CN109729035A - 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 - Google Patents
一种正交频分复用技术通信系统中的脉冲噪声抑制方法 Download PDFInfo
- Publication number
- CN109729035A CN109729035A CN201811317423.0A CN201811317423A CN109729035A CN 109729035 A CN109729035 A CN 109729035A CN 201811317423 A CN201811317423 A CN 201811317423A CN 109729035 A CN109729035 A CN 109729035A
- Authority
- CN
- China
- Prior art keywords
- indicate
- communication system
- vector
- iterative process
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种正交频分复用技术通信系统中的脉冲噪声抑制方法,特点是包括以下步骤,首先在OFDM通信系统的发送端,根据初始发送的二进制数据获取待发送的二进制数据;OFDM通信系统的发送端根据待发送的二进制数据经过OFDM通信系统的信道发送至OFDM通信系统的接收端得到接收到的数据r,OFDM通信系统的接收端根据r得到OFDM频域符号y;再根据y得到OFDM通信系统中的脉冲噪声的估计值向量;最后根据脉冲噪声的估计值向量对y进行脉冲噪声抑制,从而完成对OFDM通信系统中脉冲噪声的抑制过程;优点是能够有效的降低系统误码率,提高了系统的鲁棒性,提高信道估计精度。
Description
技术领域
本发明涉及一种脉冲噪声抑制方法,尤其是一种正交频分复用技术通信系统中的脉冲噪声抑制方法。
背景技术
正交频分复用(Orthogonal frequency division multiplexing,简称OFDM)已被用作许多新兴通信标准的调制技术,它可以有效地抑制无线信道的多径失真。然而,在一些场景中,如车载网络,智能电网和浅海水下通信网络,基于OFDM的通信系统可能容易受到脉冲噪声的影响,传统的信道估计算法估计性能有待改进。
在实际中,OFDM通信系统中信道的多径特性与脉冲噪声的影响是同时存在的,信道估计与脉冲噪声估计无法独立分开,因此联合估计信道和脉冲噪声逐渐引起重视。通过因子图(Factor Graph)和消息传递方法可以联合估计信道和脉冲噪声,该设计方案假设信道服从瑞利分布并且信道的先验分布是已知的。由于多数无线信道不服从瑞利分布而且先验分布也无法得知,因此限制了该方法在实际中的应用,而本发明不需要知道信道先验信息,直接将信道与脉冲噪声联合估计,降低了通信系统的误码率,提高了脉冲噪声的估计性能。
发明内容
本发明所要解决的技术问题是提供一种基于递归卡尔曼滤波的SBL算法的正交频分复用技术通信系统中的脉冲噪声抑制方法,该方法通过联合信道参数和脉冲噪声信号来抑制脉冲噪声。
本发明解决上述技术问题所采用的技术方案为:一种正交频分复用技术通信系统中的脉冲噪声抑制方法,包括以下步骤:
①在OFDM通信系统的发送端,将初始发送的二进制数据b进行信道编码和OFDM 映射得到二进制数据x,将x进行离散傅立叶逆变换并插入循环前缀得到待发送的二进制数据;
②OFDM通信系统的发送端将待发送的二进制数据经过OFDM通信系统的信道发送至OFDM通信系统的接收端得到接收到的数据p,OFDM通信系统的接收端对p去除循环前缀并通过快速傅里叶变换得到OFDM频域符号y;
③根据y通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量
④根据对y进行脉冲噪声抑制,获得经过脉冲噪声抑制后的OFDM频域符号 从而完成对OFDM通信系统中脉冲噪声的抑制过程,其中,F表示离散傅里叶变换矩阵。
所述的步骤②中p=HF*x+i+g,其中H表示一个N×N的信道循环矩阵,H的第一列为h,h由归一化的OFDM通信系统的信道脉冲响应向量构成,N为OFDM通信系统的信道子载波数目,F表示离散傅里叶变换矩阵,F*是F的共轭转置矩阵,i表示OFDM 通信系统的信道脉冲噪声的时域采样值,g表示OFDM通信系统的信道的背景噪声的时域采样值,y=Fp=Λx+Fi+n,其中表示构造关于的对角矩阵,n为g经过快速傅里叶变换后得到的向量。
所述的步骤③中根据y通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量具体包括以下步骤:
③-1、将h设定为稀疏的,定义待求解的向量为ω,ω=[hT,iT]T,定义观测矩阵为φ,则有y=φω+n;
③-2、获取最大期望算法迭代过程中所需要的联合对数概率函数logp({y},{ω}),具体过程如下:对于OFDM通信系统中的信道,获取每个OFDM符号对应的信道的一阶自回归模型,其中,将第k个OFDM符号对应的信道的一阶自回归模型表示为 hk=ρhk-1+μk,1≤k≤K,hk表示第k次迭代过程的信道脉冲响应,hk-1表示第k-1 次迭代过程的信道脉冲响应,ρ表示卡尔曼滤波系数,μk表示过程噪声,在卡尔曼滤波器中,对于K个连续OFDM符号,K=N+L,L表示信道的长度,对应于y的观测方程为yk=φkωk+nk,y的状态方程为ωk+1=Aωk+νk+1,k=1,2,…,K-1,其中yk表示第 k次迭代过程的观测向量,φk表示第k次迭代过程的观测矩阵,ωk表示ω的第k次迭代过程的预测向量,nk表示第k次迭代过程的观测的噪声向量,为对角矩阵,为定义符号,1L是表示长度为L的一个单位向量,0N是表示长度为N的零向量,过程噪声νk~CN(0,BΓk)表示均值为0且方差为BΓk的复高斯分布,CN表示复高斯分布符号,为对角矩阵,Γk表示ωk对应的协方差矩阵, 其中,表示信道脉冲响应的支持向量,表示脉冲噪声的支持向量,通过一阶自回归模型的K个连续OFDM符号得到联合概率密度函数p({y},{ω},{Γk},λ), 其中p(ω1;Γ1)表示ω1的概率密度函数,Π表示连乘,p(ωk|ωk-1;Γk)表示ω的k-1次迭代过程到k次迭代过程的转移概率, p(yk|ωk;λ)表示k次迭代过程的后向概率,λ是与背景噪声方差对应的标量,定义初始状态的联合概率密度函数为p(ω1)~CN(ω1;0;Γ1),ω1表示ω的第一次预测值,Γ1表示ω1的协方差矩阵,通过上述联合概率密度函数p({y},{ω},{Γk},λ),得到联合对数概率为 log p({y},{ω}), 其中,log(·)表示取以10为底的对数,∑(·)表示求和符号,||·||表示求矩阵二范数符号,|·|表示求绝对值符号,(·)H表示求向量的共轭转置符号,(·)-1表示求矩阵的逆符号;
③-3、使用最大期望算法分E-step和M-step两步交替迭代获取log p({y},{ω})中的未知超参数λ和Γk,最终获取脉冲噪声的估计值向量和信道估计向量具体过程如下:
E-step:定义p({y},{ω},{Γk},λ)在后验概率分布p(ω|y)下的期望值为 其中,E(·)表示对(·)取期望值,Γ(r)表示第r次迭代过程时Γ的值,λ(r)表示第r次迭代过程时λ的值;定义{ω}的后验均值为定义{ω}的后验协方差矩阵为通过卡尔曼滤波算法获取{ω}的后验均值和{ω}的后验协方差矩阵,其中,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法预测的后验均值为表示第k-1次卡尔曼滤波算法迭代过程的观测值对k次卡尔曼滤波算法迭代过程的预测值,表示第k-1次卡尔曼滤波算法迭代过程的估计值,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程中预测的后验协方差矩阵为∑k|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵对第k次卡尔曼滤波算法迭代过程的预测值,∑k-1|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵的估计值,定义第r次迭代过程的卡尔曼增益为 Gk,I表示单位矩阵,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验均值为 定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验协方差矩阵为
M-step:根据{ω}在每次迭代过程更新的后验均值和更新的后验协方差矩阵,交替求解{Γk}和λ的优化问题:直到得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),其中,表示第r+1次迭代过程的Γk值,λ(r+1)表示第r+1次迭代过程的λ值,opt表示得到最优解时最大期望算法总的迭代次数, argmax表示最大化目标函数,具体过程如下:将上述优化问题用以下迭代公式的形式给出:
其中,arg min表示最小化目标函数,得到第(r+1)次迭代过程的超参数和超参数λ(r+1),然后将和λ(r+1)代入上述迭代公式中重新估计第(r+2)次迭代过程的超参数和λ(r+2),定义超参数集合为θ={Γk,λ},重复上述迭代过程直到θ的估计残差小于收敛下界ξ时停止迭代,得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),根据{Γk}(opt)、(λ)(opt)以及在第opt次迭代过程的E步骤中更新的后验均值得到的信道估计向量脉冲噪声的估计值向量为其中,表示中第1个元素到第L个元素组成的向量,表示中第 L+1个元素到第N+L个元素组成的向量。
所述的步骤③-3中ξ=10-5。
与现有技术相比,本发明的优点在于首先在OFDM通信系统的发送端获取待发送的二进制数据,经过OFDM通信系统的信道发送至OFDM通信系统的接收端,OFDM 通信系统的接收端对接收到的数据去除循环前缀并通过快速傅里叶变换得到OFDM频域符号,根据OFDM频域符号通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量,再对OFDM频域符号进行脉冲噪声抑制,获得经过脉冲噪声抑制后的OFDM频域符号,从而完成对OFDM通信系统中脉冲噪声的抑制过程;在这个过程中,我们将信道冲激响应和脉冲噪声共同视为未知稀疏变量,设计了一种基于卡尔曼滤波的稀疏贝叶斯学习算法,进行联合估计信道和脉冲噪声信息,其中采用一阶自回归模型来捕获信道的时变特性,引入最大期望算法来估计具有脉冲噪声的线性动态系统的参数,该方法能够更加准确的估计低压电力线通信系统中的脉冲噪声,从而完成脉冲噪声的抑制;仿真结果表明,我们提出的算法可以显著改善信道估计和误码率性能的均方误差,从而更加准确的估计OFDM通信系统中的脉冲噪声,从而完成脉冲噪声的抑制。
附图说明
图1为本发明的步骤流程框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
一种正交频分复用技术通信系统中的脉冲噪声抑制方法,包括以下步骤:
①在OFDM通信系统的发送端,将初始发送的二进制数据b进行信道编码和OFDM 映射得到二进制数据x,将x进行离散傅立叶逆变换并插入循环前缀得到待发送的二进制数据。
②OFDM通信系统的发送端将待发送的二进制数据经过OFDM通信系统的信道发送至OFDM通信系统的接收端得到接收到的数据p,OFDM通信系统的接收端对p去除循环前缀并通过快速傅里叶变换得到OFDM频域符号y;
其中p=HF*x+i+g,其中H表示一个N×N的信道循环矩阵,H的第一列为h,h由归一化的OFDM通信系统的信道脉冲响应向量构成,N为OFDM通信系统的信道子载波数目,F表示离散傅里叶变换矩阵,F*是F的共轭转置矩阵,i表示OFDM通信系统的信道脉冲噪声的时域采样值,g表示OFDM通信系统的信道的背景噪声的时域采样值, y=Fp=Λx+Fi+n,其中表示构造关于的对角矩阵,n为g经过快速傅里叶变换后得到的向量。
③根据y通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量具体包括以下步骤:
③-1、将h设定为稀疏的,定义待求解的向量为ω,ω=[hT,iT]T,定义观测矩阵为φ,则有y=φω+n;
③-2、获取最大期望算法迭代过程中所需要的联合对数概率函数logp({y},{ω}),具体过程如下:对于OFDM通信系统中的信道,获取每个OFDM符号对应的信道的一阶自回归模型,其中,将第k个OFDM符号对应的信道的一阶自回归模型表示为 hk=ρhk-1+μk,1≤k≤K,hk表示第k次迭代过程的信道脉冲响应,hk-1表示第k-1 次迭代过程的信道脉冲响应,ρ表示卡尔曼滤波系数,μk表示过程噪声,在卡尔曼滤波器中,对于K个连续OFDM符号,K=N+L,L表示信道的长度,对应于y的观测方程为yk=φkωk+nk,y的状态方程为ωk+1=Aωk+νk+1,k=1,2,…,K-1,其中yk表示第 k次迭代过程的观测向量,φk表示第k次迭代过程的观测矩阵,ωk表示ω的第k次迭代过程的预测向量,nk表示第k次迭代过程的观测的噪声向量,为对角矩阵,为定义符号,1L是表示长度为L的一个单位向量,0N是表示长度为N的零向量,过程噪声νk~CN(0,BΓk)表示均值为0且方差为BΓk的复高斯分布,CN表示复高斯分布符号,为对角矩阵,Γk表示ωk对应的协方差矩阵, 其中,表示信道脉冲响应的支持向量,表示脉冲噪声的支持向量,通过一阶自回归模型的K个连续OFDM符号得到联合概率密度函数p({y},{ω},{Γk},λ), 其中p(ω1;Γ1)表示ω1的概率密度函数,Π表示连乘,p(ωk|ωk-1;Γk)表示ω的k-1次迭代过程到k次迭代过程的转移概率, p(yk|ωk;λ)表示k次迭代过程的后向概率,λ是与背景噪声方差对应的标量,定义初始状态的联合概率密度函数为p(ω1)~CN(ω1;0;Γ1),ω1表示ω的第一次预测值,Γ1表示ω1的协方差矩阵,通过上述联合概率密度函数p({y},{ω},{Γk},λ),得到联合对数概率为 log p({y},{ω}),
其中,log(·)表示取以10为底的对数,∑(·)表示求和符号,||·||表示求矩阵二范数符号,|·|表示求绝对值符号,(·)H表示求向量的共轭转置符号,(·)-1表示求矩阵的逆符号;
③-3、使用最大期望算法分E-step和M-step两步交替迭代获取log p({y},{ω})中的未知超参数λ和Γk,最终获取脉冲噪声的估计值向量和信道估计向量具体过程如下:
E-step:定义p({y},{ω},{Γk},λ)在后验概率分布p(ω|y)下的期望值为 其中,E(·)表示对(·)取期望值,Γ(r)表示第r次迭代过程时Γ的值,λ(r)表示第r次迭代过程时λ的值;定义{ω}的后验均值为定义{ω}的后验协方差矩阵为通过卡尔曼滤波算法获取{ω}的后验均值和{ω}的后验协方差矩阵,其中,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法预测的后验均值为表示第k-1次卡尔曼滤波算法迭代过程的观测值对k次卡尔曼滤波算法迭代过程的预测值,表示第k-1次卡尔曼滤波算法迭代过程的估计值,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程中预测的后验协方差矩阵为∑k|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵对第k次卡尔曼滤波算法迭代过程的预测值,∑k-1|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵的估计值,定义第r次迭代过程的卡尔曼增益为 Gk,I表示单位矩阵,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验均值为 定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验协方差矩阵为
M-step:根据{ω}在每次迭代过程更新的后验均值和更新的后验协方差矩阵,交替求解{Γk}和λ的优化问题:直到得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),其中,表示第r+1次迭代过程的Γk值,λ(r+1)表示第r+1次迭代过程的λ值,opt表示得到最优解时最大期望算法总的迭代次数, argmax表示最大化目标函数,具体过程如下:将上述优化问题用以下迭代公式的形式给出:
其中,arg min表示最小化目标函数,得到第(r+1)次迭代过程的超参数和超参数λ(r+1),然后将和λ(r+1)代入上述迭代公式中重新估计第(r+2)次迭代过程的超参数和λ(r+2),定义超参数集合为θ={Γk,λ},重复上述迭代过程直到θ的估计残差小于收敛下界ξ时停止迭代,ξ=10-5,得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),根据{Γk}(opt)、(λ)(opt)以及在第opt次迭代过程的E步骤中更新的后验均值得到的信道估计向量脉冲噪声的估计值向量为其中,表示中第1个元素到第L个元素组成的向量,表示中第L+1个元素到第N+L个元素组成的向量。
④根据对y进行脉冲噪声抑制,获得经过脉冲噪声抑制后的OFDM频域符号 从而完成对OFDM通信系统中脉冲噪声的抑制过程,其中,F表示离散傅里叶变换矩阵。
在缓慢时变的信道中,我们观察到本发明提出的方法比SBL-SBL和LS-SBL表现更好,这说明联合信道和脉冲噪声估计方法优于独立估计信道和脉冲噪声的方法,本发明在中等至高SNR情况下优于LS-SBL,在低SNR区域获得额外的1~2dB增益,信道估计性能优于现有的方法,分别比LS-NoIN和JCI分别提高2dB和10dB。
Claims (4)
1.一种正交频分复用技术通信系统中的脉冲噪声抑制方法,其特征在于包括以下步骤:
①在OFDM通信系统的发送端,将初始发送的二进制数据b进行信道编码和OFDM映射得到二进制数据x,将x进行离散傅立叶逆变换并插入循环前缀得到待发送的二进制数据;
②OFDM通信系统的发送端将待发送的二进制数据经过OFDM通信系统的信道发送至OFDM通信系统的接收端得到接收到的数据p,OFDM通信系统的接收端对p去除循环前缀并通过快速傅里叶变换得到OFDM频域符号y;
③根据y通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量
④根据对y进行脉冲噪声抑制,获得经过脉冲噪声抑制后的OFDM频域符号 从而完成对OFDM通信系统中脉冲噪声的抑制过程,其中,F表示离散傅里叶变换矩阵。
2.根据权利要求1所述的一种正交频分复用技术通信系统中的脉冲噪声抑制方法,其特征在于所述的步骤②中p=HF*x+i+g,其中H表示一个N×N的信道循环矩阵,H的第一列为h,h由归一化的OFDM通信系统的信道脉冲响应向量构成,N为OFDM通信系统的信道子载波数目,F表示离散傅里叶变换矩阵,F*是F的共轭转置矩阵,i表示OFDM通信系统的信道脉冲噪声的时域采样值,g表示OFDM通信系统的信道的背景噪声的时域采样值,y=Fp=Ax+列+n,其中 表示构造关于的对角矩阵,n为g经过快速傅里叶变换后得到的向量。
3.根据权利要求2所述的一种正交频分复用技术通信系统中的脉冲噪声抑制方法,其特征在于所述的步骤③中根据y通过基于递归卡尔曼滤波的稀疏贝叶斯学习算法去联合估计得到OFDM通信系统中的脉冲噪声的估计值向量具体包括以下步骤:
③-1、将h设定为稀疏的,定义待求解的向量为ω,ω=[hT,iT]T,定义观测矩阵为φ,则有y=φω+n;
③-2、获取最大期望算法迭代过程中所需要的联合对数概率函数log p({y},{ω}),具体过程如下:对于OFDM通信系统中的信道,获取每个OFDM符号对应的信道的一阶自回归模型,其中,将第k个OFDM符号对应的信道的一阶自回归模型表示为hk=ρhk-1+μk,1≤k≤K,hk表示第k次迭代过程的信道脉冲响应,hk-1表示第k-1次迭代过程的信道脉冲响应,ρ表示卡尔曼滤波系数,μk表示过程噪声,在卡尔曼滤波器中,对于K个连续OFDM符号,K=N+L,L表示信道的长度,对应于y的观测方程为yk=φkωk+nk,y的状态方程为ωk+1=Aωk+vk+1,k=1,2,…,K-1,其中yk表示第k次迭代过程的观测向量,φk表示第k次迭代过程的观测矩阵,ωk表示ω的第k次迭代过程的预测向量,nk表示第k次迭代过程的观测的噪声向量,为对角矩阵,为定义符号,1L是表示长度为L的一个单位向量,0N是表示长度为N的零向量,过程噪声νk~CN(0,BΓk)表示均值为0且方差为BΓk的复高斯分布,CN表示复高斯分布符号,为对角矩阵,Γk表示ωk对应的协方差矩阵, 其中,表示信道脉冲响应的支持向量,表示脉冲噪声的支持向量,通过一阶自回归模型的K个连续OFDM符号得到联合概率密度函数p({y},{ω},{Γk},λ), 其中p(ω1;Γ1)表示ω1的概率密度函数,Π表示连乘,p(ωk|ωk-1;Γk)表示ω的k-1次迭代过程到k次迭代过程的转移概率,p(yk|ωk;λ)表示k次迭代过程的后向概率,λ是与背景噪声方差对应的标量,定义初始状态的联合概率密度函数为p(ω1)~CN(ω1;0;Γ1),ω1表示ω的第一次预测值,Γ1表示ω1的协方差矩阵,通过上述联合概率密度函数p({y},{ω},{Γk},λ),得到联合对数概率为log p({y},{ω}),
其中,log(·)表示取以10为底的对数,∑(·)表示求和符号,||·||表示求矩阵二范数符号,|·|表示求绝对值符号,(·)H表示求向量的共轭转置符号,(·)-1表示求矩阵的逆符号;
③-3、使用最大期望算法分E-step和M-step两步交替迭代获取1ogp({y},{ω})中的未知超参数λ和Γk,最终获取脉冲噪声的估计值向量和信道估计向量具体过程如下:
E-step:定义p({y},{ω},{Γk},λ)在后验概率分布p(ω|y)下的期望值为 其中,E(·)表示对(·)取期望值,Γ(r)表示第r次迭代过程时Γ的值,λ(r)表示第r次迭代过程时λ的值;定义{ω}的后验均值为 定义{ω}的后验协方差矩阵为通过卡尔曼滤波算法获取{ω}的后验均值和{ω}的后验协方差矩阵,其中,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法预测的后验均值为 表示第k-1次卡尔曼滤波算法迭代过程的观测值对k次卡尔曼滤波算法迭代过程的预测值,表示第k-1次卡尔曼滤波算法迭代过程的估计值,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程中预测的后验协方差矩阵为∑k|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵对第k次卡尔曼滤波算法迭代过程的预测值,∑k-1|k-1表示第k-1次卡尔曼滤波算法迭代过程的后验协方差矩阵的估计值,定义第r次迭代过程的卡尔曼增益为Gk,I表示单位矩阵,定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验均值为 定义第r次最大期望算法中迭代过程中的第k次卡尔曼滤波算法迭代过程更新的后验协方差矩阵为
M-step:根据{ω}在每次迭代过程更新的后验均值和更新的后验协方差矩阵,交替求解{Γk}和λ的优化问题:直到得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),其中,表示第r+1次迭代过程的Γk值,λ(r+1)表示第r+1次迭代过程的λ值,opt表示得到最优解时最大期望算法总的迭代次数,argmax表示最大化目标函数,具体过程如下:将上述优化问题用以下迭代公式的形式给出:
其中,argmin表示最小化目标函数,得到第(r+1)次迭代过程的超参数和超参数λ(r+1),然后将和λ(r+1)代入上述迭代公式中重新估计第(r+2)次迭代过程的超参数和λ(r+2),定义超参数集合为θ={Γk,λ},重复上述迭代过程直到θ的估计残差小于收敛下界ξ时停止迭代,得到最优超参数向量{Γk}(opt)和最优超参数值(λ)(opt),根据{Γk}(opt)、(λ)(opt)以及在第opt次迭代过程的E步骤中更新的后验均值得到的信道估计向量 脉冲噪声的估计值向量为 其中,表示中第1个元素到第L个元素组成的向量,表示中第L+1个元素到第N+L个元素组成的向量。
4.根据权利要求3所述的一种正交频分复用技术通信系统中的脉冲噪声抑制方法,其特征在于所述的步骤③-3中ξ=10-5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811317423.0A CN109729035B (zh) | 2018-11-07 | 2018-11-07 | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811317423.0A CN109729035B (zh) | 2018-11-07 | 2018-11-07 | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109729035A true CN109729035A (zh) | 2019-05-07 |
CN109729035B CN109729035B (zh) | 2021-08-03 |
Family
ID=66295065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811317423.0A Active CN109729035B (zh) | 2018-11-07 | 2018-11-07 | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109729035B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110336762A (zh) * | 2019-05-09 | 2019-10-15 | 广东工业大学 | 一种mimo系统的相位噪声补偿方法、系统及相关组件 |
CN111082837A (zh) * | 2019-11-25 | 2020-04-28 | 宁波大学 | 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 |
CN112398775A (zh) * | 2020-11-07 | 2021-02-23 | 西北工业大学 | 一种基于正交时频空方向调制安全通信方法 |
CN114172775A (zh) * | 2021-10-28 | 2022-03-11 | 宁波大学 | Ofdm系统中的信道和异步脉冲噪声联合估计方法 |
CN114244660A (zh) * | 2021-11-17 | 2022-03-25 | 西安电子科技大学 | 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006006044A1 (en) * | 2004-07-08 | 2006-01-19 | Nokia Corporation | High doppler channel estimation for ofd multiple antenna systems |
CN1805418A (zh) * | 2005-01-11 | 2006-07-19 | 联发科技股份有限公司 | 应用于正交频分复用系统的脉冲噪声抑制装置及其方法 |
US20110235688A1 (en) * | 2010-03-26 | 2011-09-29 | Fujitsu Limited | Receiving device |
EP2512325A2 (en) * | 2009-04-22 | 2012-10-24 | Streamline Automation, LLC | Processing physiological sensor data using a physiological model combined with a probabilistic processor |
CN103441962A (zh) * | 2013-07-17 | 2013-12-11 | 宁波大学 | 一种基于压缩感知的ofdm系统脉冲干扰抑制方法 |
CN105227512A (zh) * | 2015-10-19 | 2016-01-06 | 宁波大学 | 一种ofdm水声通信系统中的脉冲噪声估计方法 |
CN106209169A (zh) * | 2016-07-29 | 2016-12-07 | 西安电子科技大学 | 一种基于压缩感知电力线脉冲噪声抑制的方法 |
CN106549897A (zh) * | 2015-09-17 | 2017-03-29 | 中兴通讯股份有限公司 | 使用非线性滤波的干扰消除 |
CN107359906A (zh) * | 2017-06-01 | 2017-11-17 | 宁波大学 | 低压电力线通信系统中脉冲噪声的抑制方法 |
-
2018
- 2018-11-07 CN CN201811317423.0A patent/CN109729035B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006006044A1 (en) * | 2004-07-08 | 2006-01-19 | Nokia Corporation | High doppler channel estimation for ofd multiple antenna systems |
US20060017613A1 (en) * | 2004-07-08 | 2006-01-26 | Nokia Corporation | High doppler channel estimation for OFD multiple antenna systems |
CN1805418A (zh) * | 2005-01-11 | 2006-07-19 | 联发科技股份有限公司 | 应用于正交频分复用系统的脉冲噪声抑制装置及其方法 |
EP2512325A2 (en) * | 2009-04-22 | 2012-10-24 | Streamline Automation, LLC | Processing physiological sensor data using a physiological model combined with a probabilistic processor |
US20110235688A1 (en) * | 2010-03-26 | 2011-09-29 | Fujitsu Limited | Receiving device |
CN103441962A (zh) * | 2013-07-17 | 2013-12-11 | 宁波大学 | 一种基于压缩感知的ofdm系统脉冲干扰抑制方法 |
CN106549897A (zh) * | 2015-09-17 | 2017-03-29 | 中兴通讯股份有限公司 | 使用非线性滤波的干扰消除 |
CN105227512A (zh) * | 2015-10-19 | 2016-01-06 | 宁波大学 | 一种ofdm水声通信系统中的脉冲噪声估计方法 |
CN106209169A (zh) * | 2016-07-29 | 2016-12-07 | 西安电子科技大学 | 一种基于压缩感知电力线脉冲噪声抑制的方法 |
CN107359906A (zh) * | 2017-06-01 | 2017-11-17 | 宁波大学 | 低压电力线通信系统中脉冲噪声的抑制方法 |
Non-Patent Citations (2)
Title |
---|
JING LIN ETAL: ""Impulsive Noise Mitigation in Powerline Communications Using Sparse Bayesian Learning"", 《 IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS 》 * |
吕新荣: ""OFDM系统的信道与脉冲噪声的联合估计方法"", 《通信学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110336762A (zh) * | 2019-05-09 | 2019-10-15 | 广东工业大学 | 一种mimo系统的相位噪声补偿方法、系统及相关组件 |
CN110336762B (zh) * | 2019-05-09 | 2021-09-17 | 广东工业大学 | 一种mimo系统的相位噪声补偿方法、系统及相关组件 |
CN111082837A (zh) * | 2019-11-25 | 2020-04-28 | 宁波大学 | 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 |
CN111082837B (zh) * | 2019-11-25 | 2021-04-23 | 宁波大学 | 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 |
CN112398775A (zh) * | 2020-11-07 | 2021-02-23 | 西北工业大学 | 一种基于正交时频空方向调制安全通信方法 |
CN112398775B (zh) * | 2020-11-07 | 2022-09-13 | 西北工业大学 | 一种基于正交时频空方向调制安全通信方法 |
CN114172775A (zh) * | 2021-10-28 | 2022-03-11 | 宁波大学 | Ofdm系统中的信道和异步脉冲噪声联合估计方法 |
CN114244660A (zh) * | 2021-11-17 | 2022-03-25 | 西安电子科技大学 | 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 |
CN114244660B (zh) * | 2021-11-17 | 2023-05-23 | 西安电子科技大学 | 一种脉冲噪声干扰下mimo-ofdm系统sfbc类型识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109729035B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729035A (zh) | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 | |
CN109617850A (zh) | 基于自适应压缩感知的ofdm稀疏信道估计方法 | |
CN101945066B (zh) | 一种ofdm/oqam系统的信道估计方法 | |
CN113242191B (zh) | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 | |
CN107360111A (zh) | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 | |
CN107359906B (zh) | 低压电力线通信系统中脉冲噪声的抑制方法 | |
CN101616104A (zh) | 正交频分复用系统的信道估计方法和装置 | |
CN102082754B (zh) | 一种ofdm信道估计方法及装置 | |
CN104618277A (zh) | 一种在窄带干扰下的短波ofdm信道估计方法 | |
CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
CN113271269A (zh) | 基于压缩感知的稀疏度自适应信道估计方法 | |
CN108881082B (zh) | 信噪比确定方法及装置、信道均衡方法及装置 | |
CN102769599A (zh) | 一种新型正交频分复用系统信号处理方法及装置 | |
JP2007037076A (ja) | Ofdm復調装置、方法およびプログラム | |
Bai et al. | Impulsive noise mitigation with interleaving based on MUSIC in power line communication | |
EP2299641A1 (en) | Process for estimating the channel in a OFDM communication system, and receiver for doing the same | |
CN110059401B (zh) | 一种ofdm系统水声信道冲激响应重构方法 | |
CN109167744B (zh) | 一种相位噪声联合估计方法 | |
Yu et al. | Iterative estimation of doubly selective underwater acoustic channel using basis expansion models | |
CN109361631B (zh) | 稀疏度未知的水声正交频分复用信道估计方法及装置 | |
CN106161298A (zh) | 基于压缩感知的非线性ofdm系统迭代信道估计算法 | |
Qiao et al. | Chirp Z-transform based sparse channel estimation for underwater acoustic OFDM in clustered channels | |
Yan et al. | Inter-carrier interference-aware sparse time-varying underwater acoustic channel estimation based on fast reconstruction algorithm | |
CN111726308B (zh) | 基于频响预插值的正交匹配追踪信道估计方法 | |
CN108123906B (zh) | 信道估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |