多输入多输出系统中的窄带干扰估计方法及装置的制造方法
【技术领域】
[0001] 本发明属于通信技术领域，特别涉及多输入多输出天线系统中基于结构化压缩感 知的窄带干扰估计方法及装置。
【背景技术】
[0002] 在宽带高速数据传输中，信道存在常见的频率选择性衰落和时间选择性衰落，此 外还存在窄带噪声干扰（Narrowband Interference，NBI)等其他干扰，影响信号传输的质 量。
[0003] 目前，正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM) 技术在电力线通信系统、数字电视广播系统中都得到了广泛的应用。由于OFDM具有很 好的频率选择性，它已经应用到各种数字信号传输系统中，如电力线通信系统标准、无线 局域网、欧洲数字视频地面广播以及中国地面数字电视传输标准（Digital Television Multimedia Broadcast，DTMB)等。其中，DTMB系统采用了时域同步正交频分复用技术 TDS-〇FDM(Time Domain Synchronous 0FDM)，使用时域训练序列作为信号帧的保护间隔填 充，时域训练序列还可用于同步和信道估计等。多输入多输出（Multiple-Input-Multiple -Output，ΜΙΜΟ)技术和OFDM技术的结合，可进一步提升系统容量、提高系统性能，得到了广 泛的研宄和应用。
[0004] 电力线信道环境恶劣，尤其是有严重的窄带噪声干扰；无线通信系统中也存在窄 带干扰等问题。窄带干扰会降低上述通信系统中信道估计准确性，影响数据的正确解映射 和解码，严重影响数据的正确传输，因此，需要设计对抗窄带干扰的方法。
[0005] 现有的应对窄带干扰的方法性能不够理想，尤其在较高强度的窄带干扰下，数据 的传输性能会严重恶化。目前常见的基于线性预测算法估计窄带干扰的方法，需要依赖于 某种冗余资源，例如插入一定数量的虚拟子载波，或者必须进行过采样，或者在接收端需要 使用多天线等；或者依赖于接收数据的二阶统计量进行窄带干扰估计。现有方法估计窄带 干扰所要占用的冗余资源降低了资源利用效率，而依赖于接收数据的统计信息的方法则使 窄带干扰估计性能受到接收数据统计信息准确性的影响，导致估计性能不佳。进一步地，在 较弱的窄带干扰和较强的信道噪声环境下，现有的方法无法准确地把窄带干扰从信道噪声 中区分出来，无法准确估计窄带干扰信号的频率和大小。进一步地，目前尚没有针对MMO 系统的窄带干扰具有的空域相关性，即多接收天线上的窄带干扰信号的频率位置相同的特 点，进行结构化多维联合窄带干扰估计的研宄或技术。
[0006] 综上，现有的窄带干扰信号估计方法在多径干扰严重、窄带干扰强度较低或者信 道噪声较强的环境下，无法准确估计窄带干扰信号的频率和数值。
【发明内容】
[0007] 本发明旨在至少解决上述技术问题之一。
[0008] 为此，本发明的一个目的在于提出一种多输入多输出系统中的窄带干扰估计方法 利用多天线的空间相关性和结构化压缩感知算法，在不损失系统频谱效率前提下，提升抑 制窄带干扰性能，提高系统的鲁棒性。
[0009] 本发明的另一个目的在于提出一种多输入多输出系统中的窄带干扰估计装置。
[0010] 为了实现上述目的，本发明的第一方面的实施例公开了一种多输入多输出系统中 的窄带干扰估计方法，包括以下步骤：Sl :通过多输入多输出系统的T个发射天线分别发送 训练序列和信号帧帧体，其中，所述多输入多输出系统包括T个发射天线和M个接收天线； S2 :对所述M个接收天线所接收到的M组所述训练序列，分别对每组相邻所述训练序列中 的L点重复训练序列部分进行逐点相减，以得到M段长度为L的窄带干扰时域差分采样序 列；S3 :根据所述M段时域差分采样序列构成多维窄带干扰信号联合采样矩阵，并基于窄带 干扰信号的时域-频域傅里叶变换关系，得到结构化压缩感知模型；S4 :根据所述结构化压 缩感知模型，采用结构化压缩感知算法，估计窄带干扰信号的频率、幅度和相位，得到窄带 干扰信号的估计。
[0011] 另外，根据本发明上述实施例的多输入多输出系统中的窄带干扰估计方法还可以 具有如下附加的技术特征：
[0012] 在一些示例中，在所述步骤Sl中，所述训练序列为前导符号中的前导训练序列， 所述前导训练序列包括频域二值伪随机序列的离散傅里叶逆变换或时域二值伪随机序列。
[0013] 在一些示例中，在所述步骤Sl中，所述训练序列为所述信号帧帧体之间的帧间训 练序列，所述帧间训练序列包括一段已知训练序列、一段已知训练序列及其循环前缀或两 段相同的已知训练序列，所述已知训练序列包括频域二值伪随机序列的离散傅里叶逆变换 或时域二值伪随机序列。
[0014] 在一些示例中，在所述步骤Sl中，所述信号帧帧体包括：单载波数据块和正交频 分复用数据块。
[0015] 在一些示例中，在所述步骤S2中，所述重复训练序列部分包括前导符号中的所述 前导训练序列、所述帧间训练序列的无帧体干扰部分或准无帧体干扰部分。
[0016] 在一些示例中，在所述步骤S3中，所述窄带干扰信号时域差分采样序列为当前训 练序列与下一训练序列进行逐点相减所得的时域差分序列。
[0017] 在一些示例中，在所述步骤S3中，所述结构化压缩感知模型为多维窄带干扰信号 时频关系等式。
[0018] 在一些示例中，在所述步骤S4中，所述结构化压缩感知算法为基于多维联合稀疏 信号的凸优化算法或者基于多维结构化压缩感知的贪婪算法，其中，所述凸优化算法包括 内点法、一阶范数最小化算法；所述贪婪算法包括结构化同步正交匹配追踪算法、结构化稀 疏自适应匹配追踪法。
[0019] 在一些示例中，还包括：S5 :根据每一个接收天线，利用步骤S4估计所得的窄带干 扰信号频率，计算对应于该接收天线的所述窄带干扰信号时域差分采样序列与所估计和窄 带干扰信号的残差平方，进行最小二乘计算，得到该接收天线上窄带干扰信号的幅度、相位 准确估计；S6 :将所述频域窄带干扰信号的估计除以频域衰减因子，其中第k个子载波上的 频域衰减因子为：
[0020]
【主权项】
1. 一种多输入多输出系统中的窄带干扰估计方法，其特征在于，包括w下步骤： 51 ;通过多输入多输出系统的T个发射天线分别发送训练序列和信号帖帖体，其中，所 述多输入多输出系统包括T个发射天线和M个接收天线； 52 ;对所述M个接收天线所接收到的M组所述训练序列，分别对每组相邻所述训练序列 中的L点重复训练序列部分进行逐点相减，W得到M段长度为L的窄带干扰时域差分采样 序列； 53 ;根据所述M段时域差分采样序列构成多维窄带干扰信号联合采样矩阵，并基于窄 带干扰信号的时域-频域傅里叶变换关系，得到结构化压缩感知模型； S4;根据所述结构化压缩感知模型，采用结构化压缩感知算法，估计窄带干扰信号的频 率、幅度和相位，得到窄带干扰信号的估计。
2. 根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述训练序列为前导符 号中的前导训练序列，所述前导训练序列包括频域二值伪随机序列的离散傅里叶逆变换或 时域二值伪随机序列。
3. 根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述训练序列为所述信 号帖帖体之间的帖间训练序列，所述帖间训练序列包括一段已知训练序列、一段已知训练 序列及其循环前缀或两段相同的已知训练序列，所述已知训练序列包括频域二值伪随机序 列的离散傅里叶逆变换或时域二值伪随机序列。
4. 根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述信号帖帖体包括： 单载波数据块和正交频分复用数据块。
5. 根据权利要求1所述的方法，其特征在于，在所述步骤S2中，所述重复训练序列部分 包括前导符号中的所述前导训练序列、所述帖间训练序列的无帖体干扰部分或准无帖体干 扰部分。
6. 根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述窄带干扰信号时域 差分采样序列为当前训练序列与下一训练序列进行逐点相减所得的时域差分序列。
7. 根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述结构化压缩感知模 型为多维窄带干扰信号时频关系等式。
8. 根据权利要求1所述的方法，其特征在于，在所述步骤S4中，所述结构化压缩感知 算法为基于多维联合稀疏信号的凸优化算法或者基于多维结构化压缩感知的贪婪算法，其 中，所述凸优化算法包括内点法、一阶范数最小化算法；所述贪婪算法包括结构化同步正交 匹配追踪算法、结构化稀疏自适应匹配追踪法。
9. 根据权利要求1所述的方法，其特征在于，还包括： 55 ;根据每一个接收天线，利用步骤S4估计所得的窄带干扰信号频率，计算对应于该 接收天线的所述窄带干扰信号时域差分采样序列与所估计和窄带干扰信号的残差平方，进 行最小二乘计算，得到该接收天线上窄带干扰信号的幅度、相位准确估计； 56 ;将所述频域窄带干扰信号的估计除W频域衰减因子，其中第k个子载波上的频域 衰减因子为：
其中，所述AL为进行逐点相减操作的相邻帖头间的距离； S7;将每个接收天线接收到的信号帖的时域帖体数据块减去对应该天线的所述频域窄 带干扰信号估计的离散傅里叶逆变换，得到消除窄带干扰信号后的帖体数据。
10. -种多输入多输出天线系统中的窄带干扰估计装置，其特征在于，包括： 帖头差分模块，用于对所述M个接收天线所接收到的M组所述训练序列，分别对每组相 邻所述训练序列中的L点重复训练序列部分进行逐点相减，W得到M段长度为L的窄带干 扰时域差分采样序列； 压缩感知模型构建模块，用于根据所述M段时域差分采样序列构成多维窄带干扰信号 联合采样矩阵，并基于窄带干扰信号的时域-频域傅里叶变换关系，得到结构化压缩感知 模型； 压缩感知估计模块，用于根据所述结构化压缩感知模型，采用结构化压缩感知算法，估 计窄带干扰信号的频率、幅度和相位，得到窄带干扰信号的估计。
【专利摘要】本发明公开了一种多输入多输出系统中的窄带干扰估计方法及装置，该方法包括：通过多输入多输出系统的T个发射天线分别发送训练序列和信号帧帧体；对M个接收天线所接收到的M组所述训练序列，分别对每组相邻所述训练序列中的L点重复训练序列部分进行逐点相减，以得到M段长度为L的窄带干扰时域差分采样序列；根据M段时域差分采样序列构成多维窄带干扰信号联合采样矩阵，得到结构化压缩感知模型；根据结构化压缩感知模型，估计窄带干扰信号的频率、幅度和相位，得到窄带干扰信号的估计。本发明的实施例，利用多天线的空间相关性和结构化压缩感知算法，在不损失系统频谱效率前提下，提升抑制窄带干扰性能，提高系统的鲁棒性。
【IPC分类】H04L27-06, H04L25-03, H04L25-08, H04B7-04
【公开号】CN104796363
【申请号】CN201510201103
【发明人】宋健, 刘思聪, 杨昉, 丁文伯
【申请人】清华大学
【公开日】2015年7月22日
【申请日】2015年4月24日