CN103166883A - 一种同频全双工siso系统中自反馈干扰时域抑制方法 - Google Patents

Abstract

本发明公开了一种同频全双工SISO系统中自反馈干扰时域抑制方法，对自反馈信道估计滤波器w(n)进行迭代更新，每一次迭代更新时，在自反馈信道估计滤波器w(n)的更新量中减去由于接收信号样本不独立同分布而造成的估计干扰值，保证w(n)能最终无偏的收敛于GH_LI(n)，利用自反馈信道估计滤波器w(n)在时域减去自反馈干扰信号，最终发送信号只是源端到同频全双工系统的接收信号的放大，而基本不再受到自反馈的干扰而影响信号质量或出现自激现象。本发明相比传统方法能更快更准确地进行自反馈干扰信道估计。

Description

一种同频全双工SISO系统中自反馈干扰时域抑制方法

技术领域

本发明属于无线通信技术领域，更为具体地讲，涉及一种同频全双工SISO系统中自反馈干扰时域抑制方法。

背景技术

在无线通信领域，比较典型的同频全双工SISO（Simple Input Simple Output，单输入单输出）系统有语音功放系统和无线移动通信中的中继站系统。同频全双工SISO系统，将通过单根接收天线收到的特定频段信号通过处理后同频的通过单根发送天线发送，一般起到将信号中继放大从而增大信号覆盖面积的作用。由于全双工系统中，发送天线与接收天线同时同频工作，将导致发送天线发送的信号被接收天线收到，形成信号路径的闭环，造成自反馈干扰。主要造成如下影响：1)自反馈信号对接收天线有用信号造成干扰，影响通信质量和通信系统容量；2）当闭环增益过大时，将导致自激现象，阻断通信。

在传统同频全双工SISO系统中的自反馈干扰抑制方法主要有归一化最小均方误差NLMS(Normalized Least Mean Square)算法和递归最小二乘RLS(Recursive Least Square)算法，两种算法核心思想都是通过对自反馈信道的估计从接收信号中减去自反馈干扰信号。RLS算法利用曲线模拟实现对自反馈信道的估计，收敛性强，收敛速度快，收敛精度高，抗干扰性强，但实现复杂度较高，不适宜于工程实现。NLMS算法通过误差信号和发送信号的相关性实现对自反馈信道的估计，其性能不及RLS算法，但满足工程要求且复杂度较低易于工程实现。

本发明主要基于NLMS自反馈干扰时域抵消算法。图1是同频全双工SISO系统自反馈干扰抵消的典型结构。如图1所示，H_SR为源端到同频全双工SISO系统信道，H_LI∈C^1×L′为自反馈干扰信道，L′为自反馈干扰信道的长度。令源信号为x[n]，同频全双工SISO系统接收来自源端的接收信号为in(n)，自反馈信号为y_F(n)，发送信号为e(n)，发送延迟k个样本点信号为u(n)＝e(n-k),功放增益为G。当利用e(n)与u(n)相关性得到的自反馈信道估计量满足w(n)＝GH_LI(n)时，自干扰将被抵消。但是在研究中发现NLMS算法的性能受到天线接收信号的统计特性严重影响。当天线接收来自源端的信号样本in(n)序列间不满足独立同分布统计特性或其均值E{in(n)}≠0时，NLMS算法对同频全双工SISO系统自反馈信道的估计将出现较大偏差，w(n)不能收敛于GH_LI(n)，进而大大降低自反馈干扰的抵消效果和信号质量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种同频全双工SISO系统中自反馈干扰时域抑制方法，对NLMS算法进行改进，在同频全双工SISO系统接收的来自源端的信号样本不满足独立同分布特性或均值为零特性时，对自反馈信道进行较精确的估计，从而在时域严格抵消自反馈干扰。

为实现上述发明目的，本发明同频全双工SISO系统中自反馈干扰时域抑制方法，其特征在于包括以下步骤：

（1）、根据实际情况设置自反馈信道估计滤波器长度L，自反馈信道估计滤波器可表示为w(n)=[w₀(n),w₁(n),...,w_L-1(n)]，其中w_l(n),0≤l≤L-1为自反馈信道估计滤波器的第l个元素；初始化自反馈信道估计滤波器w(0)=0，此时同频全双工SISO系统发送信号未进行自反馈干扰抑制，时刻n时的发送信号记为：

e(n)＝in(n)+y_F(n)+n₁(n)；

其中，in(n)是同频全双工SISO系统接收的来自源端的接收信号，y_F(n)是同频全双工SISO系统的自反馈信号，n₁(n)为同频全双工SISO系统接收的噪声；

（2）、提取并存储X个连续的发送信号样本点，构成Z个发送信号序列e(n-z)∈C^M×1,0≤z≤Z-1，M为发送信号序列e(n-z)的长度，e(n-z)＝[e(n-z),e(n-z-1),...,e(n-z-(M-1))]，其元素e(n-z-p),0≤p≤M-1表示第n-z-p时刻的发送信号；

使用滑动相关技术，计算发送信号序列e(n-z)的滑动相关量E{e^H(n-z)e(n-z-i)}，滑动相关量E{e^H(n-z)e(n-z-i)}表示e^H(n-z)e(n-z-i)的期望，其中e^H(n-z)为e(n-z)的转置共轭，e(n-z-i)＝[e(n-z-i),e(n-z-i-1),...,e(n-z-i-(M-1))]，其元素e(n-z-i-p)表示第n-z-i-p时刻的发送信号，i为发送信号序列e(n-z)的滑动长度，i＝1,2,...,Q，Q为滑动长度最大值；

发送信号样本点数量X、发送信号序列数量Z、发送信号序列长度M与滑动长度最大值Q均根据实际情况设置，需满足Z+M+Q≤X；

令滑动长度i＝1,2...Q，计算Q个滑动相关量，将滑动相关量最大值对应的对应的i值作为自反馈信道的反馈时延k_o；

（3）、实时提取同频全双工SISO系统接收的来自源端的接收信号in(n)，计算其统计样本能量E{|in(n)|²}，其中|in(n)|表示接收信号in(n)的模；计算接收信号in(n)的自相关量R_in(n)(k_o)：

R_in(n)(k_o)＝[E{in(n)^*in(n-k_o)},E{in(n)^*in(n-k_o-1)},...,E{in(n)^*in(n-k_o-(L-1))}]^T

其中，in(n-k_o-l)为接收的来自源端的第n-k_o-l时刻的接收信号，in(n)^*为in(n)的共轭；

（4）、初始化自反馈信道估计滤波器更新次数N＝1，根据实际需要设置更新步进因子α；将信号采样周期记为T_s，根据需要设置每次更新所需的发送信号样本点数量S，则自反馈信道估计滤波器的更新间隔T_r＝S×T_s；完成步骤（4）后，令当前时刻t=0；

（5）、在时间区间t∈[(N-1)T_r，NT_r]内实时提取S个发送信号样本点e(m),(N-1)T_r/T_s+1≤m≤NT_r/T_s，构建每个发送信号样本点的延迟信号序列u(m)=[u(m),u(m-1),...,u(m-(L-1)]^T，u(m-l)为发送信号e(m-l)延迟k_o个样本点获得的延迟信号；此时e(m)引入自反馈干扰信号抑制，即：

$e\left(m\right)=\mathrm{in}\left(m\right)+y_F\left(m\right)+n_1\left(m\right)-\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{w_l}^{*}(N-1)u(m-l)$

其中，

是w_l(N-1)的共轭；

根据S个发送信号样本点和其延迟信号序列计算如下统计量：

$E\left\{e^{*}\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\Σ}}}{e}^{*}\left(j\right)$

$E\left\{e\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\Σ}}}e\left(j\right)$

$E\left\{u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\Σ}}}u\left(j\right)$

$E\left\{e^{*}\left(m\right)u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\Σ}}}e\left(j\right)u\left(j\right)$

$E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\Σ}}}{\left|\right|u\left(j\right)\left|\right|}^2$

其中，e^*(m)为e(m)的共轭，E{e(m)}与E{e^*(m)}分别表示S个e(m)与e^*(m)的期望，E{u(m)}表示S个延迟信号序列u(m)的期望序列；E{e^*(m)u(m)}表示S个e^*(m)u(m)的期望序列，||u(m)||表示S个延迟信号序列u(m)的二范数，E{||u(m)||²}表示S个延迟信号序列u(m)的二范数期望；

（6）、根据步骤（3）得到的接收信号in(n)的自相关量R_in(n)(k_o)和步骤（5）中得到的统计量对自反馈信道估计滤波器进行迭代更新：

$w\left(N\right)=w(N-1)+\mathrm{\α}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}};$

（7）、根据实际情况设置自反馈信道估计滤波器的更新量的二范数阈值U，当更新量的二范数 $\left|\right|\mathrm{\&alpha;}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}}\left|\right|<U$ 时，w(N)满足收敛要求，停止自反馈信道估计滤波器的更新，进入步骤（8），否则使自反馈信道估计滤波器更新次数N＝N+1，返回步骤（5）继续进行自反馈信道估计滤波器的迭代更新；

（8）、根据最终得到自反馈信道估计滤波器w(N)对此后的发送信号进行自反馈干扰抑制，即：

$e\left(n^{\&prime;}\right)=\mathrm{in}\left(n^{\&prime;}\right)+y_F\left(n^{\&prime;}\right)+n_1\left(n^{\&prime;}\right)-\underset{l=1}{\overset{L}{\mathrm{\&Sigma;}}}{w_l}^{*}\left(N\right)u(n^{\&prime;}-l)$

其中，为w_l(N)的共轭。

进一步地，根据实际情况设置自反馈信道估计间隔时间T_interval，在一次同频全双工SISO系统自反馈干扰信道估计完成后，经过时间T_interval，重新进行自反馈信道估计。

其中，步骤（3）中设置发送信号样本点数量S≥100。

本发明的发明目的是这样实现的：

本发明同频全双工SISO系统中自反馈干扰时域抑制方法，对自反馈信道估计滤波器w(n)进行迭代更新，每一次迭代更新时，在自反馈信道估计滤波器w(n)的更新量中减去由于接收信号样本不独立同分布而造成的估计干扰值，保证w(n)能最终无偏的收敛于GH_LI(n)，利用自反馈信道估计滤波器w(n)在时域减去自反馈干扰信号，最终发送信号只是源端到同频全双工系统的接收信号的放大，而基本不再受到自反馈的干扰而影响信号质量或出现自激现象。

本发明同频全双工SISO系统中自反馈干扰时域抑制方法相比传统方法能更快更准确地进行自反馈干扰信道估计。

附图说明

图1是同频全双工SISO系统自反馈干扰抵消的典型系统结构；

图2是本发明同频全双工SISO系统中自反馈干扰时域抑制方法的自反馈干扰抑制性能；

图3是本发明同频全双工SISO系统中自反馈干扰时域抑制方法的自反馈信道估计的归一化误差与更新次数；

图4是传统NLMS算法对自反馈信道估计的归一化误差。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是同频全双工SISO系统自反馈干扰抵消的典型系统结构。本实施例采用的系统结构与图1一致。如图1所示，H_SR为源端到同频全双工SISO系统信道，H_LI为自反馈干扰信道，x[n]为源信号，同频全双工SISO系统接收来自源端的接收信号为in(n)，自反馈信号为y_F(n)，发送信号为e(n)，功放增益为G。

表示在自反馈信道中发送信号e(n)进行了k_o个样本点的延迟。在自反馈干扰抵消模块中，w(n)表示自反馈信道估计滤波器；自反馈干扰信道估计模块对自反馈信道估计滤波器w(n)进行迭代更新，从每次的更新量中减去由于接收信号样本不独立同分布而造成的估计干扰值，从而使自反馈信道估计滤波器收敛于GH_LI(n)；u(n)＝e(n-k)表示发送信号经过e^-kn延迟k个样本点的延迟信号，在本发明中同频全双工SISO系统中自反馈干扰时域抑制方法对k_o进行计算，使k＝k₀，从而使自反馈干扰信道估计模块迭代更新自反馈信道估计滤波器w(n)时所采用的延迟信号的延迟样本点与实际自反馈信道一致。

本实施例中，信号采样周期T_s＝0.001s，源信号的I和Q路均为均值m_s＝0、方差σ_s＝1的独立同分布高斯变量。源端到同频全双工SISO系统的信道和自反馈干扰信道分别为：

H_SR=[0.3875,0.3114,0.7005,0.1988,0.1597,0.2287,0.2086,0.2514,0.1257,0.1107,0.0998]

H_LI=D[0.9202,0.3727,0.1126,0.0399]

H_SR与H_LI均已归一化，其中D为信道衰减系数。同频全双工SISO系统接收的噪声n₁为均值为0的高斯噪声，信噪比SNR=20dB。功放增益G=0dB。由于H_SR的多径到达信号，in(n)序列已经不满足独立同分布。

本发明同频全双工SISO系统中自反馈干扰时域抑制方法包括以下步骤：

步骤1：根据实际情况设置自反馈信道估计滤波器长度L，自反馈信道估计滤波器可表示为w(n)=[w₀(n),w₁(n),...,w_L-1(n)]，其中w_l(n),0≤l≤L-1为自反馈信道估计滤波器的第l个元素；初始化自反馈信道估计滤波器w(0)=0，此时同频全双工SISO系统发送信号未进行自反馈干扰抑制，时刻n时的发送信号记为：

e(n)＝in(n)+y_F(n)+n₁(n)；

其中，in(n)是同频全双工SISO系统接收的来自源端的接收信号，y_F(n)是同频全双工SISO系统的自反馈信号，n₁(n)为同频全双工SISO系统接收的噪声。

本实施例中，设置自反馈信道估计滤波器长度L＝4。

步骤2：提取并存储X个连续的发送信号样本点，构成Z个发送信号序列e(n-z)∈C^M×1,0≤z≤Z-1，C^M×1表示发送信号序列e(n-z)为M行一列的矩阵，M为发送信号序列e(n-z)的长度，e(n-z)＝[e(n-z),e(n-z-1),...,e(n-z-(M-1))]，其元素e(n-z-p),0≤p≤M-1表示第n-z-p时刻的发送信号；

使用滑动相关技术，计算发送信号序列e(n-z)的滑动相关量E{e^H(n-z)e(n-z-i)}，滑动相关量E{e^H(n-z)e(n-z-i)}表示e^H(n-z)e(n-z-i)的期望，其中e^H(n-z)为e(n-z)的转置共轭，e(n-z-i)＝[e(n-z-i),e(n-z-i-1),...,e(n-z-i-(M-1))]，其元素e(n-z-i-p)表示第n-z-i-p时刻的发送信号，i为发送信号序列e(n-z)的滑动长度，i＝1,2,...,Q，Q为滑动长度最大值；

发送信号样本点数量X、发送信号序列数量Z、发送信号序列长度M与滑动长度最大值Q均根据实际情况设置，需满足Z+M+Q≤X；

令滑动长度i＝1,2...Q，计算Q个滑动相关量，将滑动相关量最大值对应的对应的i值作为自反馈信道的反馈时延k_o。

为便于计算与仿真，本实施例中假定自反馈信道的反馈时延k_o=1。

步骤3：实时提取同频全双工SISO系统接收的来自源端的接收信号in(n)，计算其统计样本能量E{|in(n)|²}，其中|in(n)|表示接收信号in(n)的模；计算接收信号in(n)的自相关量R_in(n)(k_o)：

R_in(n)(k_o)＝[E{in(n)^*in(n-k_o)},E{in(n)^*in(n-k_o-1)},...,E{in(n)^*in(n-k_o-(L-1))}]^T

其中，in(n-k_o-l)为接收的来自源端的第n-k_o-l时刻的接收信号，in(n)^*为in(n)的共轭。

本实施例中，获得源端到同频全双工的接收信号in(n)的样本能量E{|in(n)|²}＝2.1402，计算得到in(n)的自相关量R_in(n)(1)：

R_in(n)(1)=[1.4394-0.0317i,1.3521-0.0260i,0.9350-0.0545i,0.8355-0.0233i]

步骤4：初始化自反馈信道估计滤波器更新次数N＝1，根据实际需要设置更新步进因子α；将信号采样周期记为T_s，根据需要设置每次更新所需的发送信号样本点数量S，则自反馈信道估计滤波器的更新间隔T_r＝S×T_s；完成步骤4后，令当前时刻t=0。

本实施例中，设置更新步进因子α＝1。当发送信号样本点数量S≥100，可使步骤5中的统计量具有较佳的统计无偏性。因此本实施例中，设置每次更新所需的发送信号样本点数量S＝100，信号采样周期T_s＝0.001s，因此更新间隔T_r＝S×T_s＝0.1s。

步骤5：在时间区间t∈[(N-1)T_r，NT_r]内实时提取S个发送信号样本点e(m),(N-1)T_r/T_s+1≤m≤NT_r/T_s，构建每个发送信号样本点的延迟信号序列u(m)=[u(m),u(m-1),...,u(m-(L-1)]^T，u(m-l)为发送信号e(m-l)延迟k_o个样本点获得的延迟信号；此时e(m)引入自反馈干扰信号抑制，即：

$e\left(m\right)=\mathrm{in}\left(m\right)+y_F\left(m\right)+n_1\left(m\right)-\underset{l=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{w_l}^{*}(N-1)u(m-l)$

其中，w_l ^*(N-1)是w_l(N-1)的共轭；

可知，in(m)是e(m)对应的来自源端的接收信号，y_F(m)是e(m)对应的自反馈信号，n₁(m)为e(m)对应的噪声；

根据S个发送信号样本点和其延迟信号序列计算如下统计量：

$E\left\{e^{*}\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}{e}^{*}\left(j\right)$

$E\left\{e\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}e\left(j\right)$

$E\left\{u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}u\left(j\right)$

$E\left\{e^{*}\left(m\right)u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}e\left(j\right)u\left(j\right)$

$E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}{\left|\right|u\left(j\right)\left|\right|}^2$

其中，e^*(m)为e(m)的共轭，E{e(m)}与E{e^*(m)}分别表示S个e(m)与e^*(m)的期望，E{u(m)}表示S个延迟信号序列u(m)的期望序列；E{e^*(m)u(m)}表示S个e^*(m)u(m)的期望序列，||u(m)||表示S个延迟信号序列u(m)的二范数，E{||u(m)||²}表示S个延迟信号序列u(m)的二范数期望。

步骤6：根据步骤（3）得到的接收信号in(n)的自相关量R_in(n)(k_o)和步骤（5）中得到的统计量对自反馈信道估计滤波器进行迭代更新：

$w\left(N\right)=w(N-1)+\mathrm{\&alpha;}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}}.$

步骤7：根据实际情况设置自反馈信道估计滤波器的更新量的二范数阈值U，当更新量的二范数 $\left|\right|\mathrm{\&alpha;}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}}\left|\right|<U$ 时，w(N)满足收敛要求，停止自反馈信道估计滤波器的更新，进入步骤（8），否则使自反馈信道估计滤波器更新次数N＝N+1，返回步骤（5）继续进行自反馈信道估计滤波器的迭代更新。

本实施例中，设置的更新量的二范数阈值U＝0.001。经过步骤5、步骤6、步骤7对自反馈信道估计滤波器进行迭代更新，当N＝100时，更新量的二范数＜U，w(N)满足收敛要求，停止自反馈信道估计滤波器的更新，进入步骤8。

步骤8：根据最终得到自反馈信道估计滤波器w(N)对此后的发送信号进行自反馈干扰抑制，即：

$e\left(n^{\&prime;}\right)=\mathrm{in}\left(n^{\&prime;}\right)+y_F\left(n^{\&prime;}\right)+n_1\left(n^{\&prime;}\right)-\underset{l=1}{\overset{L}{\mathrm{\&Sigma;}}}{w_l}^{*}\left(N\right)u(n^{\&prime;}-l)$

其中，w_l ^*(N)为w_l(N)的共轭。

在实际的工程应用中，自反馈信道、源端到同频全双工SISO系统的信道都有可能发生改变，因此根据实际情况设置自反馈信道估计间隔时间T_interval，在一次同频全双工SISO系统自反馈干扰信道估计完成后，经过时间T_interval，重新进行自反馈信道估计。

图2是本发明同频全双工SISO系统中自反馈干扰时域抑制方法对自反馈干扰的抑制性能。从图2可以看出，采用本发明同频全双工SISO系统中自反馈干扰时域抑制方法对本实施例的发送信号进行自反馈干扰抑制，在t＝0.8s时，本实施例的自反馈干扰已经基本得到抑制。

本实施例中功放增益G=0dB，定义归一化自反馈信道估计误差图3是本发明同频全双工SISO系统中自反馈干扰时域抑制方法的自反馈信道估计的归一化误差与更新次数。图4是传统NLMS算法对自反馈信道估计的归一化误差。由图3与图4对比可以看出，本发明同频全双工SISO系统中自反馈干扰时域抑制方法相对于传统NLMS算法，能更快、更准确地估计出自反馈干扰信道。如图3所示，在第4000个样本点时，本发明对自反馈信道的估计的归一化误差已经小于0.05，满足实际的工程需求。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种同频全双工SISO系统中自反馈干扰时域抑制方法，其特征在于包括以下步骤：

（1）、根据实际情况设置自反馈信道估计滤波器长度L，自反馈信道估计滤波器可表示为w(n)=[w₀(n),w₁(n),...,w_L-1(n)]，其中w_l(n),0≤l≤L-1为自反馈信道估计滤波器的第l个元素；初始化自反馈信道估计滤波器w(0)=0，此时同频全双工SISO系统发送信号未进行自反馈干扰抑制，时刻n时的发送信号记为：

e(n)＝in(n)+y_F(n)+n₁(n)；

其中，in(n)是同频全双工SISO系统接收的来自源端的接收信号，y_F(n)是同频全双工SISO系统的自反馈信号，n₁(n)为同频全双工SISO系统接收的噪声；

（2）、提取并存储X个连续的发送信号样本点，构成Z个发送信号序列e(n-z)∈C^M×1,0≤z≤Z-1，M为发送信号序列e(n-z)的长度，e(n-z)＝[e(n-z),e(n-z-1),...,e(n-z-(M-1))]，其元素e(n-z-p),0≤p≤M-1表示第n-z-p时刻的发送信号；

使用滑动相关技术，计算发送信号序列e(n-z)的滑动相关量E{e^H(n-z)e(n-z-i)}，滑动相关量E{e^H(n-z)e(n-z-i)}表示e^H(n-z)e(n-z-i)的期望，其中e^H(n-z)为e(n-z)的转置共轭，e(n-z-i)＝[e(n-z-i),e(n-z-i-1),...,e(n-z-i-(M-1))]，其元素e(n-z-i-p)表示第n-z-i-p时刻的发送信号，i为发送信号序列e(n-z)的滑动长度，i＝1,2,...,Q，Q为滑动长度最大值；

令滑动长度i＝1,2...Q，计算Q个滑动相关量，将滑动相关量最大值对应的对应的i值作为自反馈信道的反馈时延k_o；

（3）、实时提取同频全双工SISO系统接收的来自源端的接收信号in(n)，计算其统计样本能量E{|in(n)|²}，其中|in(n)|表示接收信号in(n)的模；计算接收信号in(n)的自相关量R_in(n)(k_o)：

R_in(n)(k_o)＝[E{in(n)^*in(n-k_o)},E{in(n)^*in(n-k_o-1)},...,E{in(n)^*in(n-k_o-(L-1))}]^T

其中，in(n-k_o-l)为接收的来自源端的第n-k_o-l时刻的接收信号，in(n)^*为in(n)的共轭；

（4）、初始化自反馈信道估计滤波器更新次数N＝1，根据实际需要设置更新步进因子α；将信号周期记为T_s，根据需要设置每次更新所需的发送信号样本点数量S，则自反馈信道估计滤波器的更新间隔T_r＝S×T_s；完成步骤（4）后，令当前时刻t=0；

（5）、在时间区间t∈[(N-1)T_r，NT_r]内实时提取S个发送信号样本点e(m),(N-1)T_r/T_s+1≤m≤NT_r/T_s，构建每个发送信号样本点的延迟信号序列u(m)=[u(m),u(m-1),...,u(m-(L-1)]^T，u(m-l)为发送信号e(m-l)延迟k_o个样本点获得的延迟信号；此时e(m)引入反馈干扰抵消，即：

$e\left(m\right)=\mathrm{in}\left(m\right)+y_F\left(m\right)+n_1\left(m\right)-\underset{l=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{w_l}^{*}(N-1)u(m-l)$

其中，

是w_l(N-1)的共轭；

根据S个发送信号样本点和其延迟信号序列计算如下统计量：

$E\left\{e^{*}\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}{e}^{*}\left(j\right)$

$E\left\{e\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}e\left(j\right)$

$E\left\{u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}u\left(j\right)$

$E\left\{e^{*}\left(m\right)u\left(m\right)\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}e\left(j\right)u\left(j\right)$

$E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}=\frac{T_s}{T_r}\underset{j=(N-1)T_r/T_s+1}{\overset{{\mathrm{NT}}_r/T_s}{\mathrm{\&Sigma;}}}{\left|\right|u\left(j\right)\left|\right|}^2$

其中，e^*(m)为e(m)的共轭，E{e(m)}与E{e^*(m)}分别表示S个e(m)与e^*(m)的期望，E{u(m)}表示S个延迟信号序列u(m)的期望序列；E{e^*(m)u(m)}表示S个e^*(m)u(m)的期望序列，||u(m)||表示S个延迟信号序列u(m)的二范数，E{||u(m)||²}表示S个延迟信号序列u(m)的期望；

（6）、根据步骤（3）得到的接收信号in(n)的自相关量R_in(n)(k_o)和步骤（5）中得到的统计量对自反馈信道估计滤波器进行迭代更新：

$w\left(N\right)=w(N-1)+\mathrm{\&alpha;}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}};$

（7）、根据实际情况设置自反馈信道估计滤波器的更新量的二范数阈值U，当更新量的二范数 $\left|\right|\mathrm{\&alpha;}\frac{E\left\{e^{*}\left(m\right)u\left(m\right)\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{u\left(m\right)\right\}-R_{\mathrm{in}\left(n\right)}\left(k_0\right)}{E\left\{{\left|\right|u\left(m\right)\left|\right|}^2\right\}-E\left\{e^{*}\left(m\right)\right\}E\left\{e\left(m\right)\right\}-E\left\{{\left|\mathrm{in}\left(n\right)\right|}^2\right\}}\left|\right|<U$ 时，w(N)满足收敛要求，停止自反馈信道估计滤波器系数的更新，进入步骤（8），否则使自反馈信道估计滤波器更新次数N＝N+1，返回步骤（5）继续进行自反馈信道估计滤波器的迭代更新；

（8）、根据最终得到自反馈信道估计滤波器w(N)对此后的发送信号进行自反馈干扰抑制，即：

$e\left(n^{\&prime;}\right)=\mathrm{in}\left(n^{\&prime;}\right)+y_F\left(n^{\&prime;}\right)+n_1\left(n^{\&prime;}\right)-\underset{l=1}{\overset{L}{\mathrm{\&Sigma;}}}{w_l}^{*}\left(N\right)u(n^{\&prime;}-l)$

其中，w_l ^*(N)为w_l(N)的共轭。

2.根据权利要求1所述的自反馈干扰时域抑制方法，其特征在于，还包括以下步骤：

（9）、根据实际情况设置自反馈信道估计间隔时间T_interval，在一次同频全双工SISO系统自反馈干扰信道估计完成后，经过时间T_interval，重新进行自反馈信道估计。

3.根据权利要求1至2任一所述的自反馈干扰时域抑制方法，其特征在于，所述的步骤（3）中设置发送信号样本点数量S≥100。

Images