本發(fā)明涉及一種脈沖噪聲估計(jì)技術(shù)，尤其是涉及一種基于迭代自適應(yīng)算法的電力線通信系統(tǒng)脈沖噪聲抑制方法。
背景技術(shù)：
：隨著智能電網(wǎng)的快速發(fā)展，電力線通信(powerlinecommunication，plc)已逐漸進(jìn)入人們的視野。電力線通信是一種利用電力線介質(zhì)進(jìn)行數(shù)據(jù)傳輸?shù)耐ㄐ欧绞?，其早期的研究工作始?0世紀(jì)40年代，當(dāng)時的工程師以變電站投切為研究目標(biāo)，研究了計(jì)量和負(fù)荷控制的問題。但是，受限于無線電頻譜，當(dāng)時的電力線通信研究工作并未展開。直到20世紀(jì)80年代，有關(guān)電力線通信的研究工作才開始變得活躍起來。但是，由于電力線設(shè)計(jì)之初并沒有考慮到數(shù)據(jù)信號的傳輸，其基本上不具備有線通信媒介所必備的電氣特性，存在系統(tǒng)穩(wěn)定性差、噪聲干擾嚴(yán)重等問題，因此極大地限制了它的發(fā)展。其中，噪聲干擾是影響電力線通信系統(tǒng)性能的首要問題。一般而言，電力線通信系統(tǒng)中的噪聲干擾是由連接在電力線上的電氣設(shè)備或者通過輻射和傳導(dǎo)耦合在能量節(jié)點(diǎn)的外部噪聲產(chǎn)生。根據(jù)噪聲特性的不同，噪聲被分為以下五類，包括有色背景噪聲、窄帶噪聲、與主頻同步的周期脈沖噪聲、與主頻異步的周期脈沖噪聲、異步脈沖噪聲，其中，與主頻異步的周期脈沖噪聲和異步脈沖噪聲的功率譜密度要遠(yuǎn)遠(yuǎn)高于有色背景噪聲的功率譜密度，因此，與主頻異步的周期脈沖噪聲和異步脈沖噪聲是影響電力線通信系統(tǒng)性能的主要因素。在電力線通信系統(tǒng)中，其拓?fù)浣Y(jié)構(gòu)與傳統(tǒng)的無線通信系統(tǒng)、光通信系統(tǒng)不同，因此造成信道特性復(fù)雜，多徑效應(yīng)明顯。為了對抗多徑效應(yīng)，多載波正交頻分復(fù)用(orthogonalfrequencydivisionmultiplexing，ofdm)技術(shù)在電力線通信系統(tǒng)中被廣泛采用。ofdm技術(shù)能夠有效的應(yīng)對頻率選擇性衰落信道，因此ofdm技術(shù)對異步脈沖噪聲的敏感度要比單載波對異步脈沖噪聲的敏感度小很多。但是，實(shí)測表明，在傳統(tǒng)的無線通信系統(tǒng)、光通信系統(tǒng)中，傳統(tǒng)的ofdm接收機(jī)能夠較好的抑制異步脈沖噪聲；但在電力線通信系統(tǒng)中，當(dāng)異步脈沖噪聲的能量低于某個門限值時，傳統(tǒng)的ofdm接收機(jī)可以較好的抑制異步脈沖噪聲，而當(dāng)異步脈沖噪聲的能量超過某個門限值時，例如比有色背景噪聲高10～20db左右時，信號衰落嚴(yán)重，因此必須采用相應(yīng)的技術(shù)來抑制異步脈沖噪聲。常用的采用ofdm技術(shù)的異步脈沖噪聲抑制方法可以分為參數(shù)化方法和非參數(shù)化方法兩類。參數(shù)化方法的基本原理是認(rèn)為異步脈沖噪聲的幅值會遠(yuǎn)超過發(fā)送信號的幅值，可以通過設(shè)定門限值用于消除異步脈沖噪聲。通常，該門限值的求解依賴于異步脈沖噪聲的功率、有色背景噪聲的功率和發(fā)送信號的功率，因此需要對異步脈沖噪聲進(jìn)行建模并估計(jì)出上述功率。典型的參數(shù)化方法有消隱法、限幅法和聯(lián)合消隱限幅法，這些方法通過設(shè)定門限值對信號進(jìn)行非線性處理，用于消除異步脈沖噪聲。參數(shù)化方法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡單，缺點(diǎn)是接收端會將幅值較大的接收信號誤認(rèn)為異步脈沖噪聲，進(jìn)而被抑制掉，導(dǎo)致有效信號丟失，增大了誤碼率。非參數(shù)化方法基于壓縮感知理論，利用異步脈沖噪聲的時域稀疏特性對異步脈沖噪聲進(jìn)行估計(jì)和抑制?？紤]到電力線通信系統(tǒng)中異步脈沖噪聲的發(fā)生概率很低，在時域上可以視異步脈沖噪聲為稀疏信號，因此可以使用基于壓縮感知(compressedsensing，cs)理論的信號估計(jì)算法對異步脈沖噪聲進(jìn)行估計(jì)和消除。典型的非參數(shù)化方法有l(wèi)1范數(shù)最小化方法和光滑l0范數(shù)最小化方法，這些方法可以較為準(zhǔn)確的估計(jì)出異步脈沖噪聲，從而在接收信號中減去異步脈沖噪聲的估計(jì)值，完成對異步脈沖噪聲的抑制，但是，這些方法所適用的脈沖噪聲模型為伯努利高斯模型，其較為單一，在更加接近實(shí)際情況的米德爾頓a類模型和高斯混合模型下，這些方法的估計(jì)性能較差。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是提供一種基于迭代自適應(yīng)算法的電力線通信系統(tǒng)脈沖噪聲抑制方法，其能夠有效抑制掉異步脈沖噪聲并保留有效信號；且能夠適用于伯努利高斯模型、米德爾頓a類模型和高斯混合模型。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于迭代自適應(yīng)算法的電力線通信系統(tǒng)脈沖噪聲抑制方法，其特征在于包括以下步驟：①在基于ofdm的電力線通信系統(tǒng)中設(shè)定脈沖噪聲模型為米德爾頓a類模型或高斯混合模型；在基于ofdm的電力線通信系統(tǒng)的發(fā)送端，將發(fā)送端的初始二進(jìn)制數(shù)據(jù)序列記為b；然后將b編譯為多個定長碼字，且每個定長碼字中包含有n-k個數(shù)據(jù)；接著從多個定長碼字中任意選取一個定長碼字，將該定長碼字記為c，以列向量形式將c表示為c＝[c1,c2,…,c(n-k)]t；之后通過正交相移鍵控將c映射為一個包含有(n-k)個數(shù)據(jù)的ofdm符號，并在該ofdm符號的末端補(bǔ)k個0使得該ofdm符號的長度變?yōu)閚，將補(bǔ)0后的ofdm符號記為d，以列向量形式將d表示為d＝[d1,d2,…,d(n-k),d(n-k)+1,…,dn]t；再將d中的前(n-k)個數(shù)據(jù)加載到(n-k)個子載波上，該(n-k)個子載波為數(shù)據(jù)子載波，并將d中的后k個數(shù)據(jù)加載到k個子載波上，該k個子載波為空子載波；同時對d進(jìn)行離散傅里葉反變換，轉(zhuǎn)換得到對應(yīng)的離散時域信號，記為g，g＝fhd＝[g1,g2,…,gn]t；最后在g的頭部加上用于防止符號間干擾的循環(huán)前綴，而后將加有循環(huán)前綴的離散時域信號通過基于ofdm的電力線通信系統(tǒng)的信道傳輸給基于ofdm的電力線通信系統(tǒng)的接收端；其中，b的長度至少大于2(n-k)，n表示ofdm符號中的子載波的總個數(shù)，n>2，k表示ofdm符號中的空子載波的總個數(shù)，1<k<n，c的維數(shù)為(n-k)×1，符號“[]”為向量表示符號，[c1,c2,…,c(n-k)]t為[c1,c2,…,c(n-k)]的轉(zhuǎn)置，c1,c2,…,c(n-k)對應(yīng)表示c中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第(n-k)個數(shù)據(jù)，d的維數(shù)為n×1，[d1,d2,…,d(n-k),d(n-k)+1,…,dn]t為[d1,d2,…,d(n-k),d(n-k)+1,…,dn]的轉(zhuǎn)置，d1,d2,…,d(n-k),d(n-k)+1,…,dn對應(yīng)表示d中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第(n-k)個數(shù)據(jù)、第(n-k)+1個數(shù)據(jù)、…、第n個數(shù)據(jù)，g的維數(shù)為n×1，f表示維數(shù)為n×n的離散傅里葉變換范德蒙德矩陣，fh為f的厄米特變換，[g1,g2,…,gn]t為[g1,g2,…,gn]的轉(zhuǎn)置，g1,g2,…,gn對應(yīng)表示g中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第n個數(shù)據(jù)；②在基于ofdm的電力線通信系統(tǒng)的接收端，將接收端接收到的帶有異步脈沖噪聲干擾的離散時域信號的頭部的循環(huán)前綴去掉，將去掉循環(huán)前綴后的帶有異步脈沖噪聲干擾的離散時域信號記為r，并構(gòu)造一個維數(shù)為k×n的空子載波矩陣，記為φ，φ由f中的第n-k行至第n行構(gòu)成；然后在的等號的兩邊同時乘以φ，得到接著根據(jù)ofdm符號中的各個子載波之間的正交性，將轉(zhuǎn)化為φr＝φi+φn；再令其中，r的維數(shù)為n×1，表示維數(shù)為n×n的信道循環(huán)卷積矩陣，對應(yīng)表示對基于ofdm的電力線通信系統(tǒng)的信道進(jìn)行估計(jì)獲取的n個脈沖響應(yīng)值再經(jīng)歸一化處理后得到的值，n表示方差為σn2且服從高斯分布的白噪聲信號，n的維數(shù)為n×1，y為引入的中間變量，y的維數(shù)為k×1，y用于表示僅包含異步脈沖噪聲和有色背景噪聲的混合信號，i表示異步脈沖噪聲信號，i的維數(shù)為n×1，在米德爾頓a類模型下，pm表示i中的第m個子噪聲的概率，e表示自然基數(shù)，a表示脈沖指數(shù)，m！表示求m的階乘，為引入的中間變量，σ2表示整體噪聲功率，表示i的方差，在高斯混合模型下，m表示組建i的子噪聲的總個數(shù)，m≥2，1≤m'≤m，表示i中的第m'個子噪聲的具有均值為0且方差為的高斯分布，αm'表示發(fā)生的概率，φ11、φ12、φ1n、φ21、φ22、φ2n、φk1、φk2、φkn對應(yīng)表示φ的第1行第1列的元素、第1行第2列的元素、第1行第n列的元素、第2行第1列的元素、第2行第2列的元素、第2行第n列的元素、第k行第1列的元素、第k行第2列的元素、第k行第n列的元素，ξ(1)＝i(1)+n(1)，ξ(2)＝i(2)+n(2)，ξ(n)＝i(n)+n(n)，i(1)、i(2)和i(n)對應(yīng)表示i的第1個元素、第2個元素、第n個元素，n(1)、n(2)和n(n)對應(yīng)表示n的第1個元素、第2個元素、第n個元素；③在基于ofdm的電力線通信系統(tǒng)的接收端，首先利用迭代自適應(yīng)算法求解y的頻譜；然后根據(jù)y和y的頻譜，獲取i的估計(jì)值；再完成對異步脈沖噪聲的抑制，得到有效信號；具體過程為：③_1、利用迭代自適應(yīng)算法求解y的頻譜，具體步驟如下：③_1a、構(gòu)造一個維數(shù)為k×n的導(dǎo)向矩陣λ，λ＝[a(ω1),a(ω2),…,a(ωs),…,a(ωn)]，其中，a(ω1),a(ω2),…,a(ωs),…,a(ωn)對應(yīng)表示λ的第1個列向量、第2個列向量、…、第s個列向量、…、第n個列向量，1≤s≤n，a(ωs)的維數(shù)為k×1，為的轉(zhuǎn)置，對應(yīng)表示a(ωs)中的第1個元素、第2個元素、…、第k個元素，j為虛數(shù)表示符號，ωs表示λ的每個列向量中的第s個元素的角頻率，ωs＝(2π/n)s；③_1b、根據(jù)λ，將y表示為其傅里葉展開形式：y＝λγ，其中，γ表示對應(yīng)于所有角頻率的頻譜幅度向量，γ＝[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]t，[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]t為[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]的轉(zhuǎn)置，σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)對應(yīng)表示γ中的對應(yīng)于ω1的頻譜幅度、對應(yīng)于ω2的頻譜幅度、…、對應(yīng)于ωs的頻譜幅度、…、對應(yīng)于ωn的頻譜幅度；③_1c、獲取y在每個角頻率上的協(xié)方差矩陣的求解表達(dá)式，將y在ωs上的協(xié)方差矩陣記為cov(ωs)，cov(ωs)的求解表達(dá)式為：cov(ωs)＝[a(ωs)σ(ωs)][a(ωs)σ(ωs)]h＝psa(ωs)(a(ωs))h；然后獲取y在所有角頻率上的協(xié)方差和矩陣的求解表達(dá)式，記為r，r的求解表達(dá)式為：再獲取y在每個角頻率上的干擾協(xié)方差矩陣的求解表達(dá)式，將y在ωs上的干擾協(xié)方差矩陣記為q(ωs)，q(ωs)的求解表達(dá)式為：q(ωs)＝r-psa(ωs)(a(ωs))h；最后根據(jù)加權(quán)最小二乘準(zhǔn)則，獲得y在每個角頻率上的頻譜估計(jì)問題，將y在ωs上的頻譜估計(jì)問題描述為：其中，[a(ωs)σ(ωs)]h為[a(ωs)σ(ωs)]的共軛轉(zhuǎn)置，(a(ωs))h為a(ωs)的共軛轉(zhuǎn)置，ps表示y在ωs上的信號能量，ps＝|σ(ωs)|2，符號“||”為取絕對值符號，[y-σ(ωs)a(ωs)]h為[y-σ(ωs)a(ωs)]的共軛轉(zhuǎn)置，(q(ωs))-1為q(ωs)的逆，min()為取最小值函數(shù)；③_1d、根據(jù)γ中的對應(yīng)于每個角頻率的頻譜幅度的一階最優(yōu)性條件，對y在每個角頻率上的頻譜估計(jì)問題進(jìn)行求解，得到γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值的求解表達(dá)式，將σ(ωs)的估計(jì)值記為的求解表達(dá)式為：然后根據(jù)矩陣求逆定理，得到再根據(jù)和得到的最終求解表達(dá)式為：其中，r-1為r的逆；③_1e、令t表示迭代次數(shù)，t的初始值為1；令tmax表示收斂時迭代的總次數(shù)；令r的初始值r(0)為維數(shù)為k×k的單位矩陣；③_1f、在第t次迭代時，將r(t-1)代入γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值的最終求解表達(dá)式中，得到第t次迭代時γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值，對于σ(ωs)，將r(t-1)代入中，計(jì)算得到第t次迭代時σ(ωs)的估計(jì)值，記為然后將第t次迭代時γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值，代入中，計(jì)算得到第t次迭代時r的值，記為r(t)，其中，(r(t-1))-1為r(t-1)的逆，③_1g、判斷t是否小于tmax，如果是，則令t＝t+1，然后返回步驟③_1f繼續(xù)執(zhí)行；否則，得到γ中的對應(yīng)于每個角頻率的頻譜幅度的最終估計(jì)值，將σ(ωs)的最終估計(jì)值記為其中，t＝t+1中的“＝”為賦值符號；③_1h、根據(jù)γ中的對應(yīng)于所有角頻率的頻譜幅度的最終估計(jì)值，獲得γ的估計(jì)值，記為然后將作為y的頻譜；其中，為的轉(zhuǎn)置，為σ(ω1)的最終估計(jì)值，為σ(ω2)的最終估計(jì)值，為σ(ωn)的最終估計(jì)值；③_2、令然后將展開得到：再在頻譜估計(jì)無偏性的情況下，令根據(jù)和得到非齊次線性方程組：最后根據(jù)頻域采樣定理和非齊次線性方程組，得到其中，表示利用計(jì)算出的y的估計(jì)值，的維數(shù)為k×1，[ξ(1),ξ(2),…,ξ(n)]t為[ξ(1),ξ(2),…,ξ(n)]的轉(zhuǎn)置，λ為放大系數(shù)，為的轉(zhuǎn)置，為次對角線元素都是1的n×n維矩陣；③_3、根據(jù)異步脈沖噪聲的幅度遠(yuǎn)高于有色背景噪聲的幅度，得到i的估計(jì)值，記為③_4、在r中減去完成對異步脈沖噪聲的抑制，得到有效信號，記為與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：1)本發(fā)明方法利用了電力線通信系統(tǒng)中ofdm符號的空子載波構(gòu)建空子載波矩陣，利用空子載波之間的正交性，將原始的包含發(fā)送信號、脈沖噪聲和背景噪聲的接收信號轉(zhuǎn)化為僅包含脈沖噪聲和背景噪聲的混合信號，這種方法能夠提取出接收信號中的噪聲部分，降低了處理的復(fù)雜度。2)本發(fā)明方法采用的脈沖噪聲模型是米德爾頓a類模型或高斯混合模型，相較于理想的伯努利高斯模型，這兩類模型更加接近實(shí)際情況，使得本發(fā)明方法能夠適用于伯努利高斯模型、米德爾頓a類模型和高斯混合模型。3)本發(fā)明方法將混合信號展開為其傅里葉展開形式，接下來采用迭代自適應(yīng)頻譜估計(jì)方法，得到混合信號的頻譜估計(jì)值，相比較于其他頻譜估計(jì)方法，如capon法、music法和周期圖法，本發(fā)明所采用的迭代自適應(yīng)方法具有更高的分辨率，因此對于電力線通信系統(tǒng)中傳輸?shù)牡筒蓸勇市盘柣蛘叨鄠€信號疊加而成的信號而言，可以更加準(zhǔn)確的估計(jì)其頻譜。4)本發(fā)明方法通過對僅包含脈沖噪聲和背景噪聲的混合信號進(jìn)行傅里葉展開構(gòu)造非齊次線性方程組，接下來利用簡單的信號逆序和放大變換得到異步脈沖噪聲的估計(jì)值，避開了非參數(shù)化方法中需要構(gòu)造和求解的脈沖噪聲估計(jì)優(yōu)化問題，降低了求解的復(fù)雜度，能夠更好的適用于實(shí)時性條件要求較高的電力線通信系統(tǒng)中，最后在接收信號中減去脈沖噪聲的估計(jì)值，完成對脈沖噪聲的抑制，實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法在不同傳輸條件下均具有較小的均方誤差，能夠有效抑制掉異步脈沖噪聲并保留有效信號。附圖說明圖1為本發(fā)明方法的總體實(shí)現(xiàn)框圖；圖2為本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用米德爾頓a類模型在不同脈沖噪聲個數(shù)下的均方誤差的變化情況圖；圖3為本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用高斯混合模型在不同脈沖噪聲個數(shù)下的均方誤差的變化情況圖；圖4為本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用米德爾頓a類模型在不同輸入信干噪比下的均方誤差的變化情況圖；圖5為本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用高斯混合模型在不同輸入信干噪比下的均方誤差的變化情況圖。具體實(shí)施方式以下結(jié)合附圖實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)描述。本發(fā)明提出的一種基于迭代自適應(yīng)算法的電力線通信系統(tǒng)脈沖噪聲抑制方法，其總體實(shí)現(xiàn)框圖如圖1所示，其包括以下步驟：①在基于ofdm的電力線通信系統(tǒng)中設(shè)定脈沖噪聲模型為米德爾頓a類模型(middletonclassa，mca)或高斯混合模型(gaussianmixturemodel，gmm)。在基于ofdm的電力線通信系統(tǒng)的發(fā)送端，將發(fā)送端的初始二進(jìn)制數(shù)據(jù)序列記為b；然后將b編譯為多個定長碼字，且每個定長碼字中包含有n-k個數(shù)據(jù)；接著從多個定長碼字中任意選取一個定長碼字，將該定長碼字記為c，以列向量形式將c表示為c＝[c1,c2,…,c(n-k)]t；之后通過正交相移鍵控(quadraturephaseshiftkeying，qpsk)將c映射為一個包含有(n-k)個數(shù)據(jù)的ofdm符號，并在該ofdm符號的末端補(bǔ)k個0使得該ofdm符號的長度變?yōu)閚，將補(bǔ)0后的ofdm符號記為d，以列向量形式將d表示為d＝[d1,d2,…,d(n-k),d(n-k)+1,…,dn]t；再將d中的前(n-k)個數(shù)據(jù)加載到(n-k)個子載波上，該(n-k)個子載波為數(shù)據(jù)子載波，并將d中的后k個數(shù)據(jù)加載到k個子載波上，該k個子載波為空子載波；同時對d進(jìn)行離散傅里葉反變換(inversediscretefouriertransform，idft)，轉(zhuǎn)換得到對應(yīng)的離散時域信號，記為g，g＝fhd＝[g1,g2,…,gn]t；最后在g的頭部加上用于防止符號間干擾的循環(huán)前綴(cyclicprefix，cp)，而后將加有循環(huán)前綴的離散時域信號通過基于ofdm的電力線通信系統(tǒng)的信道傳輸給基于ofdm的電力線通信系統(tǒng)的接收端。其中，b的長度至少大于2(n-k)，實(shí)際中b的長度肯定大于2(n-k)，n表示ofdm符號中的子載波的總個數(shù)，n>2，在本實(shí)施例中取n＝256，k表示ofdm符號中的空子載波的總個數(shù)，1<k<n，在本實(shí)施例中取k＝120，c的維數(shù)為(n-k)×1，符號“[]”為向量表示符號，[c1,c2,…,c(n-k)]t為[c1,c2,…,c(n-k)]的轉(zhuǎn)置，c1,c2,…,c(n-k)對應(yīng)表示c中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第(n-k)個數(shù)據(jù)，d的維數(shù)為n×1，[d1,d2,…,d(n-k),d(n-k)+1,…,dn]t為[d1,d2,…,d(n-k),d(n-k)+1,…,dn]的轉(zhuǎn)置，d1,d2,…,d(n-k),d(n-k)+1,…,dn對應(yīng)表示d中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第(n-k)個數(shù)據(jù)、第(n-k)+1個數(shù)據(jù)、…、第n個數(shù)據(jù)，g的維數(shù)為n×1，f表示維數(shù)為n×n的離散傅里葉變換(discretefouriertransform，dft)范德蒙德矩陣，fh為f的厄米特變換，[g1,g2,…,gn]t為[g1,g2,…,gn]的轉(zhuǎn)置，g1,g2,…,gn對應(yīng)表示g中的第1個數(shù)據(jù)、第2個數(shù)據(jù)、…、第n個數(shù)據(jù)。②在基于ofdm的電力線通信系統(tǒng)的接收端，將接收端接收到的帶有異步脈沖噪聲干擾的離散時域信號的頭部的循環(huán)前綴去掉，將去掉循環(huán)前綴后的帶有異步脈沖噪聲干擾的離散時域信號記為r，并構(gòu)造一個維數(shù)為k×n的空子載波矩陣，記為φ，φ由f中的第n-k行至第n行構(gòu)成；然后在的等號的兩邊同時乘以φ，得到接著根據(jù)ofdm符號中的各個子載波之間的正交性，將轉(zhuǎn)化為φr＝φi+φn；再令其中，r的維數(shù)為n×1，表示維數(shù)為n×n的信道循環(huán)卷積矩陣，對應(yīng)表示對基于ofdm的電力線通信系統(tǒng)的信道進(jìn)行估計(jì)獲取的n個脈沖響應(yīng)值再經(jīng)歸一化處理后得到的值，對基于ofdm的電力線通信系統(tǒng)的信道進(jìn)行估計(jì)直接采用現(xiàn)有的信道估計(jì)技術(shù)，對n個脈沖響應(yīng)值歸一化處理采用現(xiàn)有的任一種成熟的歸一化處理方法，n表示方差為σn2且服從高斯分布的白噪聲信號，在本實(shí)施例中取σn2＝0.33，n的維數(shù)為n×1，y為引入的中間變量，y的維數(shù)為k×1，y用于表示僅包含異步脈沖噪聲和有色背景噪聲的混合信號，i表示異步脈沖噪聲信號，i的維數(shù)為n×1，在米德爾頓a類模型下，pm表示i中的第m個子噪聲的概率，e表示自然基數(shù)，a表示脈沖指數(shù)，在本實(shí)施例中取a＝0.1，m！表示求m的階乘，為引入的中間變量，σ2表示整體噪聲功率，在本實(shí)施例中取σ2＝32.95，表示i的方差，在本實(shí)施例中取在高斯混合模型下，m表示組建i的子噪聲的總個數(shù)，m≥2，在本實(shí)施例中取m＝3，1≤m'≤m，表示i中的第m'個子噪聲的具有均值為0且方差為的高斯分布，αm'表示發(fā)生的概率，在本實(shí)施例中取取α1＝0.7,α2＝0.21,α3＝0.09,α1+α2+α3＝1，φ11、φ12、φ1n、φ21、φ22、φ2n、φk1、φk2、φkn對應(yīng)表示φ的第1行第1列的元素、第1行第2列的元素、第1行第n列的元素、第2行第1列的元素、第2行第2列的元素、第2行第n列的元素、第k行第1列的元素、第k行第2列的元素、第k行第n列的元素，ξ(1)＝i(1)+n(1)，ξ(2)＝i(2)+n(2)，ξ(n)＝i(n)+n(n)，i(1)、i(2)和i(n)對應(yīng)表示i的第1個元素、第2個元素、第n個元素，n(1)、n(2)和n(n)對應(yīng)表示n的第1個元素、第2個元素、第n個元素。③在基于ofdm的電力線通信系統(tǒng)的接收端，首先利用迭代自適應(yīng)算法求解y的頻譜；然后根據(jù)y和y的頻譜，獲取i的估計(jì)值；再完成對異步脈沖噪聲的抑制，得到有效信號；具體過程為：③_1、利用迭代自適應(yīng)算法(具有高分辨率的特點(diǎn))求解y的頻譜，具體步驟如下：③_1a、構(gòu)造一個維數(shù)為k×n的導(dǎo)向矩陣λ，λ＝[a(ω1),a(ω2),…,a(ωs),…,a(ωn)]，其中，a(ω1),a(ω2),…,a(ωs),…,a(ωn)對應(yīng)表示λ的第1個列向量、第2個列向量、…、第s個列向量、…、第n個列向量，1≤s≤n，a(ωs)的維數(shù)為k×1，為的轉(zhuǎn)置，對應(yīng)表示a(ωs)中的第1個元素、第2個元素、…、第k個元素，j為虛數(shù)表示符號，ωs表示λ的每個列向量中的第s個元素的角頻率，ωs＝(2π/n)s，a(ωs)為對應(yīng)于ωs的傅里葉向量。③_1b、根據(jù)λ，將y表示為其傅里葉展開形式：y＝λγ，其中，γ表示對應(yīng)于所有角頻率的頻譜幅度向量，γ＝[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]t，[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]t為[σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)]的轉(zhuǎn)置，σ(ω1),σ(ω2),…,σ(ωs),…,σ(ωn)對應(yīng)表示γ中的對應(yīng)于ω1的頻譜幅度、對應(yīng)于ω2的頻譜幅度、…、對應(yīng)于ωs的頻譜幅度、…、對應(yīng)于ωn的頻譜幅度。③_1c、獲取y在每個角頻率上的協(xié)方差矩陣的求解表達(dá)式，將y在ωs上的協(xié)方差矩陣記為cov(ωs)，cov(ωs)的求解表達(dá)式為：cov(ωs)＝[a(ωs)σ(ωs)][a(ωs)σ(ωs)]h＝psa(ωs)(a(ωs))h；然后獲取y在所有角頻率上的協(xié)方差和矩陣的求解表達(dá)式，記為r，r的求解表達(dá)式為：再獲取y在每個角頻率上的干擾協(xié)方差矩陣的求解表達(dá)式，將y在ωs上的干擾協(xié)方差矩陣記為q(ωs)，q(ωs)的求解表達(dá)式為：q(ωs)＝r-psa(ωs)(a(ωs))h；最后根據(jù)加權(quán)最小二乘準(zhǔn)則，獲得y在每個角頻率上的頻譜估計(jì)問題，將y在ωs上的頻譜估計(jì)問題描述為：其中，[a(ωs)σ(ωs)]h為[a(ωs)σ(ωs)]的共軛轉(zhuǎn)置，(a(ωs))h為a(ωs)的共軛轉(zhuǎn)置，ps表示y在ωs上的信號能量，ps＝|σ(ωs)|2，符號“||”為取絕對值符號，[y-σ(ωs)a(ωs)]h為[y-σ(ωs)a(ωs)]的共軛轉(zhuǎn)置，(q(ωs))-1為q(ωs)的逆，min()為取最小值函數(shù)。③_1d、根據(jù)γ中的對應(yīng)于每個角頻率的頻譜幅度的一階最優(yōu)性條件，對y在每個角頻率上的頻譜估計(jì)問題進(jìn)行求解，得到γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值的求解表達(dá)式，將σ(ωs)的估計(jì)值記為的求解表達(dá)式為：然后根據(jù)矩陣求逆定理，得到再根據(jù)和得到的最終求解表達(dá)式為：其中，r-1為r的逆。③_1e、令t表示迭代次數(shù)，t的初始值為1；令tmax表示收斂時迭代的總次數(shù)，在本實(shí)施例中取tmax＝10；令r的初始值r(0)為維數(shù)為k×k的單位矩陣。③_1f、在第t次迭代時，將r(t-1)代入γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值的最終求解表達(dá)式中，得到第t次迭代時γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值，對于σ(ωs)，將r(t-1)代入中，計(jì)算得到第t次迭代時σ(ωs)的估計(jì)值，記為然后將第t次迭代時γ中的對應(yīng)于每個角頻率的頻譜幅度的估計(jì)值，代入中，計(jì)算得到第t次迭代時r的值，記為r(t)，其中，(r(t-1))-1為r(t-1)的逆，③_1g、判斷t是否小于tmax，如果是，則令t＝t+1，然后返回步驟③_1f繼續(xù)執(zhí)行；否則，得到γ中的對應(yīng)于每個角頻率的頻譜幅度的最終估計(jì)值，將σ(ωs)的最終估計(jì)值記為其中，t＝t+1中的“＝”為賦值符號。③_1h、根據(jù)γ中的對應(yīng)于所有角頻率的頻譜幅度的最終估計(jì)值，獲得γ的估計(jì)值，記為然后將作為y的頻譜；其中，為的轉(zhuǎn)置，為σ(ω1)的最終估計(jì)值，為σ(ω2)的最終估計(jì)值，為σ(ωn)的最終估計(jì)值。③_2、y的頻譜是在頻域?qū)進(jìn)行了n次采樣的結(jié)果，令然后將展開得到：再在頻譜估計(jì)無偏性的情況下，令根據(jù)和得到非齊次線性方程組：注意到該非齊次線性方程組的行秩小于列秩，即未知數(shù)的個數(shù)大于方程的個數(shù)，因此，該非齊次線性方程組具有無窮多解，考慮到信號在時域和頻譜采樣點(diǎn)位置具有相反的特性，因此最后根據(jù)頻域采樣定理和非齊次線性方程組，得到其中，表示利用計(jì)算出的y的估計(jì)值，的維數(shù)為k×1，[ξ(1),ξ(2),…,ξ(n)]t為[ξ(1),ξ(2),…,ξ(n)]的轉(zhuǎn)置，λ為放大系數(shù)，在本實(shí)施例中取λ＝16，為的轉(zhuǎn)置，為次對角線元素都是1的n×n維矩陣。③_3、根據(jù)異步脈沖噪聲的幅度遠(yuǎn)高于有色背景噪聲的幅度，得到i的估計(jì)值，記為③_4、在r中減去完成對異步脈沖噪聲的抑制，得到有效信號，記為為了進(jìn)一步說明，此處呈現(xiàn)了本發(fā)明方法的計(jì)算機(jī)模擬結(jié)果。模擬是在基于ofdm的電力線通信系統(tǒng)的復(fù)雜基帶上進(jìn)行的。在模擬中，異步脈沖噪聲樣本分別由米德爾頓a類模型和高斯混合模型產(chǎn)生。設(shè)置蒙特卡洛仿真次數(shù)為1000次。詳細(xì)模擬參數(shù)列于表1。表1中的prime(電力線智能計(jì)量發(fā)展)為powerlineintelligentmeteringevolution的縮寫。表1模擬參數(shù)列表相關(guān)參數(shù)仿真設(shè)置prime標(biāo)準(zhǔn)調(diào)制方式qpskqpsk子載波的總個數(shù)256256數(shù)據(jù)子載波的總個數(shù)13698空子載波的總個數(shù)120158另外，為了與現(xiàn)有的l1范數(shù)最小化方法和光滑l0范數(shù)最小化方法的性能進(jìn)行比較，在此定義均方誤差其中，符號“||||2”為求取矩陣的2范數(shù)符號。圖2給出了本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用米德爾頓a類模型在不同脈沖噪聲個數(shù)下的均方誤差的變化情況圖。從圖2可知，在米德爾頓a類模型下，隨著脈沖噪聲個數(shù)的增加，三種方法的均方誤差基本保持穩(wěn)定。相較于現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法，本發(fā)明方法在不同脈沖噪聲個數(shù)下均具有較小的均方誤差。圖3給出了本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用高斯混合模型在不同脈沖噪聲個數(shù)下的均方誤差的變化情況圖。從圖3可知，在高斯混合模型下，三種方法的均方誤差均大于在米德爾頓a類模型下的均方誤差。隨著脈沖噪聲個數(shù)的增加，三種方法的均方誤差基本保持穩(wěn)定。相較于現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法，本發(fā)明方法在不同脈沖噪聲個數(shù)下均具有較小的均方誤差。圖4給出了本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用米德爾頓a類模型在不同輸入信干噪比下的均方誤差的變化情況圖。從圖4可知，在米德爾頓a類模型下，隨著信干噪比的增加，三種方法的均方誤差均呈下降趨勢，并且在信干噪比較小時，本發(fā)明方法比現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法的估計(jì)均方誤差性能優(yōu)勢更加明顯。圖5給出了本發(fā)明方法與現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法采用高斯混合模型在不同輸入信干噪比下的均方誤差的變化情況圖。從圖5可知，在高斯混合模型下，三種方法的均方誤差均大于在米德爾頓a類模型下的均方誤差。隨著信干噪比的增加，三種方法的均方誤差均呈下降趨勢，并且在信干噪比較小時，本發(fā)明方法比現(xiàn)有的l1范數(shù)最小化方法和現(xiàn)有的光滑l0范數(shù)最小化方法的估計(jì)均方誤差性能優(yōu)勢更加明顯。當(dāng)前第1頁12