基于先验信息辅助的压缩感知窄带干扰估计方法及装置制造方法
【专利摘要】本发明公开了基于先验信息辅助的压缩感知窄带干扰估计方法及装置，该方法包括：S1.对M组相邻信号帧的帧头中的L点无帧体干扰部分或L点准无帧体干扰部分进行逐点相减，得到M段时域差分序列，所述时域差分序列长度为L；S2.用所述时域差分序列对窄带干扰信号的频率进行粗估计，获得窄带干扰信号频率的先验信息；S3.用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型；S4.根据压缩感知算法模型和窄带干扰信号频率的先验信息，采用基于先验信息辅助的压缩感知算法，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。
【专利说明】基于先验信息辅助的压缩感知窄带干扰估计方法及装置
【技术领域】
[0001]本发明属于通信【技术领域】，特别涉及基于先验信息辅助的压缩感知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，存在频率选择性衰落、时间选择性衰落和窄带噪声干扰(Narrowband Interference, NBI)等，影响数据传输质量。
[0003]目前，正交频分复用(Orthogonal Frequency Division Multiplex, 0FDM)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，如国际电联的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 TelevisionMultimedia Broadcast, DTMB)等。其中，DTMB系统采用了时域同步正交频分复用技术TDS-OFDM(Time Domain Synchronous OFDM),使用时域训练序列作为信号巾贞的保护间隔填充，时域训练序列还可用于同步和信道估计等。DTMB系统的多层复帧结构如图1所示。
[0004]在传输便捷、资源丰富的电力线信道中进行高效数字通信得到了广泛的研究和应用，然而电力线信道环境恶劣，尤其是有严重的窄带噪声干扰；地面数字电视广播系统中也存在窄带干扰等问题。同时，在TDS-OFDM系统中，窄带干扰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，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。如传统的频域交织等手段，虽然可以一定程度上降低窄带干扰的影响，但是无法消除窄带干扰，在窄带干扰下效果不佳。现有的基于帧头结构优化设计对抗窄带干扰对同步性能的影响的方法，也不可以消除窄带干扰。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。
【发明内容】
[0006](一)要解决的技术问题
[0007]本发明所要解决的技术问题是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大小的问题。
[0008](二)技术方案[0009]为解决上述问题，本发明提供基于先验信息辅助的压缩感知窄带干扰估计方法，该方法包括:
[0010]S1.对M组相邻信号帧的帧头中的L点无帧体干扰部分或L点准无帧体干扰部分进行逐点相减，得到M段时域差分序列，所述序列长度为L ；
[0011]S2.用所述时域差分序列对窄带干扰信号的频率进行粗估计，获得窄带干扰信号频率的先验信息；
[0012]S3.用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型；
[0013]S4.根据压缩感知算法模型和窄带干扰信号频率的先验信息，采用基于先验信息辅助的压缩感知算法，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。
[0014]其中，在步骤SI中，所述信号帧包括帧头和帧体，其中，帧头为训练序列，帧体为单载波数据块或OFDM数据块，所述训练序列包括一段已知的训练序列、一段已知的训练序列及其循环前缀或两段相同的已知的训练序列；所述已知的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。
[0015]其中，在步骤SI中，所述无帧体干扰部分或准无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列。
[0016]其中，在步骤S2中，所述粗估计包括:
[0017]S21.对所述M段时域差分序列补零后进行傅里叶变换，得到M段频域序列，所述频域序列长度为N ；
[0018]S22.依次提取每段频域序列的相同位置的值构成一个位置序列，共得到N个位置序列，所述位置序列长度为M ；
[0019]S23.对每个位置序列进行绝对值或绝对值平方的求和运算，得到N个求和运算结果;
[0020]S24.计算N个求和运算结果的平均值，将所述平均值的常数倍设置为判别门限值；
[0021]S25.比较判别门限值与每个求和运算结果的大小，将大于所述门限值的求和运算结果所对应位置序列进行标记，得到窄带信号的频率位置估计。
[0022]其中，在步骤S2中，所述先验信息为窄带信号的频率位置。
[0023]其中，在步骤S3中，所述窄带干扰信号的时域采样序列包括当前信号帧与下一信号帧进行逐点相减所得的时域差分序列或者当前信号帧与其之后的M个相邻信号帧两两进行逐点相减所得的M段时域差分序列的平均值。
[0024]其中，在步骤S3中，所述压缩感知算法模型为窄带干扰信号时频关系等式，即所述窄带干扰时域采样序列等于傅里叶逆变换矩阵乘以所述待估计的窄带干扰频域信号加上时域噪声信号。
[0025]其中，在步骤S3中，所述压缩感知算法为基于窄带干扰信号频率先验信息辅助的凸优化算法或者基于窄带干扰信号频率先验信息辅助的贪婪算法，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以及子空间追踪法。[0026]可选的，该方法进一步包括:
[0027]S5.利用窄带干扰信号频率的先验信息，将傅里叶逆变换矩阵乘以窄带干扰信号的估计，再与所述窄带干扰信号的时域采样序列进行残差平方，得到残差平方式，对残差平方式进行最小二乘计算，得到频域窄带干扰信号的估计；
[0028]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:
【权利要求】
1.基于先验信息辅助的压缩感知窄带干扰估计方法，其特征在于，该方法包括: 51.对M组相邻信号帧的帧头中的L点无帧体干扰部分或L点准无帧体干扰部分进行逐点相减，得到M段时域差分序列，所述时域差分序列长度为L ； 52.用所述时域差分序列对窄带干扰信号的频率进行粗估计，获得窄带干扰信号频率的先验信息； 53.用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型； 54.根据压缩感知算法模型和窄带干扰信号频率的先验信息，采用基于先验信息辅助的压缩感知算法，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，在步骤SI中，所述信号帧包括帧头和帧体，其中，帧头为训练序列，帧体为单载波数据块或OFDM数据块，所述训练序列包括一段已知的训练序列、一段已知的训练序列及其循环前缀或两段相同的已知的训练序列；所述已知的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，在步骤SI中，所述无帧体干扰部分或准无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列。
4.根据权利要求 1所述的方法，其特征在于，在步骤S2中，所述粗估计包括: 521.对所述M段时域差分序列补零后进行傅里叶变换，得到M段频域序列，所述频域序列长度为N ； 522.依次提取每段频域序列的相同位置的值构成一个位置序列，共得到N个位置序列，所述位置序列长度为M ； 523.对每个位置序列进行绝对值或绝对值平方的求和运算，得到N个求和运算结果； 524.计算N个求和运算结果的平均值，将所述平均值的常数倍设置为判别门限值； 525.比较判别门限值与每个求和运算结果的大小，将大于所述门限值的求和运算结果所对应位置序列进行标记，得到窄带信号的频率位置估计。
5.根据权利要求4所述的方法，其特征在于，在步骤S2中，所述先验信息为窄带信号的频率位置。
6.根据权利要求1所述的方法，其特征在于，在步骤S3中，所述窄带干扰信号的时域采样序列包括当前信号帧与下一信号帧进行逐点相减所得的时域差分序列或者当前信号帧与其之后的M个相邻信号帧两两进行逐点相减所得的M段时域差分序列的平均值。
7.根据权利要求1所述的方法，其特征在于，在步骤S3中，所述压缩感知算法模型为窄带干扰信号时频关系等式，即所述窄带干扰时域采样序列等于傅里叶逆变换矩阵乘以所述待估计的窄带干扰频域信号加上时域噪声信号。
8.根据权利要求1所述的方法，其特征在于，在步骤S3中，所述压缩感知算法为基于窄带干扰信号频率先验信息辅助的凸优化算法或者基于窄带干扰信号频率先验信息辅助的贪婪算法，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以及子空间追踪法。
9.根据权利要求1所述的方法，其特征在于，该方法进一步包括:S5.利用窄带干扰信号频率的先验信息，将傅里叶逆变换矩阵乘以窄带干扰信号的估计，再计算其与所述窄带干扰信号的时域采样序列的残差平方，得到残差平方式，对残差平方式进行最小二乘计算，得到频域窄带干扰信号的估计； 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:
10.基于先验信息辅助的压缩感知窄带干扰估计装置，其特征在于，该装置包括: 帧头差分模块，用于对M组相邻信号帧的帧头中的L点无帧体干扰部分或L点准无帧体干扰部分进行逐点相减，得到M段时域差分序列，所述序列长度为L ； 先验信息粗估计模块，用于用所得时域差分序列对窄带干扰信号的频率进行粗估计，获得窄带干扰信号频率的先验信息； 压缩感知估计模块，用于用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型，并根据压缩感知算法模型和窄带干扰信号频率的先验信息，采用基于先验信息辅助的压缩感知算法，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。
【文档编号】H04L27/26GK103780520SQ201410007442
【公开日】2014年5月7日 申请日期:2014年1月7日 优先权日:2014年1月7日
【发明者】杨昉, 刘思聪, 宋健, 潘长勇 申请人:清华大学