基于压缩感知的非正交多址系统的脉冲噪声抑制方法技术方案

本发明专利技术公开了一种基于压缩感知的非正交多址系统的脉冲噪声抑制方法，其利用NOMA通信系统中全子载波的信息估计脉冲噪声，增加了观测矩阵的维度，显著提升了稀疏信号重构的性能，通过这种方式，使得本发明专利技术方法可以不受空子载波和导频子载波数量的限制，提升了系统的频谱效率；基于稀疏贝叶斯学习理论，除了假设脉冲噪声和信道的稀疏性外，不需要脉冲噪声和信道的先验信息，也不需要假设信道脉冲响应长度已知；基于压缩感知理论，引入稀疏贝叶斯学习理论联合估计脉冲噪声和信道，使用期望最大化算法迭代求解，使得本发明专利技术方法不仅减小了脉冲噪声估计的均方误差，而且减小了脉冲噪声环境下信道估计的均方误差和符号检测的误符号率。率。率。

【技术实现步骤摘要】
基于压缩感知的非正交多址系统的脉冲噪声抑制方法


[0001]本专利技术涉及一种脉冲噪声抑制技术，尤其是涉及一种基于压缩感知的非正交多址系统的脉冲噪声抑制方法。

技术介绍

[0002]非正交多址技术(Non
‑
Orthogonal Multiple Access，NOMA)是第五代通信技术的关键技术之一，其具有频谱效率高、时延低、系统容量大等优点，是当下研究的热点。然而，在智能家居、智能电网和物联网等应用场景中，基于NOMA的通信系统容易受到脉冲噪声的影响，这种噪声会显著影响系统的可靠性。
[0003]在实际中，基于NOMA的通信系统中信道的多径效应与脉冲噪声的影响是同时存在的，信道估计和脉冲噪声抑制也是无法独立分开的，因此联合估计信道和脉冲噪声逐渐引起了重视。采用广义近似消息传递的方法可以对信道和脉冲噪声进行联合估计，然而该方法需要信道脉冲响应和脉冲噪声的先验信息，实际情况中很难获取。采用自适应阈值的方法也可以对信道和脉冲噪声进行联合估计，然而该方法需要假设信道脉冲响应长度已知，而且在多个符号持续时间内保持不变。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于压缩感知的非正交多址系统的脉冲噪声抑制方法，其除了假设信道和脉冲噪声的稀疏性外，不需要信道和脉冲噪声的先验信息，其不需要假设信道脉冲响应长度已知，其利用了全子载波的信息，有利于提升NOMA系统的频谱效率，其通过联合信道参数和脉冲噪声信号来抑制脉冲噪声，在混合高斯模型脉冲噪声环境下，对脉冲噪声估计和脉冲噪声环境下的信道估计具有较小的均方误差，对NOMA系统中的符号检测具有较小的误符号率。
[0005]本专利技术解决上述技术问题所采用的技术方案为：一种基于压缩感知的非正交多址系统的脉冲噪声抑制方法，其特征在于包括以下步骤：
[0006]步骤1：在NOMA的下行通信系统的发送端，将两个二进制发送序列分别记为b1和b2；b1经过编码器编码后再通过QAM映射为频域符号x1，b2经过编码器编码后再通过QAM映射为频域符号x2；x1和x2经过功率分配后叠加为信号s，s经过IDFT模块转换为时域信号t，t＝F
*
s；在t的头部加上循环前缀形成发送信号；其中，α1和α2为功率分配系数，α1＞α2，a1,α2∈(0,1)，α1+α2＝1，F表示采用L2范数归一化方法处理后的离散傅里叶变换矩阵，F
*
是F的厄米特变换，循环前缀的长度等于无线信道的时延扩展长度L；
[0007]步骤2：发送信号通过信道后去除循环前缀得到时域接收信号r，在NOMA的下行通信系统的接收端接收到时域接收信号r，r＝Ht+u+ε；r经过DFT模块转换为频域符号y，y＝Fr＝FHF
*
s+Fu+Fε＝Λs+Fu+n；将y＝Λs+Fu+n转化为其中，H表示维数为N
×
N的循环矩阵，H的第1列的前L个元素为信道脉冲响应向量h＝(h0,h1,
…
,h
L
‑1)
T
中的L个元素且后N
‑
L个元素为0，N表示基于NOMA的下行通信系统中的子载波数目，N＞L，h0为h的
第1个元素，h1为h的第2个元素，h
L
‑1为h的第L个元素，上标“T”表示向量或矩阵的转置，u表示时域脉冲噪声向量，u服从高斯混合模型，ε表示加性高斯白噪声，Λ为一个对角矩阵，其对角元素由信道频域增益构成，diag( )表示求对角矩阵，F
L
表示由F的前L列组成的矩阵，n表示频域的背景噪声向量，n＝Fε，X＝diag(s1,s2,
…
,s
N
)，X为一个对角矩阵，其对角元素为s1,s2,
…
,s
N
,s1为s中的第1个元素，s2为s中的第2个元素，s
N
为s中的第N个元素；
[0008]步骤3：构造一个维数为N
×
(N+L)的矩阵Φ和一个维数为(N+L)
×
1的向量ω,并令ω＝[h
T u
T
]T
；然后根据以及以及和ω＝[h
T u
T
]T
，得到y＝Φω+n，并将Φ视作观测矩阵；其中，ω为未知稀疏向量；
[0009]步骤4：根据稀疏贝叶斯学习理论，确定未知稀疏向量ω的先验概率分布为P(ω；Γ)，根据稀疏贝叶斯学习理论和高斯分布的性质，在y确定的情况下，确定未知稀疏向量ω的后验概率分布为P(ω|y；X,σ2,Γ)，根据稀疏贝叶斯学习理论，在y确定和设定n服从均值为零、方差为σ2I
N
的高斯分布的情况下，确定未知稀疏向量ω的似然概率分布为P(y|ω；σ2,X)，然后根据P(ω|y；X,σ2,Γ)和P(ω；Γ)，获取未知稀疏向量ω的联合概率分布，记为P(y,ω；X,Γ,σ2)，P(y,ω；X,Γ,σ2)＝P(y|ω；σ2,X)P(ω；Γ)；其中，Γ表示ω的协方差矩阵，Γ＝diag(γ0,γ1,
…
,γ
N+L
‑1)，γ0表示ω中的第1个元素ω0的方差，γ1表示ω中的第2个元素ω1的方差，γ
N+L
‑1表示ω中的第N+L个元素ω
N+L
‑1的方差，γ
i
表示ω中的第i
‑
1个元素ω
i
的方差，当γ
i
→
0时ω中的第i
‑
1个元素ω
i
→
0，0≤i≤N+L
‑
1，“| |”为取矩阵的行列式符号，exp( )表示以自然基数e为底的指数函数，ω
*
是ω的厄米特变换，μ表示未知稀疏向量ω的后验概率分布的均值，μ
h
和μ
u
都是μ的子集，μ
h
表示μ中的信道部分，μ
u
表示μ中的脉冲噪声部分，Φ
*
是Φ的厄米特变换，C表示未知稀疏向量ω的后验概率分布的协方差矩阵，C
hh
、C
hu
、C
uh
、C
uu
都是C的子集，C
hh
表示C中的信道部分，C
uu
表示C中的脉冲噪声部分，C
hu
表示C中的信道部分与C中的脉冲噪声部分之间的协方差，C
uh
表示C中的脉冲噪声部分与C中的信道部分之间的协方差，为复高斯分布表示符号，σ2为方差，I
N
为N阶单位矩阵，(y
‑
Φω)
*
是(y
‑
Φω)的厄米特变换；
[0010]步骤5：令θ表示超参数，定义θ＝{X,Γ,σ2}；将ω视作隐含变量，并定义隐含变量ω的联合概率分布P(y,ω；X,Γ,σ2)在隐含变量ω的后验概率分布P(ω|y；X,σ2,Γ)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于压缩感知的非正交多址系统的脉冲噪声抑制方法，其特征在于包括以下步骤：步骤1：在NOMA的下行通信系统的发送端，将两个二进制发送序列分别记为b1和b2；b1经过编码器编码后再通过QAM映射为频域符号x1，b2经过编码器编码后再通过QAM映射为频域符号x2；x1和x2经过功率分配后叠加为信号s，s经过IDFT模块转换为时域信号t，t＝F
*
s；在t的头部加上循环前缀形成发送信号；其中，α1和α2为功率分配系数，α1>α2，a1，α2∈(0，1)，α1+α2＝1，F表示采用L2范数归一化方法处理后的离散傅里叶变换矩阵，F
*
是F的厄米特变换，循环前缀的长度等于无线信道的时延扩展长度L；步骤2：发送信号通过信道后去除循环前缀得到时域接收信号r，在NOMA的下行通信系统的接收端接收到时域接收信号r，r＝Ht+u+ε；r经过DFT模块转换为频域符号y，y＝Fr＝FHF
*
s+Fu+Fε＝Λs+Fu+n；将y＝Λs+Fu+n转化为其中，H表示维数为N
×
N的循环矩阵，H的第1列的前L个元素为信道脉冲响应向量h＝(h0，h1，...，h
L
‑1)
T
中的L个元素且后N
‑
L个元素为0，N表示基于NOMA的下行通信系统中的子载波数目，N>L，h0为h的第1个元素，h1为h的第2个元素，h
L
‑1为h的第L个元素，上标“T”表示向量或矩阵的转置，u表示时域脉冲噪声向量，u服从高斯混合模型，ε表示加性高斯白噪声，Λ为一个对角矩阵，其对角元素由信道频域增益构成，diag()表示求对角矩阵，F
L
表示由F的前L列组成的矩阵，n表示频域的背景噪声向量，n＝Fε，X＝diag(s1，s2，...，s
N
)，X为一个对角矩阵，其对角元素为s1，s2，...，s
N
，s1为s中的第1个元素，s2为s中的第2个元素，s
N
为s中的第N个元素；步骤3：构造一个维数为N
×
(N+L)的矩阵Φ和一个维数为(N+L)
×
1的向量ω，并令ω＝[h
T u
T
]
T
；然后根据以及以及和ω＝[h
T u
T
]
T
，得到y＝Φω+n，并将Φ视作观测矩阵；其中，ω为未知稀疏向量；步骤4：根据稀疏贝叶斯学习理论，确定未知稀疏向量ω的先验概率分布为P(ω；Γ)，根据稀疏贝叶斯学习理论和高斯分布的性质，在y确定的情况下，确定未知稀疏向量ω的后验概率分布为P(ω|y；X，σ2，Γ)，根据稀疏贝叶斯学习理论，在y确定和设定n服从均值为零、方差为σ2I
N
的高斯分布的情况下，确定未知稀疏向量ω的似然概率分布为P(y|ω；σ2，x)，然后根据P(ω|y；X，σ2，Γ)和P(ω；Γ)，获取未知稀疏向量ω的联合概率分布，记为P(y，ω；X，Γ，σ2)，P(y，ω；X，Γ，σ2)＝P(y|ω；σ2，X)P(ω；Γ)；其中，Γ表示ω的协方差矩阵，Γ＝diag(γ0，γ1，...，γ
N+L
‑1)，γ0表示ω中的第1个元素ω0的方差，γ1表示ω中的第2个元素ω1的方差，γ
N+L
‑1表示ω中的第N+L个元素ω
N+L
‑1的方差，γ
i
表示ω中的第i
‑
1个元素ω
i
的方差，当γ
i
→
0时ω中的第i
‑
1个元素ω
i
→
0，0≤i≤N+L
‑
1，“||”为取矩阵的行列式符号，exp()表示以自然基数e为底的指数函数，ω
*
是ω的厄米特变换，μ表示未知稀疏向量ω的后验概率分布的均值，
μ
h
和μ
u
都是μ的子集，μ
h
表示μ中的信道部分，μ
u
表示μ中的脉冲噪声部分，Φ
*
是Φ的厄米特变换，C表示未知稀疏向量ω的后验概率分布的协方差矩阵，C
hh
、C
hu
、C
uh
、C
uu
都是C的子集，C
hh
表示C中的信道部分，C
uu
表示C中的脉冲噪声部分，C
hu
表示C中的信道部分与C中的脉冲噪声部分之间的协方差，C
uh
表示C中的脉冲噪声部分与C中的信道部分之间的协方差，为复高斯分布表示符号，σ2为方差，I
N
为N阶单位矩阵，(y
‑
Φω)
*
是(y
‑
Φω)的厄米特变换；步骤5：令θ表示超参数，定义θ＝{X，Γ，σ2}；将ω视作隐含变量，并定义隐含变量ω的联合概率分布P(y，ω；X，Γ，σ2)在隐含变量ω的后验概率分布P(ω|y；X，σ2，Γ)下的期望值为Q(θ)；令k表示迭代次数，k的初始值为0，1≤k≤K
‑
1，K表示迭代总次数；令θ的初始值为θ
(0)
，θ
(0)
＝{X
(0)
，Γ
(0)
，(σ2)
(0)
}，Γ
(0)
表示Γ的初始值，Γ
(0)
的对角元素全为1，(σ2)
(0)
表示σ2的初始值，(σ2)
(0)
的所有元素均为1，X
(0)
表示X的初始估计值，X
(0)
的获取过程为：首先，构建导频和空子载波的压缩感知方程，描述为：和空子载波的压缩感知方程，描述为：其中，y
p
表示由y中对应导频和空子载波索引位置的行元素组成的向量，X
p
表示由X中对应导频和空子载波索引位置的行元素组成的矩阵，F
p
表示由F中对应导频和空子载波索引位置的行元素组成的矩阵...

【专利技术属性】
技术研发人员：马冲亚，李有明，俞建定，王旭芃，
申请(专利权)人：宁波大学，
类型：发明
国别省市：