CN110493151B - 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 - Google Patents
电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 Download PDFInfo
- Publication number
- CN110493151B CN110493151B CN201910597147.6A CN201910597147A CN110493151B CN 110493151 B CN110493151 B CN 110493151B CN 201910597147 A CN201910597147 A CN 201910597147A CN 110493151 B CN110493151 B CN 110493151B
- Authority
- CN
- China
- Prior art keywords
- phi
- value
- noise
- data
- impulse noise
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000001629 suppression Effects 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 241000287196 Asthenes Species 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000009499 grossing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/021—Estimation of channel covariance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03821—Inter-carrier interference cancellation [ICI]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其在发送端,将加有循环前缀的离散时域信号通过信道传输给接收端;在接收端,首先将接收信号投影在空子载波矩阵上,得到仅包含脉冲噪声和高斯噪声的混合信号;利用稀疏迭代协方差估计,得到混合信号的功率,进而得到脉冲噪声的功率;利用线性均方误差,得到脉冲噪声的估计值;在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制;优点是所采用的稀疏迭代协方差估计具有更高的分辨率,可以更加准确地估计出混合信号的功率,从而使估计出的脉冲噪声更准确,使得脉冲噪声的抑制效果更好。
Description
技术领域
本发明涉及一种脉冲噪声抑制技术,尤其是涉及一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法。
背景技术
随着智能电网的快速发展,采用电力线通信(PowerLine Communication,PLC)已逐渐受到人们的关注。电力线通信是一种利用电力线介质进行数据传输的通信方式。电力线通信系统中,其信道特性复杂,多径效应明显,为了对抗多径效应,一般采用多载波正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术。电力线通信早期设计之初只是考虑传输电,并没有考虑去传输数据信号。现实情况中通信对设备的要求是相对很高的,但现有的电力线设备基本上不具备有线通信媒介所必备的电气特性,如系统稳定性差、噪声干扰严重等问题,因此极大地限制了它的发展。其中,噪声干扰是影响电力线通信系统性能的首要问题,根据其特性不同,噪声被分为以下五类,分别为有色背景噪声、窄带噪声、与主频同步的周期脉冲噪声、与主频异步的周期脉冲噪声和异步脉冲噪声。而脉冲噪声的功率谱密度要远远高于背景噪声的功率谱密度,因此脉冲噪声是影响电力线通信系统性能的主要因素。
当前,对脉冲噪声进行抑制的方法中,简单通用的方法是在时域对接收信号进行限幅操作或者进行消隐操作。这些方法实现方便,复杂度比较低,但电力线上的脉冲噪声是时变的,在实际应用中很难得到最优的限幅门限或者消隐门限。压缩感知作为近年来新出现的理论,引起了很多学者的注意,该方法可以将高维信号从低维信号中恢复出来。基于压缩感知的脉冲噪声抑制的典型的方法有正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法。这类方法可以较为准确地估计出脉冲噪声信号,从而在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制。但这些方法比较适用于伯努力高斯脉冲噪声,通过仿真实验发现针对更加接近实际情况的米德尔顿A类模型产生的脉冲噪声,这些方法的脉冲噪声估计性能较差,导致无法有效抑制脉冲噪声。
发明内容
本发明所要解决的技术问题是提供一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,抑制效果好。
本发明解决上述技术问题所采用的技术方案为:一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其特征在于包括以下步骤:
步骤一:在基于OFDM的电力线通信系统的发送端,将发送端的初始二进制数据序列记为B;然后将B编译为多个定长码字,且每个定长码字中包含有(N-M)个数据;接着从多个定长码字中任意选取一个定长码字,将该定长码字记为C,并以列向量形式将C表示为C=[c1,c2,…,c(N-M)]T;之后通过正交振幅调制将C映射为一个包含有(N-M)个数据的OFDM符号,并在该OFDM符号的末端补M个0使得该OFDM符号的长度变为N,将补0后的OFDM符号记为D,以列向量形式将D表示为D=[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T;再将D中的前(N-M)个数据加载到(N-M)个子载波上,该(N-M)个子载波为数据子载波,并将D中的后M个数据加载到M个子载波上,该M个子载波为空子载波;同时对D进行离散傅里叶反变换,转换得到D对应的离散时域信号,记为U,U=FHD=[u1,u2,…,uN]T;而后在U的头部加上用于防止符号间干扰的循环前缀;最后将加有循环前缀的离散时域信号通过基于OFDM的电力线通信系统的信道传输给基于OFDM的电力线通信系统的接收端;其中,B的长度至少大于2(N-M),N表示OFDM符号中的子载波的总个数,N>2,M表示OFDM符号中的空子载波的总个数,1<M<N,C的维数为(N-M)×1,符号“[]”为向量表示符号,[c1,c2,…,c(N-M)]T为[c1,c2,…,c(N-M)]的转置,c1,c2,…,c(N-M)对应表示C中的第1个数据、第2个数据、…、第(N-M)个数据,D的维数为N×1,[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T为[d1,d2,…,d(N-M),d(N-M)+1,…,dN]的转置,d1,d2,…,d(N-M),d(N-M)+1,…,dN对应表示D中的第1个数据、第2个数据、…、第(N-M)个数据、第(N-M)+1个数据、…、第N个数据,U的维数为N×1,F表示维数为N×N的离散傅里叶变换范德蒙德矩阵,FH为F的厄米特变换即F的共轭转置,[u1,u2,…,uN]T为[u1,u2,…,uN]的转置,u1,u2,…,uN对应表示U中的第1个数据、第2个数据、…、第N个数据;
步骤二:在基于OFDM的电力线通信系统的接收端,将接收端接收到的带有脉冲噪声干扰的离散时域信号的头部的循环前缀去掉,将去掉循环前缀后的带有脉冲噪声干扰的离散时域信号记为y,y=GU+i+ε;并构造一个维数为M×N的空子载波矩阵,记为Φ,Φ由F中的第N-M+1行至第N行构成;然后在y=GU+i+ε的等号的两边同时乘以Φ,得到Φy=ΦGU+Φi+Φε;接着根据OFDM符号中的各个子载波之间的正交性,将Φy=ΦGU+Φi+Φε转化为Φy=Φi+Φε;再令r=Φi+Φε,并令v=Φε,将r=Φi+Φε转化为r=Φi+v;其中,G表示维数为N×N的信道循环卷积矩阵,为对基于OFDM的电力线通信系统的信道进行估计获取的N个脉冲响应值再经归一化处理后得到的值,i表示脉冲噪声,ε表示高斯噪声,r的维数为M×1,即v服从均值为0、方差为σ2的高斯噪声分布,为高斯噪声分布表示形式,IM表示维数为M×M的单位矩阵;
步骤三:利用稀疏迭代协方差估计完成脉冲噪声i的功率的求解,其具体步骤如下:
1)将Φ作为导频矩阵,并将Φ描述为Φ=[a1,a2,…,aN];然后根据Φ=[a1,a2,…,aN],将r=Φi+v改写为其中,a1,a2,…,aN对应表示Φ中的第1个列向量、第2个列向量、……、第N个列向量,a1,a2,aN的维数为M×1,n的初始值为1,1≤n≤N,an表示Φ中的第n个列向量,in为i中的第n个时域采样值;
3)将描述为然后计算r的协方差矩阵,记为R,接着将R定义为其中,E()表示求期望,vH为v的共轭转置,diag()表示矩阵的对角线元素,为σ2×IM(1),IM(1)表示IM的对角线上的第1个元素,为σ2×IM(2),IM(2)表示IM的对角线上的第2个元素,为σ2×IM(M),IM(M)表示IM的对角线上的第M个元素,rH为r的共轭转置,符号“||”为求模符号,符号定义符号,A和P均为引入的中间变量,A=(AH)H,AH为A的共轭转置,(AH)H为AH的共轭转置,i1为i中的第1个时域采样值,i2为i中的第2个时域采样值,iN为i中的第N个时域采样值,b1,…,bN,bN+1,…,bN+M对应表示AH中的第1个列向量、……、第N个列向量、第N+1个列向量、……、第N+M个列向量,[p1,…,pN,pN+1,…,pN+M]表示脉冲噪声的功率和高斯噪声的功率组成的矩阵,p1,…,pN,pN+1,…,pN+M对应表示P的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素;
4)引入最小化协方差拟合准则将展开得到然后将简化为凸优化问题,描述为:接着将转化为约束条件为再引入一个变量Q,令Q=PAR-1,将转化为目标优化问题,描述为:约束条件为其中,tr()表示求矩阵的迹,j的初始值为1,1≤j≤N+M,bj表示AH中的第j个列向量,pj表示P的对角线上的第j个元素,min()表示求目标函数最小化,Q是一个维数为(N+M)×M的矩阵,Q满足QHA=IM,QH为Q的共轭转置,βj是维数为(N+M)×1的列向量β中的第j个元素,β=Qr=PAR-1r,为bj的共轭转置;
5a)令k表示迭代次数,k的初始值为1;
5b)计算第k次迭代时Q的值,记为Q(k),Q(k)=P(k)AR-1(k);其中,P(k)表示第k次迭代时P的值,P(k)=diag([p1(k),…,pN(k),pN+1(k),…,pN+M(k)]),p1(k),…,pN(k),pN+1(k),…,pN+M(k)对应表示P(k)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,k=1时 为根据得到,R-1(k)为R(k)的逆,R(k)=AHP(k)A;
5d)利用柯西不等式:计算第k+1次迭代时P的值,记为P(k+1),P(k+1)=diag([p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)]);其中,p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)对应表示P(k+1)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,将代入中得到
5e)判断迭代收敛条件是否成立,如果成立,则将P(k+1)作为P的最终估计值,记为中的前N个元素的值构成了脉冲噪声i的功率;并根据计算得到R的最终估计值,记为否则,令k=k+1,然后返回步骤5b继续执行;其中,ξ为设定的收敛阈值,k=k+1中的“=”为赋值符号;
所述的步骤二中,i由米德尔顿A类模型产生,米德尔顿A类模型中的脉冲指数为0.1、高斯噪声的方差为32.95、高斯噪声与脉冲噪声之间的平均功率比值为0.01。
所述的步骤5e中,取ξ=10-3。
与现有技术相比,本发明的优点在于:
1)本发明方法利用了电力线通信系统中OFDM符号的空子载波构建了空子载波矩阵,将包含发送信号、脉冲噪声和高斯噪声的接收信号转化为仅包含脉冲噪声和高斯噪声的混合信号,即提取出了接收信号中的噪声部分,大大降低了处理的复杂度。
2)本发明方法利用稀疏迭代协方差估计计算出脉冲噪声的功率,相较于现有的Capon法和周期图法等频谱估计方法,稀疏迭代协方差估计方法具有相对较高的分辨率,可以更加准确地估计出信号的频谱即脉冲噪声的功率。
3)本发明方法通过简单的信号变换完成了对脉冲噪声的估计,避开了非参数化方法中需要构造和求解的脉冲噪声估计优化问题,使得本发明方法在不同传输条件下具有较小的误比特率和估计均方误差。
4)本发明方法中的脉冲噪声由米德尔顿A类模型生成,相较于理想的伯努利-高斯脉冲噪声模型,米德尔顿A类模型生成的脉冲噪声更加接近实际中的脉冲噪声,即本发明方法能够对更加接近实际情况的脉冲噪声进行有效抑制。
5)本发明方法计算效率非常高,具有全局收敛特性;并且与大多数其他稀疏估计方法不同,它是完全数据自适应的,即它的操作不需要任何用户参数的细微选择。
6)本发明方法能够在复杂的环境中运行并且不需要知道关于脉冲噪声的先验信息或脉冲噪声的稀疏度指数。
附图说明
图1为本发明的总体实现框图;
图2为本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用4QAM调制方式在不同信噪比(SNR)下的估计均方误差(EMSE)的变化情况图;
图3为本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用4QAM调制方式在不同信噪比(SNR)下的误比特率(BER)的变化情况图;
图4为本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用16QAM调制方式在不同信噪比(SNR)下的误比特率(BER)的变化情况图。
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。
本发明提出的一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其总体实现框图如图1所示,其包括以下步骤:
步骤一:在基于OFDM的电力线通信系统的发送端,将发送端的初始二进制数据序列记为B;然后将B编译为多个定长码字,且每个定长码字中包含有(N-M)个数据;接着从多个定长码字中任意选取一个定长码字,将该定长码字记为C,并以列向量形式将C表示为C=[c1,c2,…,c(N-M)]T;之后通过正交振幅调制(Quadrature Amplitude Modulation,QAM)将C映射为一个包含有(N-M)个数据的OFDM符号,并在该OFDM符号的末端补M个0使得该OFDM符号的长度变为N,将补0后的OFDM符号记为D,以列向量形式将D表示为D=[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T;再将D中的前(N-M)个数据加载到(N-M)个子载波上,该(N-M)个子载波为数据子载波,并将D中的后M个数据加载到M个子载波上,该M个子载波为空子载波;同时对D进行离散傅里叶反变换(Inverse Discrete Fourier Transform,IDFT),转换得到D对应的离散时域信号,记为U,U=FHD=[u1,u2,…,uN]T;而后在U的头部加上用于防止符号间干扰的循环前缀(Cyclic Prefix,CP);最后将加有循环前缀的离散时域信号(即发送信号)通过基于OFDM的电力线通信系统的信道传输给基于OFDM的电力线通信系统的接收端;其中,B的长度至少大于2(N-M),实际中B的长度肯定大于2(N-M),N表示OFDM符号中的子载波的总个数,N>2,在本实施例中取N=256,M表示OFDM符号中的空子载波的总个数,1<M<N,在本实施例中取M=120,C的维数为(N-M)×1,符号“[]”为向量表示符号,[c1,c2,…,c(N-M)]T为[c1,c2,…,c(N-M)]的转置,c1,c2,…,c(N-M)对应表示C中的第1个数据、第2个数据、…、第(N-M)个数据,D的维数为N×1,[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T为[d1,d2,…,d(N-M),d(N-M)+1,…,dN]的转置,d1,d2,…,d(N-M),d(N-M)+1,…,dN对应表示D中的第1个数据、第2个数据、…、第(N-M)个数据、第(N-M)+1个数据、…、第N个数据,U的维数为N×1,F表示维数为N×N的离散傅里叶变换(Discrete Fourier Transform,DFT)范德蒙德矩阵,FH为F的厄米特变换即F的共轭转置,[u1,u2,…,uN]T为[u1,u2,…,uN]的转置,u1,u2,…,uN对应表示U中的第1个数据、第2个数据、…、第N个数据。
步骤二:在基于OFDM的电力线通信系统的接收端,将接收端接收到的带有脉冲噪声干扰的离散时域信号的头部的循环前缀去掉,将去掉循环前缀后的带有脉冲噪声干扰的离散时域信号(即接收信号)记为y,y=GU+i+ε;并构造一个维数为M×N的空子载波矩阵,记为Φ,Φ由F中的第N-M+1行至第N行构成;然后在y=GU+i+ε的等号的两边同时乘以Φ,得到Φy=ΦGU+Φi+Φε;接着根据OFDM符号中的各个子载波之间的正交性,将Φy=ΦGU+Φi+Φε转化为Φy=Φi+Φε;再令r=Φi+Φε,并令v=Φε,将r=Φi+Φε转化为r=Φi+v,r=Φi+v为仅包含脉冲噪声和高斯噪声的混合信号;其中,G表示维数为N×N的信道循环卷积矩阵,为对基于OFDM的电力线通信系统的信道进行估计获取的N个脉冲响应值再经归一化处理后得到的值,对基于OFDM的电力线通信系统的信道进行估计直接采用现有的信道估计技术,对N个脉冲响应值归一化处理采用现有的任一种成熟的归一化处理方法,i表示脉冲噪声,ε表示高斯噪声,r的维数为M×1,即v服从均值为0、方差为σ2的高斯噪声分布,为高斯噪声分布表示形式,IM表示维数为M×M的单位矩阵。
在本实施例中,i由米德尔顿A类模型(Middleton Class A,MCA)产生,米德尔顿A类模型中的脉冲指数为0.1、高斯噪声的方差为32.95、高斯噪声与脉冲噪声之间的平均功率比值为0.01。
步骤三:利用稀疏迭代协方差估计完成脉冲噪声i的功率的求解,其具体步骤如下:
1)将Φ作为导频矩阵,并将Φ描述为Φ=[a1,a2,…,aN];然后根据Φ=[a1,a2,…,aN],将r=Φi+v改写为其中,a1,a2,…,aN对应表示Φ中的第1个列向量、第2个列向量、……、第N个列向量,a1,a2,aN的维数为M×1,n的初始值为1,1≤n≤N,an表示Φ中的第n个列向量,in为i中的第n个时域采样值。
3)将描述为然后计算r的协方差矩阵,记为R,接着将R定义为其中,E()表示求期望,vH为v的共轭转置,diag()表示矩阵的对角线元素,为σ2×IM(1),IM(1)表示IM的对角线上的第1个元素,为σ2×IM(2),IM(2)表示IM的对角线上的第2个元素,为σ2×IM(M),IM(M)表示IM的对角线上的第M个元素,rH为r的共轭转置,符号“||”为求模符号,符号定义符号,A和P均为引入的中间变量,A=(AH)H,AH为A的共轭转置,(AH)H为AH的共轭转置,i1为i中的第1个时域采样值,i2为i中的第2个时域采样值,iN为i中的第N个时域采样值,b1,…,bN,bN+1,…,bN+M对应表示AH中的第1个列向量、……、第N个列向量、第N+1个列向量、……、第N+M个列向量,[p1,…,pN,pN+1,…,pN+M]表示脉冲噪声的功率和高斯噪声的功率组成的矩阵,p1,…,pN,pN+1,…,pN+M对应表示P的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素。
4)引入最小化协方差拟合准则将展开得到然后将简化为凸优化问题,描述为:接着将转化为约束条件为再引入一个变量Q,令Q=PAR-1,将转化为目标优化问题,描述为:约束条件为其中,tr()表示求矩阵的迹,j的初始值为1,1≤j≤N+M,bj表示AH中的第j个列向量,pj表示P的对角线上的第j个元素,min()表示求目标函数最小化,Q是一个维数为(N+M)×M的矩阵,Q满足QHA=IM,QH为Q的共轭转置,βj是维数为(N+M)×1的列向量β中的第j个元素,β=Qr=PAR-1r,为bj的共轭转置。
5a)令k表示迭代次数,k的初始值为1。
5b)计算第k次迭代时Q的值,记为Q(k),Q(k)=P(k)AR-1(k);其中,P(k)表示第k次迭代时P的值,P(k)=diag([p1(k),…,pN(k),pN+1(k),…,pN+M(k)]),p1(k),…,pN(k),pN+1(k),…,pN+M(k)对应表示P(k)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,k=1时 为根据得到,R-1(k)为R(k)的逆,R(k)=AHP(k)A。
5d)利用柯西不等式:计算第k+1次迭代时P的值,记为P(k+1),P(k+1)=diag([p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)]);其中,p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)对应表示P(k+1)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,将代入中得到
5e)判断迭代收敛条件是否成立,如果成立,则将P(k+1)作为P的最终估计值,记为中的前N个元素的值构成了脉冲噪声i的功率;并根据计算得到R的最终估计值,记为否则,令k=k+1,然后返回步骤5b继续执行;其中,ξ为设定的收敛阈值,在本实施例中取ξ=10-3,k=k+1中的“=”为赋值符号。
步骤四:利用线性最小均方估计(linear minimum mean-squared Estimate,LMMSE)方法,计算脉冲噪声i的估计值,记为将中的第n个值记为其中,表示中的第n个元素的值,为bn的共轭转置,bn表示AH中的第n个列向量。
为了进一步说明,对本发明方法进行实验仿真。采用的调制方式分别为4QAM和16QAM,OFDM符号中的子载波的个数为N=256,其中数据子载波的个数为136,空子载波的个数为120。另外,为了与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法的性能进行比较,定义估计均方误差其中,i表示米德尔顿A类模型产生的脉冲噪声,表示各个方法估计的脉冲噪声的估计值;并定义误比特率其中,Pe表示错误的比特数,Pt表示全部比特数。
图2给出了本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用4QAM调制方式在不同信噪比(SNR)下的估计均方误差(EMSE)的变化情况图。由图2可知,随着信噪比的增加,四种方法的估计均方误差均呈下降趋势,而相比较于现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,本发明方法在相同信噪比情况下的估计均方误差最小。
图3给出了本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用4QAM调制方式在不同信噪比(SNR)下的误比特率(BER)的变化情况图。由图3可知,随着信噪比的增加,四种方法的误比特率均呈下降趋势,并且在信噪比增加时,本发明方法比现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法的误比特率性能优势更加明显。
图4给出了本发明方法与现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法,采用16QAM调制方式在不同信噪比(SNR)下的误比特率(BER)的变化情况图。由于16QAM星座点变多,两个星座点间距离变小,容易发生误判,所以造成误比特率上升。由图4可知,随着信噪比的增加,四种方法的误比特率均呈下降趋势,虽然相对于图3中4QAM调制方式,四种方法的误比特率有所上升,但在16QAM调制方式情况下,信噪比增加时,本发明方法仍然比现有的正交匹配追踪、L1范数最小化方法和光滑L0范数最小化方法的误比特率低。
Claims (3)
1.一种电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其特征在于包括以下步骤:
步骤一:在基于OFDM的电力线通信系统的发送端,将发送端的初始二进制数据序列记为B;然后将B编译为多个定长码字,且每个定长码字中包含有(N-M)个数据;接着从多个定长码字中任意选取一个定长码字,将该定长码字记为C,并以列向量形式将C表示为C=[c1,c2,…,c(N-M)]T;之后通过正交振幅调制将C映射为一个包含有(N-M)个数据的OFDM符号,并在该OFDM符号的末端补M个0使得该OFDM符号的长度变为N,将补0后的OFDM符号记为D,以列向量形式将D表示为D=[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T;再将D中的前(N-M)个数据加载到(N-M)个子载波上,该(N-M)个子载波为数据子载波,并将D中的后M个数据加载到M个子载波上,该M个子载波为空子载波;同时对D进行离散傅里叶反变换,转换得到D对应的离散时域信号,记为U,U=FHD=[u1,u2,…,uN]T;而后在U的头部加上用于防止符号间干扰的循环前缀;最后将加有循环前缀的离散时域信号通过基于OFDM的电力线通信系统的信道传输给基于OFDM的电力线通信系统的接收端;其中,B的长度至少大于2(N-M),N表示OFDM符号中的子载波的总个数,N>2,M表示OFDM符号中的空子载波的总个数,1<M<N,C的维数为(N-M)×1,符号“[]”为向量表示符号,[c1,c2,…,c(N-M)]T为[c1,c2,…,c(N-M)]的转置,c1,c2,…,c(N-M)对应表示C中的第1个数据、第2个数据、…、第(N-M)个数据,D的维数为N×1,[d1,d2,…,d(N-M),d(N-M)+1,…,dN]T为[d1,d2,…,d(N-M),d(N-M)+1,…,dN]的转置,d1,d2,…,d(N-M),d(N-M)+1,…,dN对应表示D中的第1个数据、第2个数据、…、第(N-M)个数据、第(N-M)+1个数据、…、第N个数据,U的维数为N×1,F表示维数为N×N的离散傅里叶变换范德蒙德矩阵,FH为F的厄米特变换即F的共轭转置,[u1,u2,…,uN]T为[u1,u2,…,uN]的转置,u1,u2,…,uN对应表示U中的第1个数据、第2个数据、…、第N个数据;
步骤二:在基于OFDM的电力线通信系统的接收端,将接收端接收到的带有脉冲噪声干扰的离散时域信号的头部的循环前缀去掉,将去掉循环前缀后的带有脉冲噪声干扰的离散时域信号记为y,y=GU+i+ε;并构造一个维数为M×N的空子载波矩阵,记为Φ,Φ由F中的第N-M+1行至第N行构成;然后在y=GU+i+ε的等号的两边同时乘以Φ,得到Φy=ΦGU+Φi+Φε;接着根据OFDM符号中的各个子载波之间的正交性,将Φy=ΦGU+Φi+Φε转化为Φy=Φi+Φε;再令r=Φi+Φε,并令v=Φε,将r=Φi+Φε转化为r=Φi+v;其中,G表示维数为N×N的信道循环卷积矩阵, 为对基于OFDM的电力线通信系统的信道进行估计获取的N个脉冲响应值再经归一化处理后得到的值,i表示脉冲噪声,ε表示高斯噪声,r的维数为M×1,即v服从均值为0、方差为σ2的高斯噪声分布,为高斯噪声分布表示形式,IM表示维数为M×M的单位矩阵;
步骤三:利用稀疏迭代协方差估计完成脉冲噪声i的功率的求解,其具体步骤如下:
1)将Φ作为导频矩阵,并将Φ描述为Φ=[a1,a2,…,aN];然后根据Φ=[a1,a2,…,aN],将r=Φi+v改写为其中,a1,a2,…,aN对应表示Φ中的第1个列向量、第2个列向量、……、第N个列向量,a1,a2,aN的维数为M×1,n的初始值为1,1≤n≤N,an表示Φ中的第n个列向量,in为i中的第n个时域采样值;
3)将描述为然后计算r的协方差矩阵,记为R,接着将R定义为其中,E()表示求期望,vH为v的共轭转置,diag()表示矩阵的对角线元素,为σ2×IM(1),IM(1)表示IM的对角线上的第1个元素,为σ2×IM(2),IM(2)表示IM的对角线上的第2个元素,为σ2×IM(M),IM(M)表示IM的对角线上的第M个元素,rH为r的共轭转置,符号“| |”为求模符号,符号定义符号,A和P均为引入的中间变量,A=(AH)H,AH为A的共轭转置,(AH)H为AH的共轭转置,i1为i中的第1个时域采样值,i2为i中的第2个时域采样值,iN为i中的第N个时域采样值,b1,…,bN,bN+1,…,bN+M对应表示AH中的第1个列向量、……、第N个列向量、第N+1个列向量、……、第N+M个列向量,[p1,…,pN,pN+1,…,pN+M]表示脉冲噪声的功率和高斯噪声的功率组成的矩阵,p1,…,pN,pN+1,…,pN+M对应表示P的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素;
4)引入最小化协方差拟合准则将展开得到然后将简化为凸优化问题,描述为:接着将转化为约束条件为再引入一个变量Q,令Q=PAR-1,将转化为目标优化问题,描述为:约束条件为其中,tr()表示求矩阵的迹,j的初始值为1,1≤j≤N+M,bj表示AH中的第j个列向量,pj表示P的对角线上的第j个元素,min()表示求目标函数最小化,Q是一个维数为(N+M)×M的矩阵,Q满足QHA=IM,QH为Q的共轭转置,βj是维数为(N+M)×1的列向量β中的第j个元素,β=Qr=PAR-1r, 为bj的共轭转置;
5a)令k表示迭代次数,k的初始值为1;
5b)计算第k次迭代时Q的值,记为Q(k),Q(k)=P(k)AR-1(k);其中,P(k)表示第k次迭代时P的值,P(k)=diag([p1(k),…,pN(k),pN+1(k),…,pN+M(k)]),p1(k),…,pN(k),pN+1(k),…,pN+M(k)对应表示P(k)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,k=1时 为根据得到,R-1(k)为R(k)的逆,R(k)=AHP(k)A;
5d)利用柯西不等式:计算第k+1次迭代时P的值,记为P(k+1),P(k+1)=diag([p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)]);其中,p1(k+1),…,pN(k+1),pN+1(k+1),…,pN+M(k+1)对应表示P(k+1)的对角线上的第1个元素、……、第N个元素、第N+1个元素、……、第N+M个元素,将代入中得到
5e)判断迭代收敛条件是否成立,如果成立,则将P(k+1)作为P的最终估计值,记为中的前N个元素的值构成了脉冲噪声i的功率;并根据计算得到R的最终估计值,记为 否则,令k=k+1,然后返回步骤5b继续执行;其中,ξ为设定的收敛阈值,k=k+1中的“=”为赋值符号;
2.根据权利要求1所述的电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其特征在于所述的步骤二中,i由米德尔顿A类模型产生,米德尔顿A类模型中的脉冲指数为0.1、高斯噪声的方差为32.95、高斯噪声与脉冲噪声之间的平均功率比值为0.01。
3.根据权利要求1或2所述的电力线中稀疏迭代协方差估计的脉冲噪声抑制方法,其特征在于所述的步骤5e中,取ξ=10-3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597147.6A CN110493151B (zh) | 2019-07-04 | 2019-07-04 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597147.6A CN110493151B (zh) | 2019-07-04 | 2019-07-04 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493151A CN110493151A (zh) | 2019-11-22 |
CN110493151B true CN110493151B (zh) | 2021-10-19 |
Family
ID=68546710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597147.6A Active CN110493151B (zh) | 2019-07-04 | 2019-07-04 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493151B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111970028B (zh) * | 2020-07-10 | 2021-05-14 | 宁波大学 | 基于循环最小化的电力线通信系统脉冲噪声抑制方法 |
CN112631147B (zh) * | 2020-12-08 | 2023-05-02 | 国网四川省电力公司经济技术研究院 | 一种面向脉冲噪声环境的智能电网频率估计方法及系统 |
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 |
CN115378467B (zh) * | 2022-07-22 | 2024-04-16 | 华北电力大学(保定) | 一种基于分集信号抵消的电力线噪声样本提取方法 |
CN115567082B (zh) * | 2022-09-20 | 2024-05-14 | 国网四川省电力公司乐山供电公司 | 电力线通信的噪声抑制方法、装置、终端及可读存储介质 |
CN117639876B (zh) * | 2024-01-25 | 2024-04-23 | 南京理工大学 | 基于时空调制超表面的线性调频波抗干扰doa估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106506042A (zh) * | 2016-10-20 | 2017-03-15 | 宁波大学 | 基于l1/2范数正则化的电力线通信系统脉冲噪声抑制方法 |
CN106936743A (zh) * | 2017-03-16 | 2017-07-07 | 宁波大学 | 一种电力线通信系统脉冲噪声抑制方法 |
CN106992800A (zh) * | 2017-03-16 | 2017-07-28 | 宁波大学 | 基于迭代自适应算法的电力线通信系统脉冲噪声抑制方法 |
CN107360111A (zh) * | 2017-06-01 | 2017-11-17 | 宁波大学 | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 |
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 |
CN108616314A (zh) * | 2018-05-10 | 2018-10-02 | 宁波大学 | 一种基于ofdm的水声通信系统脉冲噪声抑制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8213525B2 (en) * | 2009-06-23 | 2012-07-03 | King Fahd University Of Petroleum And Minerals | Method of estimating and removing noise in OFDM systems |
US8625689B2 (en) * | 2010-07-09 | 2014-01-07 | Texas Instruments Incorporated | Time-domain link adaptation |
-
2019
- 2019-07-04 CN CN201910597147.6A patent/CN110493151B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106506042A (zh) * | 2016-10-20 | 2017-03-15 | 宁波大学 | 基于l1/2范数正则化的电力线通信系统脉冲噪声抑制方法 |
CN106936743A (zh) * | 2017-03-16 | 2017-07-07 | 宁波大学 | 一种电力线通信系统脉冲噪声抑制方法 |
CN106992800A (zh) * | 2017-03-16 | 2017-07-28 | 宁波大学 | 基于迭代自适应算法的电力线通信系统脉冲噪声抑制方法 |
CN107360111A (zh) * | 2017-06-01 | 2017-11-17 | 宁波大学 | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 |
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 |
CN108616314A (zh) * | 2018-05-10 | 2018-10-02 | 宁波大学 | 一种基于ofdm的水声通信系统脉冲噪声抑制方法 |
Non-Patent Citations (5)
Title |
---|
Analysis and modeling of impulsive noise in broad - band powerline communications;Zimmermann M等;《IEEE Transactions on Electromagnetic Compatibility》;20021231;全文 * |
OFDM系统的信道与脉冲噪声的联合估计方法;李有明等;《通信学报》;20180331;第39卷(第3期);全文 * |
基于压缩感知的电力线脉冲噪声抑制;邓蓉等;《电工技术学报》;20181231;第33卷(第23期);全文 * |
电力线通信系统中的脉冲干扰抑制研究;邹婷等;《移动通信》;20151231;全文 * |
面向5G的信道估计和信号检测算法研究;魏超;《中国博士学位论文 信息科技辑》;20190531;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110493151A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110493151B (zh) | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 | |
CN109922020B (zh) | 一种计算复杂度低的正交时频空调制的均衡方法 | |
CN108833311A (zh) | 联合时域聚类去噪与均衡判决的变换域二次估计方法 | |
Hrycak et al. | Low complexity equalization for doubly selective channels modeled by a basis expansion | |
CN102724147B (zh) | 一种水声正交频分复用的信道估计方法 | |
CN111431832B (zh) | 一种基于多维ofdm的信号调制方法和系统及mimo通信系统 | |
CN108616314B (zh) | 一种基于ofdm的水声通信系统脉冲噪声抑制方法 | |
CN107359906B (zh) | 低压电力线通信系统中脉冲噪声的抑制方法 | |
CN107332797B (zh) | 一种电力线ofdm通信系统中的信道估计方法 | |
CN106506430A (zh) | 一种基于压缩感知技术的补偿峰均比非线性失真的新算法 | |
CN110048972B (zh) | 一种水声正交频分复用信道估计方法及系统 | |
CN111431831A (zh) | 一种基于多维ofdm环境自适应调制方法和系统 | |
CN113381951A (zh) | 时变频选衰落信道下mftn联合信道估计与均衡方法 | |
CN112003801B (zh) | 一种信道冲击响应与脉冲噪声联合估计方法、系统及设备 | |
CN113852580A (zh) | 一种基于多级分离的mimo-otfs符号检测方法 | |
CN114513394B (zh) | 一种基于注意力机制图神经网络的信号调制格式识别方法、系统、装置及存储介质 | |
CN101026433B (zh) | 一种用于自适应调制编码的信噪比估算方法 | |
CN116388800A (zh) | 基于快速贝叶斯匹配追踪的脉冲噪声抑制方法 | |
CN112564830A (zh) | 一种基于深度学习的双模正交频分复用索引调制检测方法及装置 | |
CN111970028B (zh) | 基于循环最小化的电力线通信系统脉冲噪声抑制方法 | |
CN102025459A (zh) | 基于非参量估计ica的mimo-ofdm系统盲去卷积方法 | |
CN111970029B (zh) | 基于压缩感知的电力线通信系统脉冲噪声抑制方法 | |
CN113556305B (zh) | 适用于高频率选择性衰落的fbmc迭代信道均衡方法及系统 | |
CN111030741B (zh) | 快时变场景下用于多载波系统抑制干扰的预编码算法 | |
CN114598575A (zh) | 一种基于自注意机制的深度学习信道估计方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231228 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 315211, Fenghua Road, Jiangbei District, Zhejiang, Ningbo 818 Patentee before: Ningbo University |
|
TR01 | Transfer of patent right |