一种NOMA通信系统中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NOMA通信系统中的脉冲噪声抑制方法，其在脉冲噪声位置估计时利用了多种不同的异常值检测算法提取脉冲噪声的特征，作为LSTM网络的输入，从而可以估计出NOMA通信系统中脉冲噪声的位置，完成脉冲噪声的抑制，更好地提升NOMA通信系统的性能；其在脉冲噪声幅度估计时利用了NOMA符号中的空子载波构建空子载波矩阵，并利用NOMA符号中的各个子载波之间的正交性，从包含有数据信号、脉冲噪声和背景噪声的接收信号中提取出仅包含脉冲噪声和背景噪声的信号，即将噪声信号和数据信号分离开来，通过这种方式不仅能够准确分离出接收信号中的噪声部分，而且计算复杂度低。而且计算复杂度低。而且计算复杂度低。

【技术实现步骤摘要】
一种NOMA通信系统中的脉冲噪声抑制方法


[0001]本专利技术涉及一种NOMA(Non
‑
Orthogonal Multiple Access，非正交多址)技术，尤其是涉及一种NOMA通信系统中的脉冲噪声抑制方法。

技术介绍

[0002]非正交多址(Non
‑
Orthogonal Multiple Access，NOMA)技术是一种新兴的5G技术，其可有效地满足5G场景下低延迟、高频谱效率和高连通性的要求。然而在一些场景中，如智能电网、智能家居、物联网等新兴网络采用NOMA技术来连接大量的设备，这些设备包括智能电表、传感器、执行器等在使用电力线通信时不仅有高斯白噪声的存在，还有破坏性更强的脉冲噪声。脉冲噪声具有较高的瞬时能量，会随机出现在信道的各个位置，脉冲噪声的能量扩散到每个子载波上会降低每个子载波的信噪比，NOMA通信系统的性能将急剧恶化，因此在发射信号能量受到限制或者脉冲噪声能量较高的场合，采取相应的技术抑制脉冲噪声对NOMA通信系统的可靠传输具有重要意义。
[0003]在实际中，由于信道中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种NOMA通信系统中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通信系统中，设定存在两个用户，且第1个用户距离基站更远，为远距离用户，第2个用户距离基站更近，为近距离用户；在NOMA通信系统的下行链路的发送端，对于任一个用户，串行的二进制信号经过串并转换后变成N路并行的二进制信号，每路二进制信号通过正交幅度调制映射到对应的星座点符号，将N路并行的二进制信号对应的星座点符号用一个复数向量X表示，X＝(x0，x1，
…
x
N
‑1)
T
，X为任一个用户的调制符号；将第1个用户的调制符号记为X1，将第2个用户的调制符号记为X2，将基站处的叠加编码信号记为X
sc
，X
sc
为频域符号；X
sc
经过调制器后转换成时域NOMA信号，记为x
sc
，x
sc
＝F
*
X
sc
；在x
sc
的头部插入长度大于信道时延扩展长度的循环前缀；上述，N表示NOMA通信系统中子载波的总数目，x0表示第1个子载波上的星座点符号，x1表示第2个子载波上的星座点符号，x
N
‑1表示第N个子载波上的星座点符号，上标“T”表示向量或矩阵的转置，表示第1个用户的功率分配系数，表示第2个用户的功率分配系数，P表示基站的发射功率，F表示归一化后的离散傅里叶变换矩阵，F的维数为N
×
N，F
*
为F的厄米特变换；步骤2：在NOMA通信系统的下行链路的接收端，将当前时刻接收到的时域NOMA信号在去掉循环前缀后得到的信号记为r，r＝Hx
sc
+e+g；r经过离散傅里叶变换运算转变为频域符号Y，Y＝Fr＝FHF
*
X
sc
+Fe+Fg＝ΛX
sc
+Fe+G
back
；上述，H表示维数为N
×
N的信道循环卷积矩阵，e表示信道中的脉冲噪声向量，脉冲噪声模型为伯努利高斯模型，具体形式为符号是阿达玛运算符，B为二进制伯努利序列，其出现1的概率为p，出现0的概率为1
‑
p，n
G
为服从均值为m且方差为的高斯分布的随机变量，g为时域高斯白噪声，Λ是一个对角矩阵，其对角元素为信道频域响应，G
back
表示频域背景噪声向量，G
back
＝Fg，G
back
和g服从相同的高斯分布；步骤3：对r中包含的脉冲噪声向量e的位置进行估计，具体过程为：使用四种不同的异常值检测算法分别从当前时刻的前面时刻接收到的时域NOMA信号在去掉循环前缀后得到的信号中提取出脉冲噪声向量的特征；然后给定LSTM网络的输入数据为当前时刻的前面时刻接收到的时域NOMA信号在去掉循环前缀后得到的信号和从中提取出的四个特征，给定LSTM网络的输出数据为脉冲噪声向量的实际位置，对LSTM网络进行训练，在训练过程中采用交叉熵函数作为损耗函数，反向传播算法采用Adam算法，通过反向传播每次识别的误差来修正网络参数，直到损耗函数收敛时训练结束，得到训练完成的识别准确率高的脉冲噪声位置检测模型；再使用四种不同的异常值检测算法分别从r中提取出脉冲噪声向量e的特征；最后将r和从中提取出的四个特征输入到脉冲噪声位置检测模型中，脉冲噪声位置检测模型输出一个维数为1
×
N的向量Φ，该向量Φ由0和1组成，1在向量Φ中的索引即为脉冲噪声向量e的位置估计值即在相同索引的子载波上；步骤4：对r中包含的脉冲噪声向量e的幅度进行估计，具体过程为：将频域符号Y分成在数据子载波上的信号和在空子载波上的信号，对应记为Y
data
和Y
empty
，Y
data
＝(ΛX
sc
)
data
+J
data
e+G
data
，Y
empty
＝(ΛX
sc
)
empty
+J
empty
e+G
empty
；在(ΛX
sc
)
empty
＝0的前提下，将Y
empty
＝(ΛX
sc
)
empty
+J
empty
e+G
empty
转换为Y
empty
＝J
empty
e+G
empty
；将Y
empty
＝J
empty
e+G
empty
视作一组关于未知参数即脉冲噪声向量e的线性观测，将需要估计的脉冲噪声向量e赋予参数化高斯分布，并
表示为：p(e；Γ)＝CN(e；0，Γ)，将视作观测值的Y
empty
的概率密度函数表示为：p(Y
empty
；Γ，σ2)＝CN(Y
empty
；0，J
empty
Γ(Je
mpty
)
*
+σ2I
M
)；利用最大似然估计方法中的期望值最大化算法逼近求解p(Y
empty
；Γ，σ2)＝CN(Y
empty
；0，J
empty
Γ(J
empty
)
*
+σ2I
M
)中的超参数β和σ2各自的最优解，对应记为β
best
和在得到β
best
和后，将脉冲噪声向量e的后验概率密度函数表示为：...

【专利技术属性】
技术研发人员：马昭健，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：