CN117650957A - 噪声白化方法、装置、设备及存储介质 - Google Patents
噪声白化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117650957A CN117650957A CN202311705527.XA CN202311705527A CN117650957A CN 117650957 A CN117650957 A CN 117650957A CN 202311705527 A CN202311705527 A CN 202311705527A CN 117650957 A CN117650957 A CN 117650957A
- Authority
- CN
- China
- Prior art keywords
- noise
- noise whitening
- equalization
- whitening
- signal
- 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.)
- Pending
Links
- 230000002087 whitening effect Effects 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 46
- 238000001914 filtration Methods 0.000 claims description 31
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 abstract description 13
- 230000005540 biological transmission Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明涉及噪声处理技术领域,公开了一种噪声白化方法、装置、设备及存储介质,该方法包括:基于均衡信号和训练序列构建误差函数;基于误差函数进行计算,得到梯度信息;基于梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;基于目标抽头系数对有色噪声进行白化。本发明通过制定误差函数和计算梯度来更新噪声白化滤波器的抽头系数,解决了使用信道均衡技术克服带宽限制时,引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM‑DD传输速率的问题,实现对有色噪声的白化,使其功率谱平坦化,从而显著提升IM‑DD系统的性能,增加通信容量。
Description
技术领域
本发明涉及噪声处理技术领域,尤其涉及一种噪声白化方法、装置、设备及存储介质。
背景技术
在IM-DD通信系统中,实现单波200Gbps的数据传输是一项具有挑战性的任务。然而,通信器件的带宽限制不可避免地对信号波特率产生影响。尽管接收端可以使用信道均衡技术来克服这些带宽限制,但这也会引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率。
发明内容
本发明的主要目的在于提供一种噪声白化方法、装置、设备及存储介质,旨在解决现有技术使用信道均衡技术克服带宽限制时,引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率的技术问题。
为实现上述目的,本发明提供了一种噪声白化方法,所述方法包括以下步骤:
基于均衡信号和训练序列构建误差函数;
基于所述误差函数进行计算,得到梯度信息;
基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;
基于所述目标抽头系数对有色噪声进行白化。
可选地,所述基于均衡信号和训练序列构建误差函数,包括:
构建噪声白化滤波器;
将所述均衡信号和所述训练序列输入至所述噪声白化滤波器进行噪声滤波,得到第一滤波信号和第二滤波信号;
基于所述第一滤波信号和第二滤波信号进行计算,得到误差函数。
可选地,所述基于均衡信号和训练序列构建误差函数之前,还包括:
获取初始符号序列,其中,所述初始符号序列为通信接收机收到的带有码间串扰的符号序列;
将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号。
可选地,所述将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号,包括:
通过所述线性均衡器对所述初始符号序列进行线性均衡,得到去除码间串扰的符号序列和均衡增强的有色噪声;
基于所述去除码间串扰的符号序列和均衡增强的有色噪声,得到均衡信号。
可选地,所述获取初始符号序列之后,还包括:
将所述初始符号序列输入至非线性均衡器中进行非线性均衡,得到均衡信号。
可选地,所述基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数,包括:
基于所述梯度信息确定梯度方向和梯度步长;
将所述噪声白化滤波器的抽头系数沿所述梯度方向根据所述梯度步长进行调整,直至收敛,得到目标抽头系数。
可选地,所述基于所述目标抽头系数对有色噪声进行白化之后,还包括:
基于所述目标抽头系数确定最大似然序列估计;
通过所述最大似然序列估计对所述噪声白化滤波器引起的可控码间串扰进行译码,得到目标符号序列。
此外,为实现上述目的,本发明还提出一种噪声白化装置,所述噪声白化装置包括:
构建模块,用于基于均衡信号和训练序列构建误差函数;
计算模块,用于基于所述误差函数进行计算,得到梯度信息;
更新模块,用于基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;
白化模块,用于基于所述目标抽头系数对有色噪声进行白化。
此外,为实现上述目的,本发明还提出一种噪声白化设备,所述噪声白化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的噪声白化程序,所述噪声白化程序配置为实现如上文所述的噪声白化方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有噪声白化程序,所述噪声白化程序被处理器执行时实现如上文所述的噪声白化方法的步骤。
本发明通过基于均衡信号和训练序列构建误差函数;基于误差函数进行计算,得到梯度信息;基于梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;基于目标抽头系数对有色噪声进行白化。通过上述方式,通过制定误差函数和计算梯度来更新噪声白化滤波器的抽头系数,解决了使用信道均衡技术克服带宽限制时,引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率的问题,实现对有色噪声的白化,使其功率谱平坦化,从而显著提升IM-DD系统的性能,增加通信容量。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的噪声白化设备的结构示意图;
图2为本发明噪声白化方法第一实施例的流程示意图;
图3为本发明噪声白化方法第二实施例的流程示意图;
图4为本发明噪声白化方法一实施例的基于梯度下降的线性噪声白化算法示意图;
图5为本发明噪声白化方法一实施例的基于梯度下降的非线性噪声白化算法示意图;
图6为本发明噪声白化装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的噪声白化设备结构示意图。
如图1所示,该噪声白化设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对噪声白化设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及噪声白化程序。
在图1所示的噪声白化设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明噪声白化设备中的处理器1001、存储器1005可以设置在噪声白化设备中,所述噪声白化设备通过处理器1001调用存储器1005中存储的噪声白化程序,并执行本发明实施例提供的噪声白化方法。
本发明实施例提供了一种噪声白化方法,参照图2,图2为本发明噪声白化方法第一实施例的流程示意图。
本实施例中,所述噪声白化方法包括以下步骤:
步骤S10:基于均衡信号和训练序列构建误差函数。
需要说明的是,本实施例的执行主体为噪声白化设备,还可以为其他相同或相似功能的设备,本实施例对此不作具体限制,本实施例以噪声白化设备为例进行说明。
可以理解的是,所述均衡信号是指均衡器的输出信号,可以为线性均衡器的输出信号或非线性均衡器的输出信号,本实施例对此不作具体限制。
在具体实现中,将均衡信号和训练序列输入至噪声白化滤波器,根据噪声白化滤波器的输出构建误差函数。
步骤S20:基于所述误差函数进行计算,得到梯度信息。
需要说明的是,计算误差函数相对于噪声白化滤波器抽头的梯度,并获取梯度方向,基于梯度方向和预先设置的梯度步长,得到梯度信息。
可以理解的是,计算误差函数相对于噪声白化滤波器抽头的梯度,通常通过计算均方误差函数MSE的梯度。
在具体实现中,对于每个抽头系数α,计算误差函数的偏导数,形成梯度向量。计算出误差函数关于噪声白化滤波器的抽头在时刻n的梯度,如下
式1:
在式1中,αM为噪声白化滤波器的抽头系数,M为抽头的个数,e(n)2为误差函数,O(n)为均衡信号经过噪声白化滤波器后的输出,即第一滤波信号,TS(n)为训练序列经过噪声白化滤波器后的输出,即第二滤波信号,n为时刻,表示被均衡增强的有色噪声。
步骤S30:基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数。
需要说明的是,根据梯度信息将噪声白化滤波器的权重值朝着梯度的负方向进行调整,以找到全局最优点,得到最优抽头系数,即目标抽头系数。
进一步地,所述基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数,包括:基于所述梯度信息确定梯度方向和梯度步长;将所述噪声白化滤波器的抽头系数沿所述梯度方向根据所述梯度步长进行调整,直至收敛,得到目标抽头系数。
需要说明的是,使用梯度信息,将噪声白化滤波器的权重值朝着梯度的负方向进行调整,以找到全局最优点,并控制下降的步长以确保算法的稳定性和收敛性,一般情况下所述梯度步长可以设置为0.005,本实施例对此不作具体限制。
在具体实现中,噪声白化滤波器的抽头更新,如下式2:
在式2中,α(n+1)为更新后的抽头系数,α(n)为更新前的抽头系数,μ为梯度下降的步长,O(n)为均衡信号经过噪声白化滤波器后的输出,即第一滤波信号,TS(n)为训练序列经过噪声白化滤波器后的输出,即第二滤波信号,n为时刻,表示被均衡增强的有色噪声,M为抽头的个数。
值得说明的是,通过最小化误差函数来更新噪声白化滤波器的权重值。本实施例中,将均方误差作为误差函数。然而,也可以采用最小二乘法、共轭梯度下降算法、拟牛顿优化算法等优化算法作为误差函数来更新滤波器的抽头,本实施例对此不作具体限制。例如,通过最小二乘法更新滤波器的抽头系数,如下式3至式5:
α(n+1)=α(n)-GT×(e(n))* (式3)
G=Δ×e(n)T/(λ+(e(n))*×Δ×e(n)T) (式4)
Δ=1/λ×(Δ-G×e(n)×Δ) (式5)
在式3至式5中,α(n+1)为更新后的抽头系数,α(n)为更新前的抽头系数,TS(n)为训练序列经过噪声白化滤波器后的输出,e(n)为误差,G为增益向量,Δ为相关矩阵,λ为遗忘因子。
步骤S40:基于所述目标抽头系数对有色噪声进行白化。
需要说明的是,有色噪声指的是功率谱密度在频率上不是均匀的噪声。有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率。
可以理解的是,通过目标抽头系数的噪声白化滤波器对有色噪声进行白化,使其功率谱平坦化,从而显著提升IM-DD系统的性能,增加通信容量。
进一步地,所述基于所述目标抽头系数对有色噪声进行白化之后,还包括:基于所述目标抽头系数确定最大似然序列估计;通过所述最大似然序列估计对所述噪声白化滤波器引起的可控码间串扰进行译码,得到目标符号序列。
需要说明的是,最大似然序列估计用于估计在接收端观测到的信号序列最可能的发送序列,尤其是在码间干扰存在的情况下,以提高解码性能。
可以理解的是,通过最大似然序列估计解码经过白化处理后的信号,以还原发送端发送的符号序列。
本实施例通过基于均衡信号和训练序列构建误差函数;基于误差函数进行计算,得到梯度信息;基于梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;基于目标抽头系数对有色噪声进行白化。通过上述方式,通过制定误差函数和计算梯度来更新噪声白化滤波器的抽头系数,解决了使用信道均衡技术克服带宽限制时,引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率的问题,实现对有色噪声的白化,使其功率谱平坦化,从而显著提升IM-DD系统的性能,增加通信容量。
参考图3,图3为本发明噪声白化方法第二实施例的流程示意图。
基于上述第一实施例,本实施例噪声白化方法中所述步骤S10,包括:
步骤S101:构建噪声白化滤波器。
需要说明的是,噪声白化滤波器用于逆转有色噪声的颜色,使得输出信号的功率谱密度在频率上更均匀,类似于白噪声,以提高信号的质量和可靠性。
可以理解的是,为了使有色噪声EECN的功率谱变得平整,构建噪声白化滤波器,其Z变换影响,如下式6:
在式6中,HGD-NM为噪声白化滤波器,αN为滤波器的抽头系数,N为滤波器长度,其中,N=1,2,…,M,M为抽头的个数。
步骤S102:将所述均衡信号和所述训练序列输入至所述噪声白化滤波器进行噪声滤波,得到第一滤波信号和第二滤波信号。
需要说明的是,将均衡信号输入至噪声白化滤波器进行噪声滤波,得到噪声白化滤波器的输出,即为第一滤波信号。
可以理解的是,在均衡信号为被线性均衡后的信号时,被线性均衡后的信号经过噪声白化滤波器后,可以表示为噪声白化滤波器的输出,即第一滤波信号,如下式7:
在式7中,O(n)为均衡信号经过噪声白化滤波器后的输出,即第一滤波信号,为均衡后的信号,即均衡信号,/>为滤波器的抽头系数,kL为滤波器长度,其中,kL=1,2,…,M,M为抽头的个数。
值得说明的是,训练序列是指少量的已知符号的训练序列,将训练序列输入至噪声白化滤波器进行噪声滤波,得到噪声白化滤波器的输出,即为第二滤波信号。
可以理解的是,使用少量的已知符号的训练序列来使算法得到收敛,训练序列同样经过噪声白化滤波器,可以表示为噪声白化滤波器的输出,即第二滤波信号,如下式8:
在式8中,TS(n)为训练序列经过噪声白化滤波器后的输出,即第二滤波信号,x(n)为少量的已知符号的训练序列,αkL为滤波器的抽头系数,kL为滤波器长度,其中,kL=1,2,…,M,M为抽头的个数。
步骤S103:基于所述第一滤波信号和第二滤波信号进行计算,得到误差函数。
需要说明的是,误差定义为均衡信号和训练序列噪声经过白化滤波器输出的差值,即第一滤波信号和第二滤波信号的差值。
可以理解的是,根据第一滤波信号和第二滤波信号计算得到误差,根据误差求均方误差,得到误差函数。
在具体实现中,计算均衡信号和训练序列噪声经过白化滤波器输出的差值,得到误差,如下式9:
在式9中,e(n)为误差,O(n)为均衡信号经过噪声白化滤波器后的输出,即第一滤波信号,TS(n)为训练序列经过噪声白化滤波器后的输出,即第二滤波信号,为均衡信号,x(n)为少量的已知符号的训练序列,/>为滤波器的抽头系数,kL为滤波器长度,其中,kL=1,2,…,M,M为抽头的个数,/>表示被均衡增强的有色噪声。
值得说明的是,本实施例,误差函数可以定义为均方误差,如下式10:
MSE=E{e(n)2} (式10)
在式10中,MSE为均方误差,即误差函数,e(n)为误差。
进一步地,所述基于均衡信号和训练序列构建误差函数之前,还包括:获取初始符号序列,其中,所述初始符号序列为通信接收机收到的带有码间串扰的符号序列;将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号。
需要说明的是,初始符号序列r(n)是通信接收机收到的带有码间串扰的符号序列。
可以理解的是,码间串扰(ISI)是数字通信系统中的一种问题,它发生在相邻符号之间的干扰导致接收端难以正确识别符号,这种干扰主要由信号在传输通道中的传播引起,通常因为信号的带宽限制或信号传播路径中的多路径效应。在数字通信系统中,发送的符号在经过信道传输后,会受到前一个和/或后一个符号的影响,导致符号间的干扰,这会导致接收端在采样时无法准确识别符号,从而降低了通信系统的性能。
如图4所示,图4为基于梯度下降的线性噪声白化算法示意图,线性噪声白化算法包括线性均衡器、线性噪声白化滤波器、解码器,通信接收机收到的带有码间串扰的符号序列r(n)经过线性均衡器进行线性均衡,输出均衡信号线性噪声白化滤波器对均衡信号/>进行噪声滤波,得到均衡信号经过噪声白化滤波器后的输出O(n),训练序列x(n)经过线性噪声白化滤波器进行噪声滤波,得到训练序列经过噪声白化滤波器后的输出TS(n),最后经过解码器进行译码,得到符号序列。
进一步地,所述将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号,包括:通过所述线性均衡器对所述初始符号序列进行线性均衡,得到去除码间干扰的符号序列和均衡增强的有色噪声;基于所述去除码间干扰的符号序列和均衡增强的有色噪声,得到均衡信号。
需要说明的是,线性均衡器是数字通信系统中用于对抗码间串扰的一种常见工具,它通过调整接收信号的权重系数,以抵消信号在传输过程中引起的符号间干扰,从而恢复原始的符号序列。线性均衡器的基本思想是在接收端对收到的信号进行线性组合,使得在采样时对前一个和后一个符号的影响尽可能减小。
可以理解的是,在经过线性均衡器后,码间串扰被完全消除,但是均衡后的信号却被有色噪声EECN所影响,如下式11:
在式11中,为均衡信号,x(n)为去除码间干扰的符号序列,/>表示被均衡增强的有色噪声。
进一步地,所述获取初始符号序列之后,还包括:将所述初始符号序列输入至非线性均衡器中进行非线性均衡,得到均衡信号。
需要说明的是,与线性均衡器不同,非线性均衡器引入了非线性元素,以更灵活地适应复杂的信道特性和非线性失真。
可以理解的是,通过非线性均衡器中进行非线性均衡可以引入非线性抽头,以应对非线性损伤并完成有色噪声的白化处理,能够同时处理非线性损伤和有色噪声,从而提供更全面的性能优化。
如图5所示,图5为基于梯度下降的非线性噪声白化算法示意图,非线性噪声白化算法包括非线性均衡器、非线性噪声白化滤波器、解码器,通信接收机收到的带有码间串扰的符号序列r(n)经过非线性均衡器进行线性均衡,输出均衡信号非线性噪声白化滤波器对均衡信号/>进行噪声滤波,得到均衡信号经过非噪声白化滤波器后的输出O(n),训练序列x(n)经过非线性噪声白化滤波器进行噪声滤波,得到训练序列经过非噪声白化滤波器后的输出TS(n),最后经过解码器进行译码,得到符号序列。
本实施例通过构建噪声白化滤波器;将所述均衡信号和所述训练序列输入至所述噪声白化滤波器进行噪声滤波,得到第一滤波信号和第二滤波信号;基于所述第一滤波信号和第二滤波信号进行计算,得到误差函数。通过上述方式,通过噪声白化滤波器对均衡信号和训练序列进行滤波,从而得到误差函数,提高梯度信息的准确性,从而提高有色噪声白化的效果。
参照图6,图6为本发明噪声白化装置第一实施例的结构框图。
如图6所示,本发明实施例提出的噪声白化装置包括:
构建模块10,用于基于均衡信号和训练序列构建误差函数。
计算模块20,用于基于所述误差函数进行计算,得到梯度信息。
更新模块30,用于基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数。
白化模块40,用于基于所述目标抽头系数对有色噪声进行白化。
本实施例通过基于均衡信号和训练序列构建误差函数;基于误差函数进行计算,得到梯度信息;基于梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;基于目标抽头系数对有色噪声进行白化。通过上述方式,通过制定误差函数和计算梯度来更新噪声白化滤波器的抽头系数,解决了使用信道均衡技术克服带宽限制时,引入均衡增强有色噪声,导致噪声功率谱不均匀,从而降低IM-DD传输速率的问题,实现对有色噪声的白化,使其功率谱平坦化,从而显著提升IM-DD系统的性能,增加通信容量。
在一实施例中,所述构建模块10,还用于构建噪声白化滤波器;将所述均衡信号和所述训练序列输入至所述噪声白化滤波器进行噪声滤波,得到第一滤波信号和第二滤波信号;基于所述第一滤波信号和第二滤波信号进行计算,得到误差函数。
在一实施例中,所述构建模块10,还用于获取初始符号序列,其中,所述初始符号序列为通信接收机收到的带有码间串扰的符号序列;将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号。
在一实施例中,所述构建模块10,还用于通过所述线性均衡器对所述初始符号序列进行线性均衡,得到去除码间串扰的符号序列和均衡增强的有色噪声;基于所述去除码间串扰的符号序列和均衡增强的有色噪声,得到均衡信号。
在一实施例中,所述构建模块10,还用于将所述初始符号序列输入至非线性均衡器中进行非线性均衡,得到均衡信号。
在一实施例中,所述更新模块30,还用于基于所述梯度信息确定梯度方向和梯度步长;将所述噪声白化滤波器的抽头系数沿所述梯度方向根据所述梯度步长进行调整,直至收敛,得到目标抽头系数。
在一实施例中,所述白化模块40,还用于基于所述目标抽头系数确定最大似然序列估计;通过所述最大似然序列估计对所述噪声白化滤波器引起的可控码间串扰进行译码,得到目标符号序列。
此外,为实现上述目的,本发明还提出一种噪声白化设备,所述噪声白化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的噪声白化程序,所述噪声白化程序配置为实现如上文所述的噪声白化方法的步骤。
由于本噪声白化设备采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有噪声白化程序,所述噪声白化程序被处理器执行时实现如上文所述的噪声白化方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的噪声白化方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
应该理解的是,虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read OnlyMemory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种噪声白化方法,其特征在于,所述方法包括:
基于均衡信号和训练序列构建误差函数;
基于所述误差函数进行计算,得到梯度信息;
基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;
基于所述目标抽头系数对有色噪声进行白化。
2.如权利要求1所述的方法,其特征在于,所述基于均衡信号和训练序列构建误差函数,包括:
构建噪声白化滤波器;
将所述均衡信号和所述训练序列输入至所述噪声白化滤波器进行噪声滤波,得到第一滤波信号和第二滤波信号;
基于所述第一滤波信号和第二滤波信号进行计算,得到误差函数。
3.如权利要求1所述的方法,其特征在于,所述基于均衡信号和训练序列构建误差函数之前,还包括:
获取初始符号序列,其中,所述初始符号序列为通信接收机收到的带有码间串扰的符号序列;
将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号。
4.如权利要求3所述的方法,其特征在于,所述将所述初始符号序列输入至线性均衡器中进行线性均衡,得到均衡信号,包括:
通过所述线性均衡器对所述初始符号序列进行线性均衡,得到去除码间串扰的符号序列和均衡增强的有色噪声;
基于所述去除码间串扰的符号序列和均衡增强的有色噪声,得到均衡信号。
5.如权利要求4所述的方法,其特征在于,所述获取初始符号序列之后,还包括:
将所述初始符号序列输入至非线性均衡器中进行非线性均衡,得到均衡信号。
6.如权利要求1所述的方法,其特征在于,所述基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数,包括:
基于所述梯度信息确定梯度方向和梯度步长;
将所述噪声白化滤波器的抽头系数沿所述梯度方向根据所述梯度步长进行调整,直至收敛,得到目标抽头系数。
7.如权利要求1所述的方法,其特征在于,所述基于所述目标抽头系数对有色噪声进行白化之后,还包括:
基于所述目标抽头系数确定最大似然序列估计;
通过所述最大似然序列估计对所述噪声白化滤波器引起的可控码间串扰进行译码,得到目标符号序列。
8.一种噪声白化装置,其特征在于,所述噪声白化装置包括:
构建模块,用于基于均衡信号和训练序列构建误差函数;
计算模块,用于基于所述误差函数进行计算,得到梯度信息;
更新模块,用于基于所述梯度信息更新噪声白化滤波器的抽头系数,得到目标抽头系数;
白化模块,用于基于所述目标抽头系数对有色噪声进行白化。
9.一种噪声白化设备,其特征在于,所述噪声白化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的噪声白化程序,所述噪声白化程序配置为实现如权利要求1至7中任一项所述的噪声白化方法。
10.一种存储介质,其特征在于,所述存储介质上存储有噪声白化程序,所述噪声白化程序被处理器执行时实现如权利要求1至7中任一项所述的噪声白化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705527.XA CN117650957A (zh) | 2023-12-12 | 2023-12-12 | 噪声白化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705527.XA CN117650957A (zh) | 2023-12-12 | 2023-12-12 | 噪声白化方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117650957A true CN117650957A (zh) | 2024-03-05 |
Family
ID=90049339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311705527.XA Pending CN117650957A (zh) | 2023-12-12 | 2023-12-12 | 噪声白化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117650957A (zh) |
-
2023
- 2023-12-12 CN CN202311705527.XA patent/CN117650957A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1365554B1 (en) | Computation of coefficients for a decision feedback equaliser with variable delay | |
CN108650201B (zh) | 基于神经网络的信道均衡方法、译码方法及对应设备 | |
EP1430675B1 (en) | Fast computation of mimo decision feedback equalizer coefficients | |
EP1430672B1 (en) | Fast computation of decision feedback equalizer coefficients | |
US8396440B2 (en) | Signal reception method and apparatus for non-stationary channels | |
US7006564B2 (en) | Adaptive equalizer | |
CN109246039B (zh) | 一种基于双向时域均衡的软信息迭代接收方法 | |
CN112929308B (zh) | 基于最大相关熵和分数阶常模盲均衡的信道畸变消除方法 | |
CN113300988B (zh) | 低频水声通信的模态间干扰抑制方法 | |
JP4682983B2 (ja) | エルミート最適化法を用いて通信用受信機のイコライザのフィルタ係数を計算する方法 | |
JP2008535403A (ja) | 等化制御に関する方法及び装置 | |
CN117650957A (zh) | 噪声白化方法、装置、设备及存储介质 | |
WO2012127740A1 (ja) | 伝送路推定装置、伝送路推定方法、及び受信装置 | |
EP1714449B1 (en) | Method and apparatus to perform channel estimation for a communication system | |
CN114143152B (zh) | 基于分数阶相关熵和分数阶梯度的恒模盲均衡方法 | |
JP2022183142A (ja) | 通信リンク等化処理、コンピューティング装置及びイコライザ最適化方法 | |
Shwetha et al. | Convergence analysis of self-adaptive equalizers using evolutionary programming (EP) and least mean square (LMS) | |
Glentis et al. | Electronic dispersion compensation of fiber links using sparsity induced volterra equalizers | |
US6704354B1 (en) | Method and apparatus of providing adaptive equalization using sign permutation filtering | |
CN107005307A (zh) | 一种设置均衡装置的方法及均衡装置 | |
CN112769720B (zh) | 信道均衡的方法、装置、计算机设备和介质 | |
CN108616466B (zh) | 信道并行均衡方法及装置 | |
TWI337473B (en) | Method and apparatus for equalization control | |
JP6490020B2 (ja) | 受信装置 | |
CN117938591A (zh) | 一种低复杂度单载波时域均衡方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |