[发明专利]一种基于压缩感知的冲激噪声估计与消除方法及装置

权利要求书

1.一种基于压缩感知的冲激噪声估计与消除方法，其特征在于，该方法包括以下步骤：

S1：根据当前接收的信号帧帧体的时域信号对冲激噪声信号的时域位置进行粗估计，得到所述冲激噪声信号时域位置的先验信息；

S2：获取所述信号帧帧体的频域预留子载波上的值构成所述冲激噪声信号的频域观测序列，生成压缩感知算法模型；

S3：根据所述压缩感知算法模型，采用基于所述先验信息辅助的压缩感知算法估计所述冲激噪声信号的准确时域位置和系数，得到所述冲激噪声信号的时域信号估计；

S4：将所述信号帧帧体的时域信号减去所述冲激噪声信号的时域信号估计，得到消除冲激噪声信号后的信号帧帧体数据。

2.根据权利要求1所述的方法，其特征在于，所述信号帧帧体为OFDM数据块，帧体的频域包含若干个预留子载波，帧头由所述帧体的循环前缀或帧头训练序列组成。

3.根据权利要求1或2所述的方法，其特征在于，所述步骤S1中根据当前接收的信号帧帧体的时域信号对冲激噪声信号的时域位置进行粗估计的方法为能量门限法，具体为：

获取所述信号帧帧体的时域序列绝对值的平方，将所述时域序列绝对值的平方与第一预设门限进行比较；所述第一预设门限为所述信号帧帧体的时域序列绝对值的平方的平均值的倍数；将序列中绝对值的平方大于所述第一预设门限的位置作为所述冲激噪声信号的时域位置的估计。

4.根据权利要求1或2所述的方法，其特征在于，所述步骤S1中根据当前接收的信号帧帧体的时域信号对冲激噪声信号的时域位置进行粗估计的方法为幅度门限法，具体为：

获取所述信号帧帧体的时域序列的绝对值，将所述时域序列的绝对值与第二预设门限进行比较；所述第二预设门限为所述信号帧帧体的时域序列绝对值的平均值的倍数；将序列中绝对值大于所述第二预设门限的位置作为所述冲激噪声信号的时域位置的估计。

5.根据权利要求2所述的方法，其特征在于，所述步骤S2具体包括：

当所述预留子载波为导频子载波时，计算当前接收的所述信号帧帧体频域的导频子载波上的值；将所述导频子载波上的值减去对应频率上的已知发送导频值乘以信道频率响应的估计值所得序列，得到所述冲激噪声信号的频域观测序列；当所述预留子载波为空置子载波时，所述冲激噪声信号的频域观测序列为频域空置子载波上的值依次构成的序列；

根据所述冲激噪声信号的频域观测序列构建冲激噪声信号时频关系等式，生成压缩感知算法模型。

6.根据权利要求5所述的方法，其特征在于，所述冲激噪声信号时频关系等式具体为：所述冲激噪声信号的频域观测序列等于傅里叶变换矩阵乘以待估计的冲激噪声时域信号加上频域基底噪声信号。

7.根据权利要求5所述的方法，其特征在于，当所述帧头由所述帧头训练序列组成时，所述信号帧帧体频域的导频子载波上的值或空置子载波上的值的获得方式为：对当前接收的所述信号帧帧体的时域序列进行循环重构和训练序列干扰消除；

当所述帧头由所述帧体的循环前缀组成时，所述信号帧帧体频域的导频子载波上的值或空置子载波上的值的获得方式为：直接对当前接收的所述信号帧帧体的时域序列进行离散傅里叶变换。

8.如权利要求1所述的方法，其特征在于，所述步骤S3中的压缩感知算法为凸优化算法或贪婪算法；

所述凸优化算法为内点法或一阶范数最小化算法；

所述贪婪算法为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或子空间追踪法中的任一种算法。

9.根据权利要求1或2所述的方法，其特征在于，在所述步骤S3之后还包括优化所述冲激噪声信号的系数的估计精度，具体为：

在估计出的所述冲激噪声信号的时域位置，以最小化所述傅里叶变换矩阵乘以待估计的冲激噪声时域信号与所述冲激噪声频域观测序列之间的残差平方原则，进行最小二乘估计。

10.一种基于压缩感知的冲激噪声估计与消除装置，其特征在于，包括：

先验信息粗估计模块，用于根据当前接收的信号帧帧体的时域信号对冲激噪声信号的时域位置进行粗估计，得到所述冲激噪声信号时域位置的先验信息；

模型生成模块，用于获取所述信号帧帧体的频域预留子载波上的值构成所述冲激噪声信号的频域观测序列，生成压缩感知算法模型；

压缩感知估计模块，用于根据所述压缩感知算法模型，采用基于所述先验信息辅助的压缩感知算法估计所述冲激噪声信号的时域位置和系数，得到所述冲激噪声信号的时域信号估计；

冲激噪声消除模块，用于将所述信号帧帧体的时域信号减去所述冲激噪声信号的时域信号估计，得到消除冲激噪声信号后的信号帧帧体数据。