CN102594472A - 一种基于小波分解阈值去噪的无线信道测量的方法及其装置 - Google Patents

Abstract

本发明公开了一种基于小波分解阈值去噪的无线信道测量的方法及其装置，包括以下步骤：(1)使用扩频滑动相关法完成对无线信道的测量，得到含有噪声的信道冲激响应；(2)对信道冲激响应进行多分辨率小波分解，将信道冲激响应从时域变换到小波域；(3)合理选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；(4)进行小波重构，将经过去噪处理后的信道冲激响应从小波域变换回时域；(5)存储经过去噪处理的信道冲激响应，用于信道特性的研究。本发明通过小波分解、阈值去噪、小波重构等步骤，可以降低噪声对信道冲激响应的干扰，提高信道测量结果的准确性和有效性，为后续信道特性研究提供了可靠的数据基础。

Description

一种基于小波分解阈值去噪的无线信道测量的方法及其装置

技术领域

本发明涉及无线移动通信领域，尤其涉及一种基于小波分解阈值去噪的无线信道测量的方法及其装置。

背景技术

无线信道是影响无线移动通信系统性能的关键因素。无线信道在空时相关性、频率选择性等诸多方面呈现出的特性对移动通信系统的设计提出挑战。因此，研究无线信道传播特性是研究移动通信新技术的前提与关键。

在实际的各种地理环境中进行无线信道的测量工作是了解真实信道特征的最佳途径，被世界各国广泛采用。常用的无线信道测量方式有直接脉冲测量、频域信道测量、扩频滑动相关测量。直接脉冲测量受噪声和干扰的影响严重，频域信道测量需要收发端严格同步而不适合应用于室外测量。而扩频滑动相关法利用扩频特性降低通带干扰，同时拥有很高的测量精度，因此无线信道测量中常用扩频滑动相关法。在测得大量的信道数据后，需要提取信道冲激响应并抽取无线信道参数，如多径的数目、每径的时延、水平离开角、垂直离开角、水平到达角、垂直到达角、多普勒频移、极化复幅度等，以便深入研究实际信道的特征及变化规律。

由于无线信道测量中随机噪声的存在，在信道测量的数据处理中，如何从测量数据中进一步提取出准确的信道冲激响应成为一个基础性问题。这是准确获得路径损耗、时延扩展、角度扩展、空间相关性，乃至系统容量等信道特征参数的前提和基础。信道冲激响应的准确性决定了后续获得的信道特征参数的准确性和可靠性。

在扩频滑动测量法中，对接收信号进行窄带滤波，因此信道中的高斯白噪声在接收信号中表现为窄带噪声。由扩频通信原理可知，滑动相关处理在对原接收信号中有效信号部分解扩的同时也对窄带噪声进行了扩频，使得接收带宽内的噪声平均功率降低。从这个角度上看，扩频滑动相关对于测量过程中的信道噪声有一定的抑制作用。然而，由于扩频伪随机序列本身自相关的非理想性，在测量过程中本身又引入了自相关的干扰，增加了噪声干扰的影响，增大了信道冲激响应的误差。而现有的测量过程均忽略噪声和滑动相关带来的干扰，认为滑动相关结果即是信道冲激响应。因此需要进一步消除信道噪声和减小滑动相关干扰，从而准确地提取信道冲激响应，进而抽取准确度更高的信道特征参数，为后续信道建模提供更为可靠的保证。

近年来，基于小波分解和重构的信号去噪处理得到了广泛应用，并显示出比传统傅里叶分析更优越的性质。由于测量获得的信号可能包含许多尖峰和突变部分，并且测量噪声也不是平稳的高斯白噪声，对这种信号进行去噪处理和分析，传统的傅里叶分析显得无能为力。传统的傅里叶分析不能给出信号在某个时间点上的变化情况，所以信号在时间轴上任何一个突变，都会影响信号的整个谱图。而小波分析能同时在时频域中对信号进行多分辨率分析，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以能同时有效区分信号中的突变部分和噪声，可以依据合理的阈值函数以及阈值对小波系数进行处理从而实现信号的去噪。

综上所述，传统的无线信道测量中忽略噪声和滑动相关引入的干扰，使得测量结果和实际信道冲激响应存在一定的误差，并且此误差对后续的信道参数的提取以及信道建模都有不同程度的影响。而结合小波分析将信号从时域变换到小波域；对变换所得的小波系数进行分析，根据小波系数的特点选取适合的阈值函数以及阈值；继而依据选定的处理方式对小波系数进行处理，可以去除属于噪声和干扰的部分，处理修正小波系数中属于有用信号的部分；其后对处理后的小波系数和尺度系数进行小波重构，恢复出去除噪声干扰的信道冲激响应。

发明内容

本发明旨在提供一种基于小波分解阈值去噪的无线信道测量的方法及其装置，其目的在于降低噪声对信道冲激响应的干扰，提高信道测量结果的准确性和有效性，为后续信道特性研究提供可靠的数据基础。

本发明提供一种基于小波分解阈值去噪的无线信道测量的方法，包括以下步骤：

(1)使用扩频滑动相关法完成对无线信道的测量，得到含有噪声的信道冲激响应；

(2)对信道冲激响应进行多分辨率小波分解，将信道冲激响应从时域变换到小波域；

(3)合理选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；

(4)进行小波重构，将经过去噪处理后的信道冲激响应从小波域变换回时域；

(5)存储经过去噪处理的信道冲激响应，用于信道特性的研究。

本发明旨在提供一种基于小波分解阈值去噪的无线信道测量的装置，包括：

测量模块，使用扩频滑动相关法进行无线信道测量，得到信道冲激响应；

去噪模块，对信道冲激响应做多分辨率小波分解，合理选取阈值函数以及阈值对小波系数进行去噪处理；

数据存储模块，将去噪后的信道冲激响应存入高速磁盘阵列，用于后续数据处理。

本发明的上述实施例，通过扩频滑动相关法测量无线信道，获得含有噪声的信道冲激响应；选择适当的小波函数，对此信道冲激响应进行多分辨率小波分解；合理地选择阈值函数以及阈值对小波系数进行去噪处理；其后对去噪后的信号进行重构，获得去噪后的信道冲激响应。此过程一定程度上消除了噪声对于扩频滑动相关测量结果的影响，为后续的数据处理，如精确提取信道参数提供了保证。

附图说明

此处所说明的附图用以提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，在附图中：

图1为扩频滑动相关信道检测器原理图；

图2为基于小波分解阈值去噪的无线信道测量方法过程图；

图3为基于小波分解阈值去噪的无线信道测量系统的结构图；

图4为基于小波变换的去噪过程示意图；

图5为硬阈值法的阈值函数与软阈值法的阈值函数示意图；

图6为理想的信道冲激响应；

图7为滑动相关测量获得的信道冲激响应；

图8为进行基于小波分解阈值去噪处理的信道冲激响应。

具体实施方式

本发明提供一种基于小波分解阈值去噪的无线信道测量的方法及其装置，应用于无线信道测量，降低噪声对信道冲激响应的干扰，提高信道测量结果的准确性和有效性，为后续信道特性研究提供可靠的数据基础。

下面结合附图对本发明做详细的描述。

如图1所示，发射端PN序列发生器产生测量所需固定码长和码率的伪随机序列码，后经过BPSK调制、上变频到测量频点并发射；接收端与发射端完成时钟同步，接收信号经过下变频、滤波转化为中频信号，继而对中频信号进行I/Q支路分解并对两路信号采样、储存；接收端选取和发射端相同的本地PN序列，分别对两支路信号进行滑动相关处理，得到含有噪声的信道冲激响应的实部和虚部信息。

根据测不准原则可知，小波分析能同时在时频域中对信号进行多分辨率分析，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以能同时有效区分信号中的突变部分和噪声，可以选取合理的阈值函数以及阈值对小波系数进行处理从而实现信号的去噪。

如图2、图3、图4所示，为了对信道冲激响应进行去噪处理，本发明将含有噪声的信道冲激响应进行多分辨率小波分解；由于信道冲激响应和噪声经小波分解呈现出不同的特性，分析多分辨率小波分解的不同分解层的小波系数特点，合理选择阈值函数以及阈值(如图5所示)对小波系数进行处理，从而将小波系数中信道冲激响应部分和噪声部分分离，得到去噪后的小波系数；最后对去噪后的小波系数和尺度系数进行重构，恢复出的纯净的不含有噪声的信道冲激响应。

小波变换相当于滤波器组，分别包括低通滤波器组和高通滤波器组。滑动相关结果(含有噪声的信道冲激响应)通过低通滤波器后的输出值为尺度系数，反映了信号的低频信息；而滑动相关结果与高通滤波器卷积得到的输出值为小波系数，反映了信号的高频信息。而小波变换通常将噪声变换到并集中于高频区域，所以选取适合的阈值函数以及阈值，对高频段的小波系数进行处理，其后小波重构滤波器将尺度系数和小波系数进行重构，即而恢复出消除噪声的信道冲激响应。

基于小波分解阈值去噪分为多分辨率小波分解，对分解后的高频系数进行阈值量化处理，信号的重构3个过程，具体描述如下：

1)小波分解

在此具体实施例中，选取Sym4小波以及恰当的分解层数，对信道冲激响应进行分解和重构。基于Sym4小波的分解滤波器为一个低通滤波器和一个高通滤波器。此步骤即是将含有噪声的信道冲激响应变换分解到小波域，从而将信道冲激响应和噪声干扰进行分离。由于小波变换是线性变换，对信道冲激响应作离散小波变换后得到的小波系数仍由两部分组成，一部分是信号对应的小波系数，另一部分是噪声对应的小波系数。基于有用信号和噪声在经小波变换后具有不同的统计特性：有用信号的能量对应着幅值较大的小波系数，噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。分析不同分解层中小波系数的特点，可以区分信号中的噪声和有效信号。由小波分解与重构快速算法(Mallet算法)可知，分解滤波的过程表示为：

$\left\{\begin{array}{c}{c}_{j,k}=\underset{n}{\mathrm{\Σ}}{c}_{j-1,n}{h}_{n-2k}\\ d_{j,k}=\underset{n}{\mathrm{\Σ}}{d}_{j-1,n}{g}_{n-2k}\end{array}\right.,k=\mathrm{0,1,2},...,N-1$

其中d_j，k为小波系数，c_j，k为尺度系数，h，g为正交镜像滤波器组，h为低通滤波器，g为高通滤波器，j为分层数，N为离散采样点的数目。

2)阈值去噪

基于小波分解阈值去噪效果的好坏取决于小波基的选择、小波分解层数的确定以及阈值函数和阈值估计方法的选取。其中最重要的因素就是如何选择阈值函数以及确定所选择的阈值。

常用的阈值函数去噪的方法有硬阈值法和软阈值法两种。两种阈值对于小于所设置的阈值的小波系数上的处理方式相同，不同的是硬阈值法对于大于所设置的阈值的小波系数不做处理，而软阈值法则根据阈值对小波系数进行处理修正。具体如下所示：

硬阈值法：

由公式可知，对于小于阈值的小波系数，硬阈值法直接强制将其归零，而对于大于阈值的小波系数，则不对其做任何处理。

软阈值法：

由公式可知，对于小于阈值的小波系数，软阈值法同样直接强制归零，而对于大于阈值的小波系数，则对其做修正处理。

由于噪声是随机的不可预知的信号，在实际去噪过程中必须要对阈值进行估计。常用的有四种阈值选择方法：

a)固定阈值：阈值

M为信号的长度；

b)基于史坦的无偏似然原理的自适应阈值选择：对于一个给定的阈值t，首先得到它的最大似然估计，再将这个非似然t最小化，即得到所需要的阈值；

c)启发式阈值：是前两种阈值选择方式的综合，是基于最优预测变量的阈值选取；

d)极大极小阈值：采用一种固定的阈值，此阈值将使得最小均方误差最小。因为待去噪的函数可以被认为和未知的去噪后的函数估计式相似，所以可以在一个给定的函数集中实现最小均方误差的最小化。

此外去噪过程又分为全局阈值去噪和分层阈值去噪两种。阈值全局去噪就是对各级小波分解得到的高频小波系数采用同一阈值进行滤波，而分层阈值处理即是对小波分解的每一层都选取一个阈值进行滤波。从理论上分析，分层滤波根据各层系数选择合适的阈值进行滤波，更能有效地去除噪声。

3)小波重构

小波重构即是对去噪后的尺度系数和小波系数进行重构，从而变换为时域信号。同样得，小波重构过程是通过重构滤波器实现的，重构滤波器同样包括一个低通滤波器和一个高通滤波器，重构过程具体表示为：

$c_{j-1,n}=\underset{n}{\mathrm{\Σ}}{c}_{j,n}{h}_{k-2n}+\underset{n}{\mathrm{\Σ}}{d}_{j,n}{g}_{k-2n}$

其中c_j，n为尺度系数，d_j，n为小波系数，同时相应的h_k-2n为重构低通滤波器，g_k-2n为重构高通滤波器，j为分层数。

可选的，可以使用小波包分析法对多分辨率小波分解没有细分的高频小波系数进一步分解，从而能够反映出更精细的高频信息，具有更为精确的局部分析能力，提高了时频分辨率。

从滤波器的角度，小波包变换和离散多分辨率小波变换没有本质区别，只是在原有的基础上按同样的方法对细节系数进行分解。但是单纯的把所有的系数都进行分解对去噪是没有帮助的。而小波包变换的基本思想是为了让信号信息能量集中，也就是在细节系数中寻找有序性，把其中规律提取出来，所以需要对分解系数进行优化选择。小波包基库是由许多小波包基组成的，不同的小波包基具有不同的性质，能够反映信号的不同特征，所以我们希望根据不同分析信号的特征选择一个最优的小波包基，用来分析信号的特点。

最后结合具体仿真实例对本发明去噪方进行去噪效果验证。仿真验证中的相关数据参数：仿真所用的伪随机序列码长为1023、码率为20mBaud/s，该序列后经过BPSK调制、上变频到2.6G的测量频点并发射；发射信号经过WINNER信道模型生成的仿真信道；接收端与发射端完成时钟同步，接收信号经过下变频、滤波转化为中频信号，继而对中频信号进行I/Q支路分解并对两路信号采样、储存。接收端选取和发射端相同的本地PN序列，分别对两支路信号进行滑动相关处理，得到含有噪声的信道冲激响应的实部和虚部信息。对信道冲激响应进行多分辨率小波分解；选取适合的阈值函数以及阈值对小波系数处理；将处理后的小波系数和尺度系数进行重构，得到去噪后的信道冲激响应；对比去噪前后的信号，分析其均方误差比较去噪性能。

由图6可知理想的信道冲激响应，图7为滑动相关测量处理的结果，对比图6的信道冲激响应可知，在多径时延点上，滑动相关测量结果比较贴合理想值，误差较小，这说明滑动相关本身拥有较高的测量精度。但与此同时，由图7可知，由于噪声的存在，在部分非多径时延点上信号值波动较大，并且某些时延点上的毛刺较大，极可能被误判为多径，从而造成信道参数提取的不准确。图8为基于小波分解阈值去噪后的信道冲激响应，对比图6的信道冲激响应可知，去噪后信道冲激响应在一些非时延点上波动趋于平缓，且波动幅值基本接近于零。该方法同时降低了噪声引起的突变毛刺的峰值，极大降低了噪声峰值被误判为多径的可能性。对比结果可以证实，经去噪后，所得的均方误差更比去噪前更低，说明基于小波分解阈值去噪是可用的并且有效的。

上面对本发明所述的一种基于小波分解阈值去噪的无线信道测量方法及装置进行了详细的说明，但本发明的具体实现形式并不局限于此。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于小波分解阈值去噪的无线信道测量的方法，其特征在于，包括以下步骤：

(1)使用扩频滑动相关法完成对无线信道的测量，得到含有噪声的信道冲激响应；

(2)对信道冲激响应进行多分辨率小波分解，将信道冲激响应从时域变换到小波域；

(3)合理选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理；

(4)进行小波重构，将经过去噪处理后的信道冲激响应从小波域变换回时域；

(5)存储经过去噪处理的信道冲激响应，用于信道特性的研究。

2.根据权利要求1所述的基于小波分解阈值去噪的无线信道测量方法，其特征在于，所述的扩频滑动相关法测量中，接收端将射频信号下变频到中频，对中频信号进行I/Q支路分解并对I/Q两支路信号进行高速采集，通过软件对采集结果进行滑动相关处理，得到信道冲激响应。

3.根据权利要求1所述的基于小波分解阈值去噪的无线信道测量方法，其特征在于，所述的多分辨率小波分解过程采用Sym4小波，将信道冲激响应通过低通和高通滤波器来完成小波分解，把信道冲激响应变换到小波域。

4.根据权利要求3所述的多分辨率小波分解方法，其特征在于，所述的小波分解采用的是基于多分辨分析的快速算法，即将小波变换转化为滤波运算；可选的，可以选择小波包分析法继续对各层的小波系数进行分解，使得能够更加精细地反映信号高频信息，从而能够更加准确地区分噪声和有用信息。

5.根据权利要求1所述的基于小波分解阈值去噪的无线信道测量方法，其特征在于，所述的阈值函数和阈值选取，主要包括硬阈值和软阈值两种。

6.根据权利要求1所述的基于小波分解阈值去噪的无线信道测量方法，其特征在于，所述小波重构将经过阈值去噪处理后的信道冲激响应从小波域变换回时域。

7.一种基于小波分解阈值去噪的无线信道测量的装置，其特征在于，包括：

测量模块，使用扩频滑动相关法进行无线信道测量，得到信道冲激响应；

去噪模块，对信道冲激响应做多分辨率小波分解，选用适合的阈值函数以及阈值对小波系数进行去噪处理；

数据存储模块，将去噪后的信道冲激响应存入高速磁盘阵列，用于后续数据处理。

8.根据权利要求7所述的装置，其特征在于，所述的测量模块包括：

信号发送模块，采用直接序列扩频信号，依次经过中频和射频调制后发送；

信号接收模块，接收信号、滤波，并下变频到可处理中频频点，对中频信号进行I/Q支路分解并对I/Q两支路信号进行高速采集；

滑动相关处理模块，对采集得到的信号进行滑动相关处理，得到信道冲激响应。

9.根据权利要求7所述的装置，其特征在于，所述的去噪模块包括：

小波分解模块，采用Sym4小波，通过低通和高通滤波器来完成小波分解，将信道冲激响应从时域变换到小波域；

阈值处理模块，合理选取阈值函数，将噪声所对应的小波系数按阈值函数进行处理，得到去噪后的小波域的信道冲激响应；

小波重构模块，将经过阈值函数去噪处理后的信道冲激响应从小波域变换回时域。

Images