CN107360111A - 一种基于压缩感知的电力线通信中脉冲噪声消除方法 - Google Patents
一种基于压缩感知的电力线通信中脉冲噪声消除方法 Download PDFInfo
- Publication number
- CN107360111A CN107360111A CN201710403406.8A CN201710403406A CN107360111A CN 107360111 A CN107360111 A CN 107360111A CN 201710403406 A CN201710403406 A CN 201710403406A CN 107360111 A CN107360111 A CN 107360111A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mover
- mtd
- impulsive noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000000116 mitigating effect Effects 0.000 title claims abstract description 10
- 238000004891 communication Methods 0.000 title claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 7
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 210000001367 artery Anatomy 0.000 claims 1
- 210000003462 vein Anatomy 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000009467 reduction Effects 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2602—Signal structure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/32—Reducing cross-talk, e.g. by compensating
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/54—Systems for transmission via power distribution lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2649—Demodulators
- H04L27/265—Fourier transform demodulators, e.g. fast Fourier transform [FFT] or discrete Fourier transform [DFT] demodulators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2668—Details of algorithms
- H04L27/2681—Details of algorithms characterised by constraints
- H04L27/2688—Resistance to perturbation, e.g. noise, interference or fading
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种基于压缩感知的脉冲噪声消除方法，针对PLC***中脉冲噪声对数据传输造成了严重干扰，利用所有OFDM子载波信息的CS算法，通过将脉冲噪声投影到非数据子载波上估计和消除脉冲噪声，基于l1‑范数最小化的压缩感知技术，首先利用脉冲噪声l1‑范数最小化建立压缩感知问题，并将OFDM符号非数据子载波上的判决条件引入作为约束条件，通过引入QAM调制星座图中矩形范围，对约束条件进行凸松弛，将原问题简化成一个线性规划问题，并利用已有方法进行求解，在信道编码和信道未编码的4‑QAM和16‑QAM模式下的仿真结果显示，本发明方法比几种传统方法具有更好的误比特率性能。
Description
技术领域
本发明涉及一种通信中脉冲噪声消除方法，尤其是涉及一种基于压缩感知的电力线通信中脉冲噪声消除方法。
背景技术
和其他通信技术相比，PLC(Power Line Communications，电力线通信)技术适用性广，安装费低，这使它成为了小型电网领域和其他应用中广受欢迎的通信方式。然而PLC技术的应用受到了一些不利因素的限制，其中脉冲噪声是影响电力网数据传输的主要因素。脉冲噪声大致分为两种类型：异步型和周期型。异步型脉冲噪声主要是由电器间的开关瞬态引起的，其特点是持续时间短，脉冲功率高，随机出现。正交频分复用(OrthogonalFrequency Division Multiplexing，OFDM)技术能够有效的应对频率选择性衰落信道，所以对脉冲噪声的敏感度要比单载波小很多。因此，OFDM在最新PLC标准下的物理层中得到了广泛的应用。
现有的异步脉冲噪声降噪的常见方法有限幅和消隐。但这两种方法都要对脉冲噪声参数或OFDM信号参数进行估计。但在PLC环境中，脉冲噪声是随时变化的，因此对参数的精确测量较为困难。考虑到异步脉冲噪声在时域内的稀疏性，即一个OFDM符号中的脉冲数不会超过某些阈值，因而将压缩感知(Compressed Sensing，CS)技术应用于脉冲降噪。脉冲噪声的稀疏性也决定了它可以通过稀疏贝叶斯学习(Sparse Bayesian Learning，SBL)算法得到恢复。在此基础上，有人提出了两种改进的SBL算法：一种是利用全部载波信息的算法(SBL with all tones)；另一种是判断反馈型SBL算法(SBL with DF)。这些SBL算法通过整合有关脉冲噪声的先验信息，很好的提升了降噪的效果和强度，但是算法具有较高的计算复杂度。
发明内容
本发明所要解决的技术问题是提供一种计算复杂度较低且降噪效果好的基于压缩感知的电力线通信中脉冲噪声消除方法。
本发明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电力线通信中脉冲噪声消除方法，其特征在于首先利用接收端接收到的OFDM符号中的空子载波和导频子载波信息，利用压缩感知算法构建了一个脉冲噪声重构算法框架，在接收端，利用发射信号的代数特征保持不变这一特征，在构建的脉冲噪声重构算法框架下引入了一个约束条件，通过凸松弛，利用调制星座图中的矩形范围松弛约束条件，利用多种已有的工具箱，通过计算得到脉冲噪声的估计值，并通过在接收信号中减去该脉冲噪声估计值，完成对脉冲噪声的消除，具体步骤如下：
①在发射端，将频域OFDM符号通过x＝F*X映射后转化为时域OFDM符号x，其中，X是频域OFDM符号，F是N点离散傅里叶变换矩阵，F*是F的厄米特变换，然后，在x前面***长度大于信道的最大时延扩展的循环前缀；
②将接收机接收到的时域OFDM信号定义为r＝Hx+i+g，其中，H是N×N循环矩阵，N是OFDM符号子载波的总数，H的第一列由归一化的信道脉冲响应构成，i表示脉冲噪声向量，g表示加性高斯背景噪声(Additive White Gaussian Noise，AWGN)向量，r,x,i和g都被置于多维复信号空间CN中；
③通过OFDM解调器，将接受到的时域OFDM信号r通过离散傅里叶变换矩阵转换为频域OFDM信号Y：Y＝Fr＝FHF*X+Fi+Fg＝ΛX+Fi+G，其中Λ＝FHF*＝diag(H0,H1,...,HN-1)是一个对角矩阵，表示理想信道状态信息，其对角线元素H0,H1,…,HN-1对应于信道脉冲响应的N点离散傅里叶变换矩阵系数；G＝Fg是g的离散傅里叶变换矩阵；
④设D为非数据子载波的索引集，其总数为|D|＝M，定义YD、ΛD、XD、FD和GD分别是Y、Λ、X、F和G中对应于非数据子载波的部分，得到非数据子载波上接收到的OFDM符号YD＝ΛDXD+FDi+GD＝(ΛX)D+FDi+GD，定义脉冲噪声的一组线性观测数据并定义脉冲噪声在时域内是稀疏的，使用压缩感知方法中的最小化l1-范数重构算法，将脉冲噪声估计公式转化为如下的二阶锥规划凸优化问题：其中ε1>0是背景噪声的最大容许均方根误差，取ε1＝10-3，||·||1和||·||2分别表示向量的l1-范数和l2-范数；
⑤设是集合D的补集，表示数据子载波的索引集,则表示数据子载波的个数，依据步骤④，定义在背景噪声存在时实际数据子载波上的OFDM符号的含噪声的形式为其中，和分别是Λ、Y、F、X和G中对应于数据子载波的部分，表示数据子载波上的AWGN向量，(·)-1表示矩阵的逆运算，利用数据子载波在调制星座图上的检测条件，依据经过均衡后的OFDM符号和在调制星座图上的判决符号之间的欧式距离最小，构造一个新的优化问题如下：
min||i||1
s.t.||z-FDi||2≤ε1
其中，表示数据子载波索引集中的元素，Re(·)表示取实部运算，Im(·)表示取虚部运算，ε2为一个给定的较小的值，取ε2＝10-4；
⑥对步骤⑤的优化问题进行线性规划问题的近似，设Ω表示星座点的集合，用ΩRe＝Re(Ω)和ΩIm＝Im(Ω)来分别表示所有星座点的实坐标和虚坐标的集合，根据Ω的对称性质，定义星座图为一个矩形区域，其边界由下式给出其中uR表示矩形区域的长，uI表示矩形区域的宽，当调制的星座图为正方形时，uR＝uI，则将步骤⑤中的优化问题约束条件松弛为将步骤⑤中的优化问题重写为凸问题根据时域接收端的OFDM信号，将脉冲噪声和背景噪声的总和表示为e＝i+g，然后令z＝FDe，将||e||1看作忽略了背景噪声g后的||i||1的近似值，则用||e||1替换||i||1，得到如下的线性规划问题：
⑦通过求解步骤⑥得到的线性规划问题，得到脉冲噪声的估计值然后在接收信号中减去脉冲噪声的估计，完成脉冲噪声的消除。
与现有技术相比，本发明的优点在于：
1.本发明利用非数据载波信息和压缩感知技术，将脉冲噪声估计问题转化为l1-范数最小化问题，并利用经典二阶锥规划求解方法，如CVX工具箱进行求解。
2.针对增加非数据载波导致***吞吐量损失的问题，本发明提出利用数据载波信息提升***性能，并采用调制星座图判决时的欧氏距离作为约束条件，构造了一个具有约束条件的最小化脉冲噪声l1-范数问题对脉冲噪声进行估计，增加了估计的准确度，提升了***性能。仿真结果显示，在4QAM调制的非编码***中，当误比特率为10-3时，相比于其他方法，信噪比提升了3-8dB；在4QAM调制的编码***中，当误比特率为10-4时，相比于其他方法，信噪比提升了4-10dB。在16QAM调制的非编码***中，当误比特率为10-3时，相比于其他方法，信噪比提升了4-8dB；在16QAM调制的编码***中，当误比特率为10-3时，相比于其他方法，信噪比提升了7-10dB。
3.针对利用数据载波信息构造的具有约束条件的最小化脉冲噪声l1-范数问题在高阶调制下的NP难问题，利用凸松弛方法将原约束条件松弛成一个矩形区域，从而使得非凸约束转化为凸约束，并利用线性规划方法进行求解，降低了求解的复杂度，使其可以在多项式时间复杂度内完成求解。
附图说明
图1为PLC***模块框图；
图2为本发明方法的流程框图；
图3为在未编码4-QAM***中消除噪声方法的各种误比特率性能比较示意图；
图4为在编码4-QAM***中消除噪声方法的各种误比特率性能比较示意图；
图5为在未编码16-QAM***中消除噪声方法的各种误比特率性能比较示意图；
图6为在编码16-QAM***中消除噪声方法的各种误比特率性能比较示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图2所示，一种基于压缩感知的电力线通信中脉冲噪声消除方法，首先利用接收端接收到的OFDM符号中的空子载波和导频子载波信息，利用压缩感知算法构建了一个脉冲噪声重构算法框架，在接收端，利用发射信号的代数特征保持不变这一特征，在构建的脉冲噪声重构算法框架下引入了一个约束条件，通过凸松弛，利用调制星座图中的矩形范围松弛约束条件，通过计算得到脉冲噪声的估计值，并通过在接收信号中减去该脉冲噪声估计值，完成对脉冲噪声的消除，具体步骤如下：
①在发射端，将频域OFDM符号通过x＝F*X映射后转化为时域OFDM符号x，其中，X是频域OFDM符号，F是N点离散傅里叶变换矩阵，F*是F的厄米特变换，然后，在x前面***长度大于信道的最大时延扩展的循环前缀；
②将接收机接收到的时域OFDM信号定义为r＝Hx+i+g，其中，H是N×N循环矩阵，N是OFDM符号子载波的总数，H的第一列由归一化的信道脉冲响应构成，i表示脉冲噪声向量，g表示加性高斯背景噪声(Additive White Gaussian Noise，AWGN)向量，r,x,i和g都被置于多维复信号空间CN中；
③通过OFDM解调器，将接受到的时域OFDM信号r通过离散傅里叶变换矩阵转换为频域OFDM信号Y：Y＝Fr＝FHF*X+Fi+Fg＝ΛX+Fi+G，其中Λ＝FHF*＝diag(H0,H1,...,HN-1)是一个对角矩阵，表示理想信道状态信息，其对角线元素H0,H1,…,HN-1对应于信道脉冲响应的N点离散傅里叶变换矩阵系数；G＝Fg是g的离散傅里叶变换矩阵；
④设D为非数据子载波的索引集，其总数为|D|＝M，定义YD、ΛD、XD、FD和GD分别是Y、Λ、X、F和G中对应于非数据子载波的部分，得到非数据子载波上接收到的OFDM符号YD＝ΛDXD+FDi+GD＝(ΛX)D+FDi+GD，定义脉冲噪声的一组线性观测数据并定义脉冲噪声在时域内是稀疏的，使用压缩感知方法中的最小化l1-范数重构算法，将脉冲噪声估计公式转化为如下的二阶锥规划凸优化问题：其中ε1>0是背景噪声的最大容许均方根误差，取ε1＝10-3，||·||1和||·||2分别表示向量的l1-范数和l2-范数；
⑤设是集合D的补集，表示数据子载波的索引集,则表示数据子载波的个数，依据步骤④，定义在背景噪声存在时实际数据子载波上的OFDM符号的含噪声的形式为其中，和分别是Λ、Y、F、X和G中对应于数据子载波的部分，表示数据子载波上的AWGN向量，(·)-1表示矩阵的逆运算，利用数据子载波在调制星座图上的检测条件，依据经过均衡后的OFDM符号和在调制星座图上的判决符号之间的欧式距离最小，构造一个新的优化问题如下：
min||i||1
s.t.||z-FDi||2≤ε1
其中，表示数据子载波索引集中的元素，Re(·)表示取实部运算，Im(·)表示取虚部运算，ε2为一个给定的较小的值，取ε2＝10-4；
⑥对步骤⑤的优化问题进行线性规划问题的近似，设Ω表示星座点的集合，用ΩRe＝Re(Ω)和ΩIm＝Im(Ω)来分别表示所有星座点的实坐标和虚坐标的集合，根据Ω的对称性质，定义星座图为一个矩形区域，其边界由下式给出其中uR表示矩形区域的长，uI表示矩形区域的宽，当调制的星座图为正方形时，uR＝uI，则将步骤⑤中的优化问题约束条件松弛为将步骤⑤中的优化问题重写为凸问题根据时域接收端的OFDM信号，将脉冲噪声和背景噪声的总和表示为e＝i+g，然后令z＝FDe，将||e||1看作忽略了背景噪声g后的||i||1的近似值，则用||e||1替换||i||1，得到如下的线性规划问题：
⑦通过求解步骤⑥得到的线性规划问题，得到脉冲噪声的估计值然后在接收信号中减去脉冲噪声的估计，完成脉冲噪声的消除。
为了进一步说明，此处呈现了所提出的脉冲降噪方法的计算机模拟结果。模拟是在基于OFDM的PLC***的复杂基带上进行的，脉冲噪声模型采用高斯混合(GaussianMixture，GM)模型和米德尔顿A类(Middleton Class A，MCA)模型两种，仿真参数设置如表格I所示。
表格I.模拟参数
在相同的模拟环境下，我们比较了本发明的方法和已有的一些降噪方法在误比特率(Bit Error Rate，BER)方面的性能。在下面的图表中，本发明所提出的方法标示为“CSwith all tones”。未做脉冲噪声消除的OFDM接收机标示为“No Mitigation”，其他几种基于压缩感知的方法分别标示为“CS”、“SBL with null tones”和“SBL with all tones”。为了在非参数和参数方法之间作比，我们还呈现了最小均方根误差(Minimum Mean SquareError，MMSE)检测器的结果。MMSE检测器的有无噪声状态信息的两种情形分别标示为“MMSEw/NSI”和“MMSE W/O NSI”。注意的是，“MMSE w/NSI”检测是参数方法中的最佳方法。
图3至图6比较了利用4-QAM和16-QAM的未编码和编码的***中，上述所有脉冲噪声抑制方法的BER性能。图3和图5中没有“SBL with DF”方法的模拟结果，因为这种方法需要脉冲噪声的协方差矩阵的先验信息，因此不适用于未编码***。
在图3中，我们首先分析了未编码4-QAM***的结果。显然，除了“MMSE with NSI”检测器在较低的信噪比区域表现最佳的这种情形，我们的方法优于所有其他方法。但是随着信噪比的提高，我们的方法在较高的信噪比(Signal to Noise Ratio，SNR)区域内开始显示出巨大的优势。当只考虑非数据载波上的脉冲噪声估计时，在两种噪声模型中，原始CS算法比“SBL with null tones”算法所获得的信噪比增益要少。相反，当把全部载波纳入考虑时，本发明提出的“CS with all tones”方法呈现出超过SBL算法的优势，在GM模型中的信噪比增益超过2dB，在MCA模型中，则在4dB至6dB之间。
然后，我们在图4中分析了使用4-QAM的编码***的结果。对比在图3中未编码的***，本发明提出的方法再次显示出了优于大多数算法的性能。与DF SBL算法相比，本发明方法在GM脉冲噪声的低信噪比区域内有微弱的落差。但是，在MCA模型下，本发明方法获得了一个相对较大的信噪比增益。
图5和图6呈现的是16-QAM下的模拟结果，可以看到所有降噪方法的BER性能在未编码和编码的情况下都降低了。这可以从高阶调制的星座点对给定的发射功率条件变得更严苛来解释，也因为如此，OFDM数据符号的检测更容易受到脉冲噪声残留的干扰。其结果是，在较大的SNR值上，“MMSE with NSI”的性能变得比未编码***中的“SBL with nulltones”和“SBL with DF”更差。而且“SBL with null tones”变得比“SBL with all tones”更有效。通过观察可知，在16-QAM***中，本发明方法在较大的SNR区域，能够获得比其他方法都更显著的性能增益，因此本发明方法具有较好的性能。
Claims (1)
1.一种基于压缩感知的电力线通信中脉冲噪声消除方法，其特征在于首先利用接收端接收到的OFDM符号中的空子载波和导频子载波信息，利用压缩感知算法构建了一个脉冲噪声重构算法框架，在接收端，利用发射信号的代数特征保持不变这一特征，在构建的脉冲噪声重构算法框架下引入了一个约束条件，通过凸松弛，利用调制星座图中的矩形范围松弛约束条件，通过计算得到脉冲噪声的估计值，并通过在接收信号中减去该脉冲噪声估计值，完成对脉冲噪声的消除，具体步骤如下：
①在发射端，将频域OFDM符号通过x＝F*X映射后转化为时域OFDM符号x，其中，X是频域OFDM符号，F是N点离散傅里叶变换矩阵，F*是F的厄米特变换，然后，在x前面***长度大于信道的最大时延扩展的循环前缀；
②将接收机接收到的时域OFDM信号定义为r＝Hx+i+g，其中，H是N×N循环矩阵，N是OFDM符号子载波的总数，H的第一列由归一化的信道脉冲响应构成，i表示脉冲噪声向量，g表示加性高斯背景噪声向量，r,x,i和g都被置于多维复信号空间CN中；
③通过OFDM解调器，将接受到的时域OFDM信号r通过离散傅里叶变换矩阵转换为频域OFDM信号Y：Y＝Fr＝FHF*X+Fi+Fg＝ΛX+Fi+G，其中Λ＝FHF*＝diag(H0,H1,...,HN-1)是一个对角矩阵，表示理想信道状态信息，其对角线元素H0,H1,…,HN-1对应于信道脉冲响应的N点离散傅里叶变换矩阵系数；G＝Fg是g的离散傅里叶变换矩阵；
④设D为非数据子载波的索引集，其总数为|D|＝M，定义YD、ΛD、XD、FD和GD分别是Y、Λ、X、F和G中对应于非数据子载波的部分，得到非数据子载波上接收到的OFDM符号YD＝ΛDXD+FDi+GD＝(ΛX)D+FDi+GD，定义脉冲噪声的一组线性观测数据并定义脉冲噪声在时域内是稀疏的，使用压缩感知方法中的最小化l1-范数重构算法，将脉冲噪声估计公式转化为如下的二阶锥规划凸优化问题：其中ε1>0是背景噪声的最大容许均方根误差，取ε1＝10-3，||·||1和||·||2分别表示向量的l1-范数和l2-范数；
⑤设是集合D的补集，表示数据子载波的索引集,则表示数据子载波的个数，依据步骤④，定义在背景噪声存在时实际数据子载波上的OFDM符号的含噪声的形式为其中，和分别是Λ、Y、F、X和G中对应于数据子载波的部分，表示数据子载波上的加性高斯背景噪声向量，(·)-1表示矩阵的逆运算，利用数据子载波在调制星座图上的检测条件，依据经过均衡后的OFDM符号和在调制星座图上的判决符号之间的欧式距离最小，构造一个新的优化问题如下：
min||i||1
s.t.||z-FDi||2≤ε1
<mrow>
<mo>|</mo>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>X</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>R</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mrow>
<mo>|</mo>
<mi>Im</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>X</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>I</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
1
其中，表示数据子载波索引集中的元素，Re(·)表示取实部运算，Im(·)表示取虚部运算，ε2为一个给定的较小的值，取ε2＝10-4；
⑥对步骤⑤的优化问题进行线性规划问题的近似，设Ω表示星座点的集合，用ΩRe＝Re(Ω)和ΩIm＝Im(Ω)来分别表示所有星座点的实坐标和虚坐标的集合，根据Ω的对称性质，定义星座图为一个矩形区域，其边界由下式给出其中uR表示矩形区域的长，uI表示矩形区域的宽，当调制的星座图为正方形时，uR＝uI，则将步骤⑤中的优化问题约束条件松弛为将步骤⑤中的优化问题重写为凸问题根据时域接收端的OFDM信号，将脉冲噪声和背景噪声的总和表示为e＝i+g，然后令z＝FDe，将||e||1看作忽略了背景噪声g后的||i||1的近似值，则用||e||1替换||i||1，得到如下的线性规划问题：
<mrow>
<mtable>
<mtr>
<mtd>
<mi>min</mi>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>e</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>z</mi>
<mo>=</mo>
<msub>
<mi>F</mi>
<mi>D</mi>
</msub>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mover>
<mi>X</mi>
<mo>~</mo>
</mover>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&Lambda;</mi>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</msub>
<mo>-</mo>
<msub>
<mi>F</mi>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</msub>
<mi>e</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>X</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>Im</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>X</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>I</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
<mo>.</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
⑦通过求解步骤⑥得到的线性规划问题，得到脉冲噪声的估计值然后在接收信号中减去脉冲噪声的估计，完成脉冲噪声的消除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710403406.8A CN107360111B (zh) | 2017-06-01 | 2017-06-01 | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710403406.8A CN107360111B (zh) | 2017-06-01 | 2017-06-01 | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107360111A true CN107360111A (zh) | 2017-11-17 |
| CN107360111B CN107360111B (zh) | 2019-07-09 |
Family
ID=60271733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710403406.8A Active CN107360111B (zh) | 2017-06-01 | 2017-06-01 | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107360111B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108737301A (zh) * | 2018-05-23 | 2018-11-02 | 南通大学 | 一种基于b样条神经网络的宽带通信发射机指纹估计方法 |
| CN109067433A (zh) * | 2018-09-04 | 2018-12-21 | 国网四川省电力公司电力科学研究院 | 适用于智能电能表的低压电力线载波通信噪声抑制方法 |
| CN109669157A (zh) * | 2019-01-22 | 2019-04-23 | 西安电子科技大学 | 基于压缩传输的tdoa估计方法 |
| CN110418219A (zh) * | 2019-07-30 | 2019-11-05 | 南京信息工程大学 | 一种基于星座压缩的pon动态带宽分配***及方法 |
| CN110493151A (zh) * | 2019-07-04 | 2019-11-22 | 宁波大学 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
| CN110535546A (zh) * | 2019-07-22 | 2019-12-03 | 西安交通大学 | 一种基于稀疏多径感知的滑动互相关帧检测方法 |
| CN111082837A (zh) * | 2019-11-25 | 2020-04-28 | 宁波大学 | 基于递归压缩感知的电力线通信***脉冲噪声抑制方法 |
| CN112104392A (zh) * | 2020-10-08 | 2020-12-18 | 广东石油化工学院 | 一种利用状态矩阵的plc信道脉冲噪声检测方法和*** |
| CN112187317A (zh) * | 2020-10-08 | 2021-01-05 | 广东石油化工学院 | 一种利用曲线拉伸的plc信道脉冲噪声检测方法和*** |
| CN112737636A (zh) * | 2020-12-03 | 2021-04-30 | 北华大学 | 一种基于电力信号传输奇异性度量的压缩感知及重建的方法 |
| US20210232235A1 (en) * | 2015-07-17 | 2021-07-29 | Sai Deepika Regani | Method, apparatus, and system for wireless writing tracking |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2629474A2 (en) * | 2012-02-15 | 2013-08-21 | Pace Plc | Improvements relating to Adaptive Impulse Noise Mitigation |
| CN104301280A (zh) * | 2014-10-22 | 2015-01-21 | 国网重庆市电力公司电力科学研究院 | 一种基于ofdm的电力线载波周期脉冲噪声检测和抑制方法 |
| CN104852879A (zh) * | 2015-04-07 | 2015-08-19 | 湖南大学 | 一种电力线脉冲噪声动态抑制方法和*** |
| CN106506042A (zh) * | 2016-10-20 | 2017-03-15 | 宁波大学 | 基于l1/2范数正则化的电力线通信***脉冲噪声抑制方法 |
-
2017
- 2017-06-01 CN CN201710403406.8A patent/CN107360111B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2629474A2 (en) * | 2012-02-15 | 2013-08-21 | Pace Plc | Improvements relating to Adaptive Impulse Noise Mitigation |
| CN104301280A (zh) * | 2014-10-22 | 2015-01-21 | 国网重庆市电力公司电力科学研究院 | 一种基于ofdm的电力线载波周期脉冲噪声检测和抑制方法 |
| CN104852879A (zh) * | 2015-04-07 | 2015-08-19 | 湖南大学 | 一种电力线脉冲噪声动态抑制方法和*** |
| CN106506042A (zh) * | 2016-10-20 | 2017-03-15 | 宁波大学 | 基于l1/2范数正则化的电力线通信***脉冲噪声抑制方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11592913B2 (en) * | 2015-07-17 | 2023-02-28 | Origin Wireless, Inc. | Method, apparatus, and system for wireless writing tracking |
| US20210232235A1 (en) * | 2015-07-17 | 2021-07-29 | Sai Deepika Regani | Method, apparatus, and system for wireless writing tracking |
| CN108737301B (zh) * | 2018-05-23 | 2020-08-07 | 南通大学 | 一种基于b样条神经网络的宽带通信发射机指纹估计方法 |
| CN108737301A (zh) * | 2018-05-23 | 2018-11-02 | 南通大学 | 一种基于b样条神经网络的宽带通信发射机指纹估计方法 |
| CN109067433B (zh) * | 2018-09-04 | 2021-07-20 | 国网四川省电力公司电力科学研究院 | 适用于智能电能表的低压电力线载波通信噪声抑制方法 |
| CN109067433A (zh) * | 2018-09-04 | 2018-12-21 | 国网四川省电力公司电力科学研究院 | 适用于智能电能表的低压电力线载波通信噪声抑制方法 |
| CN109669157A (zh) * | 2019-01-22 | 2019-04-23 | 西安电子科技大学 | 基于压缩传输的tdoa估计方法 |
| CN110493151A (zh) * | 2019-07-04 | 2019-11-22 | 宁波大学 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
| CN110493151B (zh) * | 2019-07-04 | 2021-10-19 | 宁波大学 | 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法 |
| CN110535546B (zh) * | 2019-07-22 | 2020-10-27 | 西安交通大学 | 一种基于稀疏多径感知的滑动互相关帧检测方法 |
| CN110535546A (zh) * | 2019-07-22 | 2019-12-03 | 西安交通大学 | 一种基于稀疏多径感知的滑动互相关帧检测方法 |
| CN110418219B (zh) * | 2019-07-30 | 2021-09-07 | 南京信息工程大学 | 一种基于星座压缩的pon动态带宽分配***及方法 |
| CN110418219A (zh) * | 2019-07-30 | 2019-11-05 | 南京信息工程大学 | 一种基于星座压缩的pon动态带宽分配***及方法 |
| CN111082837B (zh) * | 2019-11-25 | 2021-04-23 | 宁波大学 | 基于递归压缩感知的电力线通信***脉冲噪声抑制方法 |
| CN111082837A (zh) * | 2019-11-25 | 2020-04-28 | 宁波大学 | 基于递归压缩感知的电力线通信***脉冲噪声抑制方法 |
| CN112187317A (zh) * | 2020-10-08 | 2021-01-05 | 广东石油化工学院 | 一种利用曲线拉伸的plc信道脉冲噪声检测方法和*** |
| CN112104392A (zh) * | 2020-10-08 | 2020-12-18 | 广东石油化工学院 | 一种利用状态矩阵的plc信道脉冲噪声检测方法和*** |
| CN112737636A (zh) * | 2020-12-03 | 2021-04-30 | 北华大学 | 一种基于电力信号传输奇异性度量的压缩感知及重建的方法 |
| CN112737636B (zh) * | 2020-12-03 | 2023-03-24 | 北华大学 | 一种基于电力信号传输奇异性度量的压缩感知及重建的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107360111B (zh) | 2019-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107360111A (zh) | 一种基于压缩感知的电力线通信中脉冲噪声消除方法 | |
| Deng et al. | Recursive clipping and filtering with bounded distortion for PAPR reduction | |
| CN103095639B (zh) | Ofdm水声通信并行迭代ici消除方法 | |
| CN102404257B (zh) | Mimo-ofdm***中的窄带干扰检测方法及装置 | |
| Gorbunov et al. | BER performance of SEFDM signals in LTE fading channels | |
| Nissel et al. | FBMC-OQAM in doubly-selective channels: A new perspective on MMSE equalization | |
| CN106506430A (zh) | 一种基于压缩感知技术的补偿峰均比非线性失真的新算法 | |
| Mohammadnia-Avval et al. | Compressive sensing recovery of nonlinearly distorted OFDM signals | |
| CN108270702A (zh) | 基于MCMC的turbo迭代均衡检测方法 | |
| CN109729035A (zh) | 一种正交频分复用技术通信***中的脉冲噪声抑制方法 | |
| Zhou et al. | Channel Estimation Based on Linear Filtering Least Square in OFDM Systems. | |
| Barazideh et al. | Practical implementation of adaptive analog nonlinear filtering for impulsive noise mitigation | |
| Bai et al. | Impulsive noise mitigation with interleaving based on MUSIC in power line communication | |
| Baxley et al. | MAP metric for blind phase sequence detection in selected mapping | |
| Barazideh et al. | Performance of analog nonlinear filtering for impulsive noise mitigation in OFDM-based PLC systems | |
| He et al. | Single carrier with multi-channel time-frequency domain equalization for underwater acoustic communications | |
| Barba-Maza et al. | PAPR reduction of GFDM system using Xia pulse and OPTS scheme | |
| CN106506425B (zh) | 一种基于误码累积检测的水声ofdm通信***中部分传输序列峰均比抑制算法 | |
| Wu et al. | The research on improved companding transformation for reducing PAPR in underwater acoustic OFDM communication system | |
| CN106161298A (zh) | 基于压缩感知的非线性ofdm***迭代信道估计算法 | |
| Osinsky et al. | Data-aided ls channel estimation in massive mimo turbo-receiver | |
| Zhao et al. | Model-driven based deep unfolding equalizer for underwater acoustic OFDM communications | |
| CN103117967A (zh) | 一种相位噪声的估计方法、估计装置、接收机及通信设备 | |
| He et al. | BEP of Fourier transform and discrete wavelet transform based OFDM | |
| Kong et al. | Preamble optimization based on frequency domain averaging for channel estimation in OQAM-OFDM systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231011 Address after: Northeast of the intersection of Sidingshan Road and Manquan Road, Hefei Circular Economy Demonstration Park, Feidong County, Hefei City, Anhui Province, 230000 Patentee after: Anhui Rongzhao Intelligent Co.,Ltd. Address before: Room 202, Building A4, Internet plus Industrial Park, No. 24, Economic Development Zone, Feixi County, Hefei City, Anhui Province, 230000 Patentee before: Anhui Husky Intellectual Property Service Co.,Ltd. Effective date of registration: 20231011 Address after: Room 202, Building A4, Internet plus Industrial Park, No. 24, Economic Development Zone, Feixi County, Hefei City, Anhui Province, 230000 Patentee after: Anhui Husky Intellectual Property Service Co.,Ltd. Address before: 315211, Fenghua Road, Jiangbei District, Zhejiang, Ningbo 818 Patentee before: Ningbo University |