冲激噪声消除方法及装置的制造方法
【技术领域】
[0001] 本发明涉及数字信号传输技术领域，特别涉及一种基于空间相关性和结构化压缩 感知的冲激噪声消除方法及装置。
【背景技术】
[0002] 在宽带高速数据传输中，存在频率选择性衰落、时间选择性衰落和窄带干扰、冲 激噪声（Impulse Noise，IN)等复杂噪声干扰，影响数据传输质量。为了克服上述恶劣 信道条件，正交频分复用（Orthogonal Frequency Division Multiplexing, 0FDM)技 术得到了广泛的应用。OFDM技术主要包括时域同步正交频分复用技术（Time Domain Synchronous OFDM, TDS-0FDM)、循环前缀正交频分用（Cyclic-Prefix OFDM, CP-0FDM)和 零填充OFDM (Zero-Padding OFDM, ZP-0FDM)等几类。由于OFDM具有很好克服频率选择性 的优良特性，它已经应用到各种数字信号传输系统中，如国际电联的电力线通信系统标准 (International Telecommunications Union, ITU-TG.9960)、无线局域网（WLAN)、欧洲数 字视频地面广播（^Digital Video Broadcasting-Terrestrial, DVB-T)、以及中国地面数字 电视传输标准(^Digital Television Multimedia Broadcast, DTMB)等。多输入多输出（Mu ltiple-Input-Multiple-Output, MIM0)技术和OFDM技术的结合，可进一步提升系统容量、 提尚系统性能。
[0003] 在传输便捷、资源丰富的电力线信道中进行基于0FDM技术的高效数字通信，已经 得到了广泛的研宄和应用，然而电力线信道环境恶劣，尤其是有严重的冲激噪声影响；在地 面数字电视广播系统和无线通信系统中也存在时域脉冲噪声等问题。冲激噪声会降低信道 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。然而，传统的抵抗 冲激噪声的方法性能不够理想，尤其在较高强度的冲激噪声下，数据的传输性能会严重恶 化。传统的时域交织等手段，虽然可以一定程度上降低冲激噪声的影响，但是无法从根本上 消除冲激噪声影响，在严重的冲激噪声条件下效果不佳；另外，传统的抗冲激噪声的方法复 杂度高，且需要额外的频谱资源和参数统计信息等条件，在复杂恶劣传输条件下导致系统 性能和效率下降。
[0004] 基于近年来新兴的数字信号处理理论一压缩感知（CompressiveSensing)，可以 利用远少于待测信号维度的观测序列，通过基于凸优化或贪婪算法等压缩感知算法，精确 恢复具有稀疏性的高维信号。压缩感知算法在学术界得到了越来越多的关注，在信号处理、 信道估计、图像压缩等领域有广泛的应用。由于冲激噪声本质上在时域具有天然稀疏性，可 以引入压缩感知理论进行估计。
[0005]国外现有的传统基于压缩感知的冲激噪声估计方法，利用频域专用空子载波构 成观测序列进行估计，但其存在一定缺陷：一方面，根据压缩感知理论，基底噪声的存在 对算法效果影响显著，在较强加性高斯白噪声（AWGN)的情况下，该方法不得不占用较大 数量的专用空子载波作为观测序列，否则无法准确估计干噪比（Interference-to-Noise Ratio,INR)较低的冲激噪声信号，将导致频谱效率损失严重。而现有电力线通信标准及无 线广播标准中的预留子载波数量十分有限制，在很多应用场景中冲激噪声相对高斯噪声的 干噪比不高，该方法不仅性能将受到严重影响；另一方面，该方法的压缩感知算法从初始状 态开始迭代计算，迭代的次数较多，计算复杂度亟需降低。进一步地，目前尚没有针对MMO 系统的冲激噪声具有的空间相关性，即多接收天线上的冲激噪声信号的时域位置相同的特 点，进行结构化多维联合冲激噪声估计的研宄或技术。
[0006] 综上，传统抗冲激噪声方法和现有基于压缩感知的冲激噪声估计方法存在的频谱 效率损失严重、性能低、计算复杂度高的问题。
【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冲激噪声消除方法。该方法可精确估计多 输入多输出正交频分复用（MIM0-0FDM)的冲激噪声，有效提升系统的频谱效率和鲁棒性。
[0009] 本发明的另一个目的在于提出一种冲激噪声消除装置。
[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冲激噪声消除方法， 包括以下步骤：S1 :通过天线系统的T个发射天线分别发送信号帧帧头和信号帧帧体，其 中，所述天线系统包括T个发射天线和R个接收天线；S2 :每个接收天线获取所述信号帧 帧体的频域预留子载波上的值，构成冲激噪声信号的频域观测向量，并根据所述R个接收 天线的R个频域观测向量构成多维冲激噪声联合采样矩阵，以及基于冲激噪声信号的时 域-频域傅里叶变换关系，得到结构化压缩感知模型；S3 :根据所述结构化压缩感知模型， 采用基于结构化压缩感知算法估计所述R个接收天线的冲激噪声信号的时域位置和强度 系数，得到对应于所述R个接收天线的时域冲激噪声信号的估计；S4 :将所述R个接收天线 的信号帧帧体的时域信号减去相应的时域冲激噪声信号的估计，得到消除冲激噪声信号后 的R个接收天线信号帧帧体数据。
[0011] 另外，根据本发明上述实施例的冲激噪声消除方法还可以具有如下附加的技术特 征：
[0012] 在一些示例中，所述信号帧帧体为0FDM数据块，所述信号帧帧体的频域包括多个 预留子载波，所述信号帧帧头由所述信号帧帧体的循环前缀或信号帧帧头训练序列组成。
[0013] 在一些示例中，所述步骤S2还包括：根据当前接收的信号帧帧体的时域信号对冲 激噪声信号的时域位置进行粗估计，具体包括：获取所述R个接收天线的信号帧帧体的时 域序列绝对值的平方，并将R个所述时域序列绝对值的平方均与预设门限进行比较，其中， 所述预设门限为所述R个接收天线的信号帧帧体的时域序列绝对值的平方和的平均值的 倍数；将所述R个接收天线的R个时域序列中绝对值的平方均大于所述预设门限的位置作 为所述冲激噪声信号的时域位置的粗估计。
[0014] 在一些示例中，所述步骤S2,进一步包括：S21 :当所述预留子载波为导频子载波 时，计算当前接收的所述信号帧帧体频域的导频子载波上的值，并将所述导频子载波上的 值减去对应频率上的已知发送导频值乘以信道频率响应的估计值所得序列，得到所述冲激 噪声信号的频域观测序列，当所述预留子载波为空置子载波时，所述冲激噪声信号的频域 观测序列为频域空置子载波上的值依次构成频域观测向量；S22 :根据所述R个接收天线的 R个频域观测向量构成多维冲激噪声联合采样矩阵；S23 :基于冲激噪声信号的时域-频域 傅里叶变换关系，得到所述结构化压缩感知模型。
[0015] 在一些示例中，在所述步骤S2中，所述结构化压缩感知模型为多维冲激噪声信号 时频关系等式。
[0016] 在一些示例中，当所述信号帧帧头由所述信号帧帧头训练序列组成时，所述信号 帧帧体频域的导频子载波上的值或空置子载波上的值的获得方式为：对当前接收的所述信 号帧帧体的时域序列进行循环重构和训练序列干扰消除；当所述信号帧帧头由所述信号帧 帧体的循环前缀组成时，所述信号帧帧体频域的导频子载波上的值或空置子载波上的值的 获得方式为：直接对当前接收的所述信号帧帧体的时域序列进行离散傅里叶变换。
[0017] 在一些示例中，在所述步骤S3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。
[0018] 在一些示例中，在所述步骤S3中，采用所述冲激噪声信号的时域位置的粗估计， 作为结构化压缩感知算法的先验信息，进行先验信息辅助的结构化压缩感知迭代和冲激噪 声估计。
[0019] 在一些示例中，在所述步骤S3之后，还包括：优化所述冲激噪声信号的系数的估 计精度，具体包括：对每个接收天线，在估计出的所述冲激噪声信号的时域位置上，以最小 化所述傅里叶变换矩阵乘以待估计的冲激噪声时域信号与所述冲激噪声频域观测序列之 间的残差平方原则，进行最小二乘估计。
[0020] 本发明第二方面的实施例公开了一种冲