【技术实现步骤摘要】
基于快速贝叶斯匹配追踪的脉冲噪声抑制方法
[0001]本专利技术涉及一种电力线通信(PLC,Powerline Communication)中OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)系统下的脉冲噪声抑制技术,尤其是涉及一种OFDM系统下基于快速贝叶斯匹配追踪(Fast Bayesian Matching Pursuit,FBMP)的脉冲噪声抑制方法。
技术介绍
[0002]电力线通信是一种利用电力线介质进行载波传输的通信方式。电力线作为已经完善搭建的基础设施,相对于电缆和无线产品,电力线通信能够大大减少安装时间与成本,并具有穿透更长距离结构的能力,使用其进行数据传输可以大大降低通信成本。基于电力线基础设施的普遍性,电力线通信的典型应用包括:智能电网、实时报价、车联网通信、远程自动抄表以及智能能源管理等。而在未来的应用设计里,包括慢扫描的电视图像、视频以及音频信号的传输均可以借助电力线通信网络实现。电力线具有良好的发展前景和优势,但是,由于电力线设计之初是用来传输固定频率范围的单向电能,而不是为信号传输而设计的,因此在线路上存在许多挑战,包括信道频率衰减、噪声大、负载种类复杂的情况,于是对设备的抗干扰性和稳定性提出了很高的要求。在电力线通信系统的众多干扰中,噪声干扰的影响尤为明显,其中又以脉冲噪声的干扰影响最明显。脉冲噪声大致分为三种类型:广义背景噪声、异步型和周期型。周期型脉冲噪声是由电源引起的,主要是由整流二极管的开关作用引起的,其特点是持续时间 ...
【技术保护点】
【技术特征摘要】
1.一种基于快速贝叶斯匹配追踪的脉冲噪声抑制方法,其特征在于包括以下步骤:步骤1:在电力线通信中OFDM系统的发送端,将发送端的初始二进制数据序列记为B;然后将B编译为多个定长码字,且每个定长码字中包含有(N
‑
K)个数据;接着从多个定长码字中任意选取一个定长码字,将该定长码字记为C,以列向量形式将C表示为C=[c1,c2,...,c
(N
‑
K)
]
T
;之后通过正交相移键控将C映射为一个包含有(N
‑
K)个数据的OFDM符号,并在该OFDM符号的末端补K个0使得该OFDM符号的长度变为N,将补0后的OFDM符号记为D,以列向量形式将D表示为D=[d1,d2,
…
,d
(N
‑
K)
,d
(N
‑
K)+1
,
…
,d
N
]
T
;再将D中的前(N
‑
K)个数据加载到(N
‑
K)个子载波上,该(N
‑
K)个子载波为数据子载波,并将D中的后K个数据加载到K个子载波上,该K个子载波为空子载波;同时对D进行离散傅里叶反变换,转换得到对应的离散时域信号,记为G,G=F
H
D=[g1,g2,...,g
N
]
T
;最后在G的头部加上用于防止符号间干扰的循环前缀,而后将加有循环前缀的离散时域信号通过信道传输给电力线通信中OFDM系统的接收端;其中,B的长度至少大于2(N
‑
K),N表示OFDM符号中的子载波的总个数,N>2,K表示OFDM符号中的空子载波的总个数,1<K<N,C的维数为(N
‑
K)
×
1,符号“[]”为向量或矩阵表示符号,c1,c2,...,c
(N
‑
K)
对应表示C中的第1个数据、第2个数据、
…
、第(N
‑
K)个数据,D的维数为N
×
1,d1,d2,...,d
(N
‑
K)
,d
(N
‑
K)+1
,...,d
N
对应表示D中的第1个数据、第2个数据、
…
、第(N
‑
K)个数据、第(N
‑
K)+1个数据、
…
、第N个数据,G的维数为N
×
1,F表示维数为N
×
N的离散傅里叶变换范德蒙德矩阵,F
H
为F的厄米特变换,g1,g2,...,g
N
对应表示G中的第1个数据、第2个数据、
…
、第N个数据,上标“T”表示向量或矩阵的转置;步骤2:在电力线通信中OFDM系统的接收端,将接收端接收到的带有脉冲噪声干扰的离散时域信号的头部的循环前缀去掉,将去掉循环前缀后的带有脉冲噪声干扰的离散时域信号记为r,并构造一个维数为K
×
N的空子载波矩阵,记为Φ,Φ由F中的第N
‑
K+1行至第N行构成;然后在的等号的两边同时乘以Φ,得到接着根据OFDM符号中的各个子载波之间的正交性,将转化为Φr=Φi+Φn;再令y=Φr=Φi+Φn,并令v=Φn,将y=Φi+Φn转化为y=Φi+v;其中,r的维数为N
×
1,表示维数为N
×
N的信道循环卷积矩阵,N的信道循环卷积矩阵,对应表示对信道进行估计获取的N个脉冲响应值再经归一化处理后得到的值,i表示服从伯努利高斯分布的脉冲噪声信号,i的维数为N
×
1,n表示OFDM系统中的背景噪声,n的维数为N
×
1,y为引入的中间变量,y的维数为K
×
1,v表示方差为σ2且服从高斯分布的白噪声信号;步骤3:根据脉冲噪声稀疏性这一先验信息,引入一个与i同维数的独立分布参数向量z来体现脉冲噪声稀疏性,z=[z1,...,z
k
,...,z
N
]
T
,z
k
的值为1或0,当z
k
=1时说明i中的第k个元素i
k
为非0元素,代表i
k
中存在脉冲噪声,当z
k
=0时说明i中的第k个元素i
k
为0元素,代表i
k
中不存在脉冲噪声,将z
k
=1的概率记为P[z
k
=1],将z
k
=0的概率记为P[z
k
=0],令P[z
k
=1]=p1→
i
k
≠0,P[z
k
=0]=1
‑
p1→
i
k
=0;并设定z和i之间的关系,表示为:p(y|z,i)=p(y|i,z)=p(y|i);其中,z1表示z中的第1个元素,z
k
表示z中的第k个元素,z
N
表示z中的第N个元素,1≤k≤N,p(y|z,i)表示在z和i已知的条件下y的条件概率,p(y|i,z)表示在i和z已知的条件下y的条件概率,p(y|z,i)与p(y|i,z)相同,p(y|i)表示在i已知的条件下y的条件概率,p1表示z中的元素为1的概率,0<p1<<1;步骤4:根据贝叶斯准则,获得z、i和y之间的关系,表示为:然后根据z和i之间的关系即p(y|z,i)=p(y|i,z...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。