【技术实现步骤摘要】
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lq范数和图拉普拉斯正则的noma(non-orthogonal multiple access，非正交多址接入)系统脉冲噪声抑制方法。
技术介绍
1、非正交多址接入(non-orthogonal multiple access，noma)技术作为最有潜力成为6g无线网络关键技术之一的候选技术，其能利用同一资源块服务多个用户，极大地提高了noma系统的大规模连接能力和频谱效率。然而，由于复杂的无线环境和人类活动等原因，noma系统会不可避免地受到各种噪声的干扰。这些噪声，特别是脉冲噪声，严重增加了noma系统的脆弱性，由于noma用户，尤其是高阶用户，即使在脉冲噪声的功率和发生率非常低的情况下，依旧对脉冲噪声非常敏感，因此，如何有效地抑制noma系统的脉冲噪声已成为一个至关重要的问题。
2、传统的脉冲噪声抑制算法通常在接收端接入一个非线性模块，通过设置阈值来判断脉冲噪声的存在，再通过消隐、限幅或消隐/限幅等方法进行脉冲噪声抑制。但是这类方法需要通过脉冲噪声的先验信息来确定最佳阈值，这些先验信息在实际中难以获得。鉴于这一点，学者们将压缩感知(compressed sensing，cs)理论拓展到脉冲噪声抑制领域，例如，基于cs的差分测量和先验辅助的稀疏性自适应匹配追踪算法、基于稀疏贝叶斯学习(sparse bayesian learning，sbl)的方法。这些方法利用了脉冲噪声的稀疏性，但是这些方法仅利用了空子载波和导频子载波的信息，忽略了数据子载波的信息。因此，
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其利用lq范数和图拉普拉斯正则刻画了脉冲噪声的稀疏特性和noma系统子载波间的内在关联性，能够很好地实现对noma系统脉冲噪声的有效抑制。
2、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lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其特征在于包括以下步骤：
3、步骤1：考虑在一个两用户单输入单输出下行功率域noma系统中，设定该系统包含有共n个子载波，导频子载波的数量为npilot、空子载波的数量为nnull、数据子载波的数量为ndata，将所有导频子载波的索引构成的集合、所有空子载波的索引构成的集合、所有数据子载波的索引构成的集合对应记为ωpilot、ωnull、ωdata；设定该系统中存在一个基站、一个远端用户即用户1、一个近端用户即用户2，基站使用相同的时间/频率资源块向用户1和用户2发送noma符号，基站将待发送给各个用户的数据流先经过qam调制后再进行叠加以得到noma符号，再通过所有子载波将noma符号发送给所有用户，将基站通过第n个子载波发送的noma符号中属于用户的数据记为将基站通过第n个子载波发送的noma符号记为xn，将基站通过所有子载波发送的noma符号记为x，x＝[x1,x2,…,xn]t，noma符号经过信道及噪声干扰后被所有用户接收；
4、其中，npilot、nnull、ndata均大于1，n＝npilot+nnull+ndata，p表示基站的发送总功率，表示分配给用户的功率与基站的发送总功率p的占比，(·)t表示向量或矩阵的转置，x的维度为n×1；
5、步骤2：在两用户单输入单输出下行功率域noma系统的接收端，将接收信号的频域表示记为y，然后引入矩阵和向量w＝[ht,it]t，将改写为y＝φw+g；
6、其中，diag(x)表示一个对角线上为x的方形对角阵，f表示归一化的n点离散傅立叶变换矩阵，f的维度为n×n，fl为由f中的前l列组成的矩阵，fl的维度为n×l，l＜n，h表示长度为l的信道脉冲响应，h由具有条散射路径的广义平稳不相关散射信道模型表示，表示第条散射路径的增益，表示第条散射路径的时延，τ表示时延变量，δ(τ)表示冲击函数，i表示时域脉冲噪声，i用高斯混合模型表示，高斯混合模型中的随机变量z的概率密度函数f(z)由m个均值为零且方差不同的高斯分布加权求和表示，m＞1，pm表示第m个高斯分布的概率，ν(z；0,ξm)表示均值为零且方差为ξm的高斯概率密度函数，g表示加性独立同分布零均值圆对称复高斯白噪声即背景噪声，φ的维度为n×(l+n)，w的维度为(l+n)×1；
7、步骤3：对信道进行估计，具体过程为：
8、步骤3.1：从φ中提取出通过导频子载波和空子载波发送的部分，记为φs，并从g中提取出与通过导频子载波和空子载波发送对应的部分背景噪声，记为gs，gs＝g(ωpilot∪ωnull)；从y中提取出与通过导频子载波和空子载波发送对应的部分接收信号的频域表示，记为ys，ys＝y(ωpilot∪ωnull)；进而得到ys＝φsw+gs；
9、其中，xs的维度为n×1，xs中的第n个元素为xs,n，“∪”为集合并运算符号，diag(xs)表示一个对角线上为xs的方形对角阵，f(ωpilot∪ωnull,1:l)表示由f中行索引属于ωpilot∪ωnull的前l列组成的矩阵，f(ωpilot∪ωnull,:)表示由f中行索引属于ωpilot∪ωnull的所有列组成的矩阵，g(ωpilot∪ωnull)表示由g中索引属于ωpilot∪ωnull的所有元素构成的向量，y(ωpilot∪ωnull)表示由y中索引属于ωpilot∪ωnull的所有元素构成的向量，gs服从均值为零、方差为的高斯分布，i为对应维度的单位矩阵；
10、步骤3.2：采用基于期望最大化的稀疏贝叶斯学习算法对ys＝φsw+gs中的未知向量w进行求解，得到w的解作为估计值，记为进而得到h的最终估计值，记为
11、步骤4：对脉冲噪声进行估计，具体过程为：
12、步骤4.1：根据脉冲噪声的稀疏性及子载波间的相关性，构建利用全子载波的noma系统脉冲噪声估计模型，描述为：
13、
14、其中，“|| ||q”为lq范数符号，0＜q＜1，“| |”为求模运算符号，in表示i中的第n个元素，“|| ||2”为l2范数符号，||x||glr表示关于x的图拉普拉斯正则项，ypilot表示从y中提取出的与通过导频子载波发送对应的部分接收信号的频域表示，ypilot＝y(ωpilot)，y(本文档来自技高网...
【技术保护点】
1.一种基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于所述的步骤3.2的具体过程为：
3.根据权利要求1所述的基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于所述的步骤4.4中，的获取过程为：
4.根据权利要求3所述的基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于所述的无权无向邻接对称矩阵的获取过程为：
5.根据权利要求3或4所述的基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于所述的步骤4.1中，||x||GLR在一维的情形下定义为：所述的步骤4.2中，||σ(x)||GLR定义为：
6.根据权利要求1所述的基于lq范数和图拉普拉斯正则的NOMA系统脉冲噪声抑制方法，其特征在于所述的步骤4.8中，proxq,ρ(·)定义为：其中，为引入的向量，表示为表示为α＝1,2,…,2N，的值为通过牛顿法对问题进行求解得到的解，h(
...【技术特征摘要】
1.一种基于lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其特征在于所述的步骤3.2的具体过程为：
3.根据权利要求1所述的基于lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其特征在于所述的步骤4.4中，的获取过程为：
4.根据权利要求3所述的基于lq范数和图拉普拉斯正则的noma系统脉冲噪声抑制方法，其特征在于所述的无权无向邻接对称矩阵的获取过程为：
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。