计值；

第一软判决模块413，用于对各信息比特的估计值进行软判决得到软判决值；

扩频单元模块414，用于对软判决值进行扩频得到各码片的估计值；

并串转换模块415，用于将各码片的估计值进行并串转换得到连续的码片信号，将码片信号作为预测目标信号。

请参阅图4（b），当本发明实施例的方案应用于LTE系统中时，本实施例中的预测子单元4032包括：

第一变换模块416，用于将误差信号去除循环前缀后进行逆快速傅立叶变换；

第一相位补偿模块417，用于对第一变换模块416进行逆快速傅立叶变换后的结果进行相位补偿；

第二变换模块418，用于对第一相位补偿模块417进行相位补偿后的结果进行离散傅立叶变换；

第二软判决模块419，用于对第二变换模块418进行离散傅立叶变换得到的结果进行软判决得到软判决值；

第三变换模块420，用于对第二软判决模块419得到的软判决值进行离散傅立叶变换以及叠加相位；

第四变换模块421，用于对第三变换模块420变换的结果进行逆快速傅立叶变换，并加入循环前缀得到预测目标信号。

请参阅图4（c），当本发明实施例的方案应用于WiMax系统中时，本实施例中的预测子单元4032包括：

第五变换模块422，用于将误差信号去除循环前缀后进行逆快速傅立叶变换；

第二相位补偿模块423，用于对第五变换模块422进行逆快速傅立叶变换的结果进行相位补偿；

第三软判决模块424，用于对第二相位补偿模块423进行相位补偿后的结果进行软判决得到软判决值；

第六变换模块425，用于对第三软判决模块424得到的软判决值进行逆快速傅立叶变换，并加入循环前缀得到预测目标信号。

为便于理解，下面以在DS-CDMA系统中的应用为例对本实施例中的消除干扰信号的装置进行详细描述：

本实施例中，当采样单元401接收到接收信号时，可以对该接收信号进行采样。

该接收信号可以为DS-CDMA信号，采样方式可以为：按照接收信号的码片速率进行采样，或按照接收信号的码片速率的两倍速进行采样，具体的采样方式可以根据实际应用进行确定，此处不作限定。

当得到采样信号之后，神经元网络模型402即可对采样信号进行处理从而得到预测干扰信号，具体的神经元网络模型402的处理过程可以与前述图2所示的实施例中描述的处理过程相同，此处不再赘述。

神经元网络模型402得到预测干扰信号后，误差计算单元4031即可将采样信号与预测干扰信号的差值作为误差信号。

串并转换模块411将误差信号按照扩频因子的大小进行串并转换得到向量；

解扩频模块412对向量进行解扩频得到信息比特的估计值；

第一软判决模块413对各信息比特的估计值进行软判决得到软判决值；

本实施例中的软判决的具体过程可以与前述图2所示的实施例中描述的处理过程相同，此处不再赘述。

扩频模块414对软判决值进行扩频得到各码片的估计值；

并串转换模块415将各码片的估计值进行并串转换得到连续的码片信号，当满足预置条件时根据采样信号以及更新后的预测干扰信号输出连续的码片信号；

信号生成单元404将采样信号与码片信号的差值作为窄带残差信号，该窄带残差信号一般包含干扰信号和高斯白噪声信号。

信号生成单元404将窄带残差信号输入神经元网络模型以对预测干扰信号进行更新。

本实施例中，当信号生成单元404生成窄带残差信号之后，信号生成单元404再次将该窄带残差信号通过神经元网络模型402进行处理，由于该窄带残差信号是由采样信号与码片信号相减得到，即该窄带残差信号中已经滤除了码片信号，所以滤除该码片信号之后的窄带残差信号相对更容易符合高斯分布，从而使得神经元网络模型402能够更加准确的预测出干扰信号并进行消除，因此能够提高窄带干扰信号消除的效果；此外，根据仿真实验的结果可知，本实施例中的消除干扰信号的方案与现有技术相比，能够有效的改善信干噪比以及误比特率。

下面从仿真实验的结果说明本发明实施例中的消除干扰信号的方法的效果，首先从信干噪比的改进方面进行说明：

请参阅图5（a）以及图5（b），图5（a）以及图5（b）分别给出了在“SIR=-7dB，GSM干扰”以及“SIR=-45dB，单频干扰”两种情况下窄带干扰抵抗能力比较仿真结果图，其中，曲线501a以及501b为本发明实施例的方案的性能曲线，502a以及502b为现有技术中的线性横向滤波器方案的性能曲线。

从图中可以看出，本发明实施例的方案所取得的信干噪比改善要优于现有技术中的线性横向滤波器方案。

其次从误比特率改进的方面进行说明：

请参阅图5（c）以及图5（d），图5（c）以及图5（d）分别给出了在“SIR=-7dB，GSM干扰”以及“SIR=-45dB，单频干扰”两种情况下窄带干扰抵抗能力比较仿真结果图，其中，曲线501c以及501d为本发明实施例的方案的性能曲线，502c以及502d为现有技术中的线性横向滤波器方案的性能曲线。

从图中可以看出，本发明实施例的方案所取得的误比特率的改善同样优于现有技术中的线性横向滤波器方案。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种消除干扰信号的方法以及装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种消除干扰信号的方法，其特征在于，包括：

1）对接收信号进行采样得到采样信号；

2）将所述采样信号通过神经元网络模型进行处理，得到预测干扰信号；

3）根据所述采样信号以及所述预测干扰信号确定预测目标信号；

4）将所述采样信号与所述预测目标信号的差值作为窄带残差信号；

5）将所述窄带残差信号输入所述神经元网络模型以更新所述预测干扰信号；

6）使用更新后的预测干扰信号重复上述步骤3）至5）直至满足预置条件；

所述根据采样信号以及所述预测干扰信号确定预测目标信号包括：

将所述采样信号与所述预测干扰信号的差值作为误差信号；

根据所述误差信号进行信号预测得到预测目标信号。

2.根据权利要求1所述的方法，其特征在于，所述满足预置条件包括：

重复次数达到预置的门限值，或本次得到的窄带残差信号与上次得到的窄带残差信号之间的差值小于预置数值，或本次得到的预测干扰信号与上次得到的预测干扰信号之间的差值小于预置数值，或本次得到的预测目标信号与上次得到的预测目标信号之间的差值小于预置数值。

3.根据权利要求1所述的方法，其特征在于，所述根据误差信号进行信号预测得到预测目标信号包括：

将所述误差信号按照扩频因子的大小进行串并转换得到向量；

对所述向量进行解扩频得到信息比特的估计值；

对各信息比特的估计值进行软判决得到软判决值；

对所述软判决值进行扩频得到各码片的估计值；

将所述各码片的估计值进行并串转换得到连续的码片信号，将所述码片信号作为所述预测目标信号。

4.根据权利要求3所述的方法，其特征在于，所述对各信息比特的估计值进行软判决得到软判决值包括：

将各信息比特的估计值用S型函数进行映射到取值范围从-1到1之间的实数，得到软判决值。

5.根据权利要求1所述的方法，其特征在于，所述根据误差信号进行信号预测得到预测目标信号包括：

将所述误差信号去除循环前缀后进行逆快速傅立叶变换；

对逆快速傅立叶变换的结果进行相位补偿，再对相位补偿后的结果进行离散傅立叶变换；

对离散傅立叶变换得到的结果进行软判决得到软判决值；

对软判决值进行离散傅立叶变换以及叠加相位后，最终经过逆快速傅立叶变换，并加入循环前缀后，得到所述预测目标信号。

6.根据权利要求1所述的方法，其特征在于，所述根据误差信号进行信号预测得到预测目标信号包括：

将所述误差信号去除循环前缀后进行逆快速傅立叶变换；

对逆快速傅立叶变换的结果进行相位补偿，再对相位补偿后的结果进行软判决得到软判决值；

对软判决值进行逆快速傅立叶变换，并加入循环前缀后，得到所述预测目标信号。

7.根据权利要求1或2所述的方法，其特征在于，所述对接收信号进行采样得到采样信号包括：

按照码片速率，或码片速率的两倍速进行对接收信号采样得到采样信号。

8.一种消除干扰信号的装置，其特征在于，包括：

采样单元，用于对接收信号进行采样得到采样信号；

神经元网络模型，用于对所述采样单元采样得到的采样信号进行处理得到预测干扰信号；

信号预测单元，用于根据所述采样单元采样得到的采样信号以及所述神经元网络模型处理得到的预测干扰信号确定预测目标信号；

信号生成单元，用于将所述采样信号与所述预测目标信号的差值作为窄带残差信号；

所述神经元网络模型对所述信号生成单元得到的窄带残差信号进行处理以对预测干扰信号进行更新；

所述信号预测单元以及信号生成单元还用于根据更新后的预测干扰信号以及采样信号执行相应的处理直至满足预置条件；

所述信号预测单元包括：

误差计算子单元，用于将所述采样信号与所述预测干扰信号的差值作为误差信号；

预测子单元，用于根据所述误差信号进行信号预测得到预测目标信号。

9.根据权利要求8所述的消除干扰信号的装置，其特征在于，所述满足预置条件包括：

重复次数达到预置的门限值，或本次得到的窄带残差信号与上次得到的窄带残差信号之间的差值小于预置数值，或本次得到的预测干扰信号与上次得到的预测干扰信号之间的差值小于预置数值，或本次得到的预测目标信号与上次得到的预测目标信号之间的差值小于预置数值。

10.根据权利要求8所述的消除干扰信号的装置，其特征在于，所述预测子单元包括：

串并转换模块，用于将所述误差信号按照扩频因子的大小进行串并转换得到向量；

解扩频模块，用于对所述向量进行解扩频得到信息比特的估计值；

第一软判决模块，用于对各信息比特的估计值进行软判决得到软判决值；

扩频模块，用于对所述软判决值进行扩频得到各码片的估计值；

并串转换模块，用于将所述各码片的估计值进行并串转换得到连续的码片信号，将所述码片信号作为预测目标信号。

11.根据权利要求8所述的消除干扰信号的装置，其特征在于，所述预测子单元包括：

第一变换模块，用于将所述误差信号去除循环前缀后进行逆快速傅立叶变换；

第一相位补偿模块，用于对第一变换模块进行逆快速傅立叶变换后的结果进行相位补偿；

第二变换模块，用于对第一相位补偿模块进行相位补偿后的结果进行离散傅立叶变换；

第二软判决模块，用于对第二变换模块进行离散傅立叶变换得到的结果进行软判决得到软判决值；

第三变换模块，用于对第二软判决模块得到的软判决值进行离散傅立叶变换以及叠加相位；

第四变换模块，用于对所述第三变换模块变换的结果进行逆快速傅立叶变换，并加入循环前缀得到所述预测目标信号。

12.根据权利要求8所述的消除干扰信号的装置，其特征在于，所述预测子单元包括：

第五变换模块，用于将所述误差信号去除循环前缀后进行逆快速傅立叶变换；

第二相位补偿模块，用于对第五变换模块进行逆快速傅立叶变换的结果进行相位补偿；

第三软判决模块，用于对第二相位补偿模块进行相位补偿后的结果进行软判决得到软判决值；

第六变换模块，用于对第三软判决模块得到的软判决值进行逆快速傅立叶变换，并加入循环前缀得到所述预测目标信号。

Images