基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法及裝置制造方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法及裝置，該方法包括：S1.對(duì)M組相鄰信號(hào)幀的幀頭中的L點(diǎn)無(wú)幀體干擾部分或L點(diǎn)準(zhǔn)無(wú)幀體干擾部分進(jìn)行逐點(diǎn)相減，得到M段時(shí)域差分序列，所述時(shí)域差分序列長(zhǎng)度為L(zhǎng)；S2.用所述時(shí)域差分序列對(duì)窄帶干擾信號(hào)的頻率進(jìn)行粗估計(jì)，獲得窄帶干擾信號(hào)頻率的先驗(yàn)信息；S3.用時(shí)域差分序列構(gòu)成窄帶干擾信號(hào)的時(shí)域采樣序列，根據(jù)所述時(shí)域采樣序列，得到壓縮感知算法模型；S4.根據(jù)壓縮感知算法模型和窄帶干擾信號(hào)頻率的先驗(yàn)信息，采用基于先驗(yàn)信息輔助的壓縮感知算法，估計(jì)窄帶干擾信號(hào)的頻率、幅度和相位，得到窄帶干擾信號(hào)的估計(jì)。
【專(zhuān)利說(shuō)明】基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于通信【技術(shù)領(lǐng)域】，特別涉及基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法及裝置。
【背景技術(shù)】
[0002]在寬帶高速數(shù)據(jù)傳輸中，存在頻率選擇性衰落、時(shí)間選擇性衰落和窄帶噪聲干擾(Narrowband Interference, NBI)等，影響數(shù)據(jù)傳輸質(zhì)量。
[0003]目前，正交頻分復(fù)用(Orthogonal Frequency Division Multiplex, 0FDM)技術(shù)在電力線通信系統(tǒng)、數(shù)字電視廣播系統(tǒng)中都得到了廣泛的應(yīng)用。由于OFDM具有很好的頻率選擇性，它已經(jīng)應(yīng)用到各種數(shù)字信號(hào)傳輸系統(tǒng)中，如國(guó)際電聯(lián)的電力線通信系統(tǒng)標(biāo)準(zhǔn)、無(wú)線局域網(wǎng)、歐洲數(shù)字視頻地面廣播以及中國(guó)地面數(shù)字電視傳輸標(biāo)準(zhǔn)(Digital TelevisionMultimedia Broadcast, DTMB)等。其中，DTMB系統(tǒng)采用了時(shí)域同步正交頻分復(fù)用技術(shù)TDS-OFDM(Time Domain Synchronous OFDM),使用時(shí)域訓(xùn)練序列作為信號(hào)巾貞的保護(hù)間隔填充，時(shí)域訓(xùn)練序列還可用于同步和信道估計(jì)等。DTMB系統(tǒng)的多層復(fù)幀結(jié)構(gòu)如圖1所示。
[0004]在傳輸便捷、資源豐富的電力線信道中進(jìn)行高效數(shù)字通信得到了廣泛的研究和應(yīng)用，然而電力線信道環(huán)境惡劣，尤其是有嚴(yán)重的窄帶噪聲干擾；地面數(shù)字電視廣播系統(tǒng)中也存在窄帶干擾等問(wèn)題。同時(shí)，在TDS-OFDM系統(tǒng)中，窄帶干擾會(huì)降低信道估計(jì)準(zhǔn)確性，影響數(shù)據(jù)的正確解映射和解碼，嚴(yán)重影響數(shù)據(jù)的正確傳輸，因此，需要設(shè)計(jì)對(duì)抗窄帶干擾的方法。
[0005]現(xiàn)有的應(yīng)對(duì)窄帶干擾的方法性能不夠理想，尤其在較高強(qiáng)度的窄帶干擾下，數(shù)據(jù)的傳輸性能會(huì)嚴(yán)重惡化。如傳統(tǒng)的頻域交織等手段，雖然可以一定程度上降低窄帶干擾的影響，但是無(wú)法消除窄帶干擾，在窄帶干擾下效果不佳。現(xiàn)有的基于幀頭結(jié)構(gòu)優(yōu)化設(shè)計(jì)對(duì)抗窄帶干擾對(duì)同步性能的影響的方法，也不可以消除窄帶干擾。目前常見(jiàn)的基于線性預(yù)測(cè)算法估計(jì)窄帶干擾的方法，需要依賴(lài)于某種冗余資源，例如插入一定數(shù)量的虛擬子載波，或者必須進(jìn)行過(guò)采樣，或者在接收端需要使用多天線等；或者依賴(lài)于接收數(shù)據(jù)的二階統(tǒng)計(jì)量進(jìn)行窄帶干擾估計(jì)?，F(xiàn)有方法估計(jì)窄帶干擾所要占用的冗余資源降低了資源利用效率，而依賴(lài)于接收數(shù)據(jù)的統(tǒng)計(jì)信息的方法則使窄帶干擾估計(jì)性能受到接收數(shù)據(jù)統(tǒng)計(jì)信息準(zhǔn)確性的影響，導(dǎo)致估計(jì)性能不佳。進(jìn)一步地，在較弱的窄帶干擾和較強(qiáng)的信道噪聲環(huán)境下，現(xiàn)有的方法無(wú)法準(zhǔn)確地把窄帶干擾從信道噪聲中區(qū)分出來(lái)，無(wú)法準(zhǔn)確估計(jì)窄帶干擾信號(hào)的頻率和大小。

【發(fā)明內(nèi)容】

[0006](一)要解決的技術(shù)問(wèn)題
[0007]本發(fā)明所要解決的技術(shù)問(wèn)題是現(xiàn)有的窄帶干擾信號(hào)估計(jì)方法在多徑干擾嚴(yán)重、窄帶干擾強(qiáng)度較低或者信道噪聲較強(qiáng)的環(huán)境下，無(wú)法準(zhǔn)確估計(jì)窄帶干擾信號(hào)的頻率和大小的問(wèn)題。
[0008](二)技術(shù)方案[0009]為解決上述問(wèn)題，本發(fā)明提供基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法，該方法包括:
[0010]S1.對(duì)M組相鄰信號(hào)幀的幀頭中的L點(diǎn)無(wú)幀體干擾部分或L點(diǎn)準(zhǔn)無(wú)幀體干擾部分進(jìn)行逐點(diǎn)相減，得到M段時(shí)域差分序列，所述序列長(zhǎng)度為L(zhǎng) ；
[0011]S2.用所述時(shí)域差分序列對(duì)窄帶干擾信號(hào)的頻率進(jìn)行粗估計(jì)，獲得窄帶干擾信號(hào)頻率的先驗(yàn)信息；
[0012]S3.用時(shí)域差分序列構(gòu)成窄帶干擾信號(hào)的時(shí)域采樣序列，根據(jù)所述時(shí)域采樣序列，得到壓縮感知算法模型；
[0013]S4.根據(jù)壓縮感知算法模型和窄帶干擾信號(hào)頻率的先驗(yàn)信息，采用基于先驗(yàn)信息輔助的壓縮感知算法，估計(jì)窄帶干擾信號(hào)的頻率、幅度和相位，得到窄帶干擾信號(hào)的估計(jì)。
[0014]其中，在步驟SI中，所述信號(hào)幀包括幀頭和幀體，其中，幀頭為訓(xùn)練序列，幀體為單載波數(shù)據(jù)塊或OFDM數(shù)據(jù)塊，所述訓(xùn)練序列包括一段已知的訓(xùn)練序列、一段已知的訓(xùn)練序列及其循環(huán)前綴或兩段相同的已知的訓(xùn)練序列；所述已知的訓(xùn)練序列包括頻域二值偽隨機(jī)序列的離散傅里葉逆變換或時(shí)域二值偽隨機(jī)序列。
[0015]其中，在步驟SI中，所述無(wú)幀體干擾部分或準(zhǔn)無(wú)幀體干擾部分包括整個(gè)幀頭訓(xùn)練序列、包含部分信號(hào)幀間多徑干擾區(qū)域的訓(xùn)練序列或兩段相同已知訓(xùn)練序列構(gòu)成的幀頭中的第二段已知訓(xùn)練序列。
[0016]其中，在步驟S2中，所述粗估計(jì)包括:
[0017]S21.對(duì)所述M段時(shí)域差分序列補(bǔ)零后進(jìn)行傅里葉變換，得到M段頻域序列，所述頻域序列長(zhǎng)度為N ；
[0018]S22.依次提取每段頻域序列的相同位置的值構(gòu)成一個(gè)位置序列，共得到N個(gè)位置序列，所述位置序列長(zhǎng)度為M ；
[0019]S23.對(duì)每個(gè)位置序列進(jìn)行絕對(duì)值或絕對(duì)值平方的求和運(yùn)算，得到N個(gè)求和運(yùn)算結(jié)果;
[0020]S24.計(jì)算N個(gè)求和運(yùn)算結(jié)果的平均值，將所述平均值的常數(shù)倍設(shè)置為判別門(mén)限值；
[0021]S25.比較判別門(mén)限值與每個(gè)求和運(yùn)算結(jié)果的大小，將大于所述門(mén)限值的求和運(yùn)算結(jié)果所對(duì)應(yīng)位置序列進(jìn)行標(biāo)記，得到窄帶信號(hào)的頻率位置估計(jì)。
[0022]其中，在步驟S2中，所述先驗(yàn)信息為窄帶信號(hào)的頻率位置。
[0023]其中，在步驟S3中，所述窄帶干擾信號(hào)的時(shí)域采樣序列包括當(dāng)前信號(hào)幀與下一信號(hào)幀進(jìn)行逐點(diǎn)相減所得的時(shí)域差分序列或者當(dāng)前信號(hào)幀與其之后的M個(gè)相鄰信號(hào)幀兩兩進(jìn)行逐點(diǎn)相減所得的M段時(shí)域差分序列的平均值。
[0024]其中，在步驟S3中，所述壓縮感知算法模型為窄帶干擾信號(hào)時(shí)頻關(guān)系等式，即所述窄帶干擾時(shí)域采樣序列等于傅里葉逆變換矩陣乘以所述待估計(jì)的窄帶干擾頻域信號(hào)加上時(shí)域噪聲信號(hào)。
[0025]其中，在步驟S3中，所述壓縮感知算法為基于窄帶干擾信號(hào)頻率先驗(yàn)信息輔助的凸優(yōu)化算法或者基于窄帶干擾信號(hào)頻率先驗(yàn)信息輔助的貪婪算法，所述凸優(yōu)化算法包括內(nèi)點(diǎn)法、一階范數(shù)最小化算法；所述貪婪算法包括壓縮采樣匹配追蹤法、正交匹配追蹤法及其衍生算法、稀疏自適應(yīng)匹配追蹤法以及子空間追蹤法。[0026]可選的，該方法進(jìn)一步包括:
[0027]S5.利用窄帶干擾信號(hào)頻率的先驗(yàn)信息，將傅里葉逆變換矩陣乘以窄帶干擾信號(hào)的估計(jì)，再與所述窄帶干擾信號(hào)的時(shí)域采樣序列進(jìn)行殘差平方，得到殘差平方式，對(duì)殘差平方式進(jìn)行最小二乘計(jì)算，得到頻域窄帶干擾信號(hào)的估計(jì)；
[0028]S6.將所述頻域窄帶干擾信號(hào)的估計(jì)除以頻域衰減因子，其中第k個(gè)子載波上的頻域衰減因子為:
【權(quán)利要求】
1.基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)方法，其特征在于，該方法包括: 51.對(duì)M組相鄰信號(hào)幀的幀頭中的L點(diǎn)無(wú)幀體干擾部分或L點(diǎn)準(zhǔn)無(wú)幀體干擾部分進(jìn)行逐點(diǎn)相減，得到M段時(shí)域差分序列，所述時(shí)域差分序列長(zhǎng)度為L(zhǎng) ； 52.用所述時(shí)域差分序列對(duì)窄帶干擾信號(hào)的頻率進(jìn)行粗估計(jì)，獲得窄帶干擾信號(hào)頻率的先驗(yàn)信息； 53.用時(shí)域差分序列構(gòu)成窄帶干擾信號(hào)的時(shí)域采樣序列，根據(jù)所述時(shí)域采樣序列，得到壓縮感知算法模型； 54.根據(jù)壓縮感知算法模型和窄帶干擾信號(hào)頻率的先驗(yàn)信息，采用基于先驗(yàn)信息輔助的壓縮感知算法，估計(jì)窄帶干擾信號(hào)的頻率、幅度和相位，得到窄帶干擾信號(hào)的估計(jì)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟SI中，所述信號(hào)幀包括幀頭和幀體，其中，幀頭為訓(xùn)練序列，幀體為單載波數(shù)據(jù)塊或OFDM數(shù)據(jù)塊，所述訓(xùn)練序列包括一段已知的訓(xùn)練序列、一段已知的訓(xùn)練序列及其循環(huán)前綴或兩段相同的已知的訓(xùn)練序列；所述已知的訓(xùn)練序列包括頻域二值偽隨機(jī)序列的離散傅里葉逆變換或時(shí)域二值偽隨機(jī)序列。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟SI中，所述無(wú)幀體干擾部分或準(zhǔn)無(wú)幀體干擾部分包括整個(gè)幀頭訓(xùn)練序列、包含部分信號(hào)幀間多徑干擾區(qū)域的訓(xùn)練序列或兩段相同已知訓(xùn)練序列構(gòu)成的幀頭中的第二段已知訓(xùn)練序列。
4.根據(jù)權(quán)利要求 1所述的方法，其特征在于，在步驟S2中，所述粗估計(jì)包括: 521.對(duì)所述M段時(shí)域差分序列補(bǔ)零后進(jìn)行傅里葉變換，得到M段頻域序列，所述頻域序列長(zhǎng)度為N ； 522.依次提取每段頻域序列的相同位置的值構(gòu)成一個(gè)位置序列，共得到N個(gè)位置序列，所述位置序列長(zhǎng)度為M ； 523.對(duì)每個(gè)位置序列進(jìn)行絕對(duì)值或絕對(duì)值平方的求和運(yùn)算，得到N個(gè)求和運(yùn)算結(jié)果； 524.計(jì)算N個(gè)求和運(yùn)算結(jié)果的平均值，將所述平均值的常數(shù)倍設(shè)置為判別門(mén)限值； 525.比較判別門(mén)限值與每個(gè)求和運(yùn)算結(jié)果的大小，將大于所述門(mén)限值的求和運(yùn)算結(jié)果所對(duì)應(yīng)位置序列進(jìn)行標(biāo)記，得到窄帶信號(hào)的頻率位置估計(jì)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在步驟S2中，所述先驗(yàn)信息為窄帶信號(hào)的頻率位置。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟S3中，所述窄帶干擾信號(hào)的時(shí)域采樣序列包括當(dāng)前信號(hào)幀與下一信號(hào)幀進(jìn)行逐點(diǎn)相減所得的時(shí)域差分序列或者當(dāng)前信號(hào)幀與其之后的M個(gè)相鄰信號(hào)幀兩兩進(jìn)行逐點(diǎn)相減所得的M段時(shí)域差分序列的平均值。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟S3中，所述壓縮感知算法模型為窄帶干擾信號(hào)時(shí)頻關(guān)系等式，即所述窄帶干擾時(shí)域采樣序列等于傅里葉逆變換矩陣乘以所述待估計(jì)的窄帶干擾頻域信號(hào)加上時(shí)域噪聲信號(hào)。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟S3中，所述壓縮感知算法為基于窄帶干擾信號(hào)頻率先驗(yàn)信息輔助的凸優(yōu)化算法或者基于窄帶干擾信號(hào)頻率先驗(yàn)信息輔助的貪婪算法，其中，所述凸優(yōu)化算法包括內(nèi)點(diǎn)法、一階范數(shù)最小化算法；所述貪婪算法包括壓縮采樣匹配追蹤法、正交匹配追蹤法及其衍生算法、稀疏自適應(yīng)匹配追蹤法以及子空間追蹤法。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法進(jìn)一步包括:S5.利用窄帶干擾信號(hào)頻率的先驗(yàn)信息，將傅里葉逆變換矩陣乘以窄帶干擾信號(hào)的估計(jì)，再計(jì)算其與所述窄帶干擾信號(hào)的時(shí)域采樣序列的殘差平方，得到殘差平方式，對(duì)殘差平方式進(jìn)行最小二乘計(jì)算，得到頻域窄帶干擾信號(hào)的估計(jì)； S6.將所述頻域窄帶干擾信號(hào)的估計(jì)除以頻域衰減因子，其中第k個(gè)子載波上的頻域衰減因子為:
10.基于先驗(yàn)信息輔助的壓縮感知窄帶干擾估計(jì)裝置，其特征在于，該裝置包括: 幀頭差分模塊，用于對(duì)M組相鄰信號(hào)幀的幀頭中的L點(diǎn)無(wú)幀體干擾部分或L點(diǎn)準(zhǔn)無(wú)幀體干擾部分進(jìn)行逐點(diǎn)相減，得到M段時(shí)域差分序列，所述序列長(zhǎng)度為L(zhǎng) ； 先驗(yàn)信息粗估計(jì)模塊，用于用所得時(shí)域差分序列對(duì)窄帶干擾信號(hào)的頻率進(jìn)行粗估計(jì)，獲得窄帶干擾信號(hào)頻率的先驗(yàn)信息； 壓縮感知估計(jì)模塊，用于用時(shí)域差分序列構(gòu)成窄帶干擾信號(hào)的時(shí)域采樣序列，根據(jù)所述時(shí)域采樣序列，得到壓縮感知算法模型，并根據(jù)壓縮感知算法模型和窄帶干擾信號(hào)頻率的先驗(yàn)信息，采用基于先驗(yàn)信息輔助的壓縮感知算法，估計(jì)窄帶干擾信號(hào)的頻率、幅度和相位，得到窄帶干擾信號(hào)的估計(jì)。
【文檔編號(hào)】H04L27/26GK103780520SQ201410007442
【公開(kāi)日】2014年5月7日 申請(qǐng)日期:2014年1月7日 優(yōu)先權(quán)日:2014年1月7日
【發(fā)明者】楊昉, 劉思聰, 宋健, 潘長(zhǎng)勇 申請(qǐng)人:清華大學(xué)