频域估计序列的差值，BP:
[0091]
[0092] 选择矩阵的获得为，记录噪声估计序列中小于预设阈值的P个位置，从N阶单位矩 阵中选取对应的P行向量得到，即：
[0093]
[0094]
[0095] D= {\|C⑷）<G||\G人}，e为预设阈值，人为虚拟子载波位置集合；
[0096] 观测向量为选择矩阵与噪声估计序列的乘积，即：
[0097] y=S?C；
[0098] 观测矩阵为选择矩阵与离散傅里叶变换矩阵的乘积，即：
[0099] <}> =S?F；
[0100] 其中，矩阵F为离散傅里叶变换矩阵，其第k行、第n列的元素为：
[0101]
[0102] S3:根据压缩感知算法模型，采用基于先验信息辅助的压缩感知算法，对目标向量 进行估计，以得到限幅噪声序列，具体为：
[0103] 本实施例中压缩感知算法模型为：
[0104]
I目标向量；
[0105] 采用基于所述先验信息辅助的压缩感知算法，如PA-C〇SaMP算法，可以得到估计 的限幅噪声序列I叹其中先验信息限幅噪声时域位置的粗估计位置集合r，用于 确定CoSaMP算法的初始状态。
[0106] S4 :将当前接收到的所述时域信号帧减去所述限幅噪声序列，以得到消除限幅噪 声信号后的信号帧，具体为：
[0107] 用当前接收的时域信号桢:减去估计出的限幅噪声序列仪得 到消除限幅噪声信号后的信号帧，即：
[0108]
[0109] 根据本发明实施例的基于压缩感知的限幅噪声估计与消除方法，解决了现有的限 幅噪声估计与恢复方法存在的频谱效率损失严重、计算复杂度高的问题。能够在峰值受限 信道下，以较低复杂度精确估计OFDM系统中的限幅噪声，有效扩大信号的动态范围，提高 接收信号质量，提升系统鲁棒性，适用于各种OFDM系统中干噪比动态范围较大的应用场 景。
[0110] 进一步地，本发明的实施例公开了一种基于压缩感知的限幅噪声估计与消除装 置，如图4所示，根据本发明一个实施例的基于压缩感知的限幅噪声估计与消除装置400， 包括：先验信息粗估计模块410、压缩感知模型生成模块420、压缩感知估计模块430和限幅 噪声消除模块440。其中，先验信息粗估计模块410用于根据当前接收到的时域信号帧对限 幅噪声的位置进行粗估计，以得到所述限幅噪声的位置的先验信息。压缩感知模型生成模 块420用于对当前接收到的所述时域信号帧进行离散傅里叶变换以得到频域观测序列，并 根据所述频域观测序列获得频域估计序列和噪声估计序列，以及根据选择准则获得选择矩 阵，并根据所述选择矩阵获得观测向量和观测矩阵。压缩感知估计模块430用于根据压缩 感知算法模型，采用基于先验信息辅助的压缩感知算法，对目标向量进行估计，以得到限幅 噪声序列。限幅噪声消除模块440用于将当前接收到的所述时域信号帧减去所述限幅噪声 序列，以得到消除限幅噪声信号后的信号帧。
[0111] 根据本发明实施例的基于压缩感知的限幅噪声估计与消除装置，解决了现有的限 幅噪声估计与恢复方法存在的频谱效率损失严重、计算复杂度高的问题。能够在峰值受限 信道下，以较低复杂度精确估计OFDM系统中的限幅噪声，有效扩大信号的动态范围，提高 接收信号质量，提升系统鲁棒性，适用于各种OFDM系统中干噪比动态范围较大的应用场 景。
[0112] 需要说明的是，本发明实施例的基于压缩感知的限幅噪声估计与消除装置的具体 实现方式与本发明实施例的基于压缩感知的限幅噪声估计与消除方法的具体实现方式类 似，具体请参见方法部分的描述，为了减少冗余，此处不做赘述。
[0113] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例 性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨 的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
【主权项】
1. 一种基于压缩感知的限幅噪声估计与消除方法，其特征在于，包括以下步骤： Sl:根据当前接收到的时域信号帧对限幅噪声的位置进行粗估计，以得到所述限幅噪 声的位置的先验信息； S2:对当前接收到的所述时域信号帧进行离散傅里叶变换以得到频域观测序列，并根 据所述频域观测序列获得频域估计序列和噪声估计序列，以及根据选择准则获得选择矩 阵，并根据所述选择矩阵获得观测向量和观测矩阵； 53 :根据压缩感知算法模型，采用基于先验信息辅助的压缩感知算法，对目标向量进行 估计，以得到限幅噪声序列； 54 :将当前接收到的所述时域信号帧减去所述限幅噪声序列，以得到消除限幅噪声信 号后的信号帧。2. 根据权利要求1所述的方法，其特征在于，在所述步骤Sl中，所述接收到的时域信号 帧包括：帧头和帧体，其中，所述帧头为长度为M的训练序列或帧体的循环前缀，所述帧体 为长度为N的OFDM数据块，其中，所述OFDM数据块由星座映射后的符号经过离散傅里叶逆 变换后通过限幅操作得到。3. 根据权利要求1和2所述的方法，其特征在于，在所述步骤Sl中，所述限幅噪声的采 样点个数远小于所述帧体的长度。4. 根据权利要求1所述的方法，其特征在于，在所述步骤Sl中，所述粗估计通过如下方 式进行： 根据预设的判决门限对接收到的所述时域信号帧的采样点进行判决，并将超过所述判 决门限的信号位置作为所述先验信息； 或者，计算接收到的所述时域信号帧的采样点的模，并提取多个模值最大的采样点位 置作为所述先验信息。5. 根据权利要求1所述方法，其特征在于，在所述步骤S2中， 当所述频域观测序列中的元素为数据子载波时，通过判决得到对应的频域估计序列的 元素； 当所述频域观测序列中的元素为虚拟子载波时，直接将对应的频域估计序列的元素置 为〇 ; 根据所述频域观测序列和频域估计序列的差值得到所述噪声估计序列。6. 根据权利要求1和5所述的方法，其特征在于，在所述步骤S2中，所述判决方法通过 如下方式进行： 根据最小错误概率准则对所述频域观测序列进行判决，得到的频域估计序列中的元素 属于特定星座映射点，其中，最小错误概率准则包括最大后验概率准则和最大似然估计准 则。7. 根据权利要求1所述的方法，其特征在于，在所述步骤S2中，所述选择矩阵通过如下 方式得到： 记录所述噪声估计序列中小于预设阈值或对应频域观测序列中属于虚拟子载波的共 计P个位置，并从N阶单位矩阵中选取对应的P行向量以得到所述选择矩阵。8. 根据权利要求1所述的方法，其特征在于，在所述步骤S2中，所述观测向量为选择矩 阵与噪声估计序列的乘积，所述观测矩阵为选择矩阵与离散傅里叶变换矩阵的乘积。9. 根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述的压缩感知算法通 过如下方式进行： 压缩采样匹配追踪法、正交匹配追踪法及其衍生算法、稀疏自适应匹配追踪法或子空 间追踪法中的任一种算法，其中，所述限幅噪声位置的先验信息用于确定压缩感知算法的 初始状态。10. -种基于压缩感知的限幅噪声估计与消除装置，其特征在于，包括： 先验信息粗估计模块，用于根据当前接收到的时域信号帧对限幅噪声的位置进行粗估 计，以得到所述限幅噪声的位置的先验信息； 压缩感知模型生成模块，用于对当前接收到的所述时域信号帧进行离散傅里叶变换以 得到频域观测序列，并根据所述频域观测序列获得频域估计序列和噪声估计序列，以及根 据选择准则获得选择矩阵，并根据所述选择矩阵获得观测向量和观测矩阵； 压缩感知估计模块，用于根据压缩感知算法模型，采用基于先验信息辅助的压缩感知 算法，对目标向量进行估计，以得到限幅噪声序列； 限幅噪声消除模块，用于将当前接收到的所述时域信号帧减去所述限幅噪声序列，以 得到消除限幅噪声信号后的信号帧。
【专利摘要】本发明提供一种基于压缩感知的限幅噪声估计与消除方法及装置，该方法包括：根据时域信号帧对限幅噪声的位置进行粗估计，以得到限幅噪声的位置的先验信息；对时域信号帧进行离散傅里叶变换以得到频域观测序列，并根据频域观测序列获得频域估计序列和噪声估计序列，根据选择准则获得选择矩阵，并根据选择矩阵获得观测向量和观测矩阵；采用基于先验信息辅助的压缩感知算法，对目标向量进行估计，以得到限幅噪声序列；将当前接收到的时域信号帧减去限幅噪声序列，以得到消除限幅噪声信号后的信号帧。本发明的实施例，能够在峰值受限信道下，以较低复杂度精确估计OFDM系统中的限幅噪声，有效扩大信号的动态范围，提高接收信号质量，提升系统鲁棒性。
【IPC分类】H04L25/08, H04L25/02, H04L27/26, H04L25/03
【公开号】CN104935532
【申请号】CN201510288223
【发明人】杨昉, 高俊男, 宋健, 丁文伯
【申请人】清华大学
【公开日】2015年9月23日
【申请日】2015年5月29日