[发明专利]多输入多输出系统中的窄带干扰估计方法及装置

权利要求书

1.一种多输入多输出系统中的窄带干扰估计方法，其特征在于，包括以下步骤：

S1：通过多输入多输出系统的T个发射天线分别发送训练序列和信号帧帧体，其中，所述多输入多输出系统包括T个发射天线和M个接收天线；

S2：对所述M个接收天线所接收到的M组所述训练序列，分别对每组相邻所述训练序列中的L点重复训练序列部分进行逐点相减，以得到M段长度为L的窄带干扰时域差分采样序列；

S3：根据所述M段时域差分采样序列构成多维窄带干扰信号联合采样矩阵，并基于窄带干扰信号的时域-频域傅里叶变换关系，得到结构化压缩感知模型；

S4：根据所述结构化压缩感知模型，采用结构化压缩感知算法，估计窄带干扰信号的频率、幅度和相位，得到窄带干扰信号的估计。

2.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述训练序列为前导符号中的前导训练序列，所述前导训练序列包括频域二值伪随机序列的离散傅里叶逆变换或时域二值伪随机序列。

3.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述训练序列为所述信号帧帧体之间的帧间训练序列，所述帧间训练序列包括一段已知训练序列、一段已知训练序列及其循环前缀或两段相同的已知训练序列，所述已知训练序列包括频域二值伪随机序列的离散傅里叶逆变换或时域二值伪随机序列。

4.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，所述信号帧帧体包括：单载波数据块和正交频分复用数据块。

5.根据权利要求1所述的方法，其特征在于，在所述步骤S2中，所述重复训练序列部分包括前导符号中的所述前导训练序列、所述帧间训练序列的无帧体干扰部分或准无帧体干扰部分。

6.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述窄带干扰信号时域差分采样序列为当前训练序列与下一训练序列进行逐点相减所得的时域差分序列。

7.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，所述结构化压缩感知模型为多维窄带干扰信号时频关系等式。

8.根据权利要求1所述的方法，其特征在于，在所述步骤S4中，所述结构化压缩感知算法为基于多维联合稀疏信号的凸优化算法或者基于多维结构化压缩感知的贪婪算法，其中，所述凸优化算法包括内点法、一阶范数最小化算法；所述贪婪算法包括结构化同步正交匹配追踪算法、结构化稀疏自适应匹配追踪法。

9.根据权利要求1所述的方法，其特征在于，还包括：

S5：根据每一个接收天线，利用步骤S4估计所得的窄带干扰信号频率，计算对应于该接收天线的所述窄带干扰信号时域差分采样序列与所估计和窄带干扰信号的残差平方，进行最小二乘计算，得到该接收天线上窄带干扰信号的幅度、相位准确估计；

S6：将所述频域窄带干扰信号的估计除以频域衰减因子，其中第k个子载波上的频域衰减因子为：

γk=1-exp(j-2πN(k-1)ΔL),]]>

其中，所述ΔL为进行逐点相减操作的相邻帧头间的距离；

S7：将每个接收天线接收到的信号帧的时域帧体数据块减去对应该天线的所述频域窄带干扰信号估计的离散傅里叶逆变换，得到消除窄带干扰信号后的帧体数据。

10.一种多输入多输出天线系统中的窄带干扰估计装置，其特征在于，包括：

帧头差分模块，用于对所述M个接收天线所接收到的M组所述训练序列，分别对每组相邻所述训练序列中的L点重复训练序列部分进行逐点相减，以得到M段长度为L的窄带干扰时域差分采样序列；

压缩感知模型构建模块，用于根据所述M段时域差分采样序列构成多维窄带干扰信号联合采样矩阵，并基于窄带干扰信号的时域-频域傅里叶变换关系，得到结构化压缩感知模型；

压缩感知估计模块，用于根据所述结构化压缩感知模型，采用结构化压缩感知算法，估计窄带干扰信号的频率、幅度和相位，得到窄带干扰信号的估计。