CN112003801A - 一种信道冲击响应与脉冲噪声联合估计方法、***及设备 - Google Patents

Abstract

本发明公开了一种信道冲击响应与脉冲噪声联合估计方法、***及设备，本发明通过建立MIMO‑PLC信道模型以及噪声模型分别求解出MIMO‑PLC信道每个接收端的信道频率响应以及噪声，并在此基础上计算MIMO‑PLC信道接收信号；通过利用信道的相关性以及信道冲击响应与脉冲噪声的稀疏特性，基于快速块稀疏贝叶斯学习(BSBL‑FM)法，利用块稀疏能够有效挖掘物理信号的结构和空间分布信息，从而显著的改善稀疏重构算法的性能，稀疏贝叶斯学习法能够充分挖掘和利用数据的先验信息，假设先验信息的概率分布情况，对要解决的问题进行数学建模，对信道冲击响应与脉冲噪声进行联合估计，有效提高了MIMO‑PLC***的抗噪性能以及对信道冲击响应以及脉冲噪声进行估计的准确性。

Description

一种信道冲击响应与脉冲噪声联合估计方法、***及设备

技术领域

本发明涉及通信领域，尤其涉及一种信道冲击响应与脉冲噪声联合估计方法、***及设备。

背景技术

电力线通信(powerline communication，PLC)是一项使用电力线传输数据信号的技术。因为电力线***具有线路分布广泛、安装成本低廉等优势，在智能电网、家庭自动化、办公自动化等领域中PLC被广泛认为是一种重要的通信方式。一般地，按照电力线所传输的电压等级，可将PLC分为三类：低压电力线通信(通常指220V/380V电压等级)；中压电力线通信(通常指10kV电压等级)；高压电力线通信(通常指35kV及以上电压等级)。随着智能电网、智能家居建设通信需求的增长，高速、宽带PLC成为目前发展的主要趋势。为了加速PLC的发展，将多输入多输出(multiple-input multiple-output，MIMO)技术引入低压PLC中可以有效实现***性能的进一步提升。MIMO-PLC***利用多个传输信道，可以提供更大的信道容量与更高的数据速率。信道状态信息(channel state information，CSI)的准确性将直接影响MIMO-PLC***的整体性能，因此精确的信道估计技术是保证通信质量的关键。

噪声亦是影响通信质量的主要因素之一，低压PLC网络作为供电专用网其最典型的特征是其终端接有大量的电气设备，这些电气设备运转产生的干扰直接作用于PLC信道，是PLC通信***中的主要噪声源之一。PLC信道噪声整体呈现出非高斯、非平稳的特性，用以表征通信***噪声的经典加性高斯白噪声(additive white gaussian noise，AWGN)模型不再适用于PLC信道噪声。根据噪声自身特性将电力线信道噪声分为背景噪声和脉冲噪声(impulse noise，IN)，背景噪声通常由普通家用电器和众多频段的无线电广播产生，而IN主要由用电设备突然切入或切出等一系列突发情况产生。相比之下，背景噪声平均功率较小，频谱很宽，类似于AWGN；IN时变性强且功率大，对信号传输影响更大。IN的存在使传统信道估计技术的性能降低，因此，在具有IN的情况下对MIMO-PLC***进行精确的信道估计是至关重要的。

对于信道估计技术，可以分为非盲信道估计、盲信道估计和半盲信道估计。(1)非盲信道估计的基本实现原理为在待发送数据的适当位置处***一些已知的信号，即导频，在接收端收到信号后，首先提取这些导频位置的信号，根据这些信号通过信道估计算法就可以对该处的CSI进行估计。在基于导频的信道估计算法中，应用范围最广的两种信道估计算法即：最小平方(Least Square，LS)算法、最小均方误差(Minimum Mean Square Error，MMSE)算法，由这两种经典的信道估计算法还研究出了许多其它的算法。非盲信道估计还可以利用压缩感知(compressed sensing，CS)理论可以利用信道稀疏特性将信道估计转换为稀疏信号(即非零元素个数远小于元素总数)的重建问题，可有效减少导频数量。(2)盲信道估计算法不需要在待发送的有用数据之中***导频，这就使得盲信道估计可以获得很高的频带利用率，但是相应地也会大大增加信道估计的算法复杂度，最终降低整个***的通信速率。(3)半盲信道估计算法对以上的两种算法进行了综合。相比于盲信道估计算法，该类算法拥有更快的收敛速度。其基本原理为：待发送的有用数据之中***了少量的导频，在接收端利用这些导频与发送信号的统计特性进行信道估计。但该类算法更适用于时不变信道，在PLC信道中性能较差。综合上述比较，在PLC***中信道估计算法研究主要集中在LS算法、MMSE算法、CS算法及其改进算法，但是基于LS算法、MMSE算法的传统的信道估计方法未能充分利用PLC信道的稀疏特性，需要大量的导频信息，从而导致其导频开销大，频谱利用率低。

对于IN抑制技术，目前研究主要集中在时域非线性脉冲干扰消除方法，即“限幅”、“置零”以及它们的组合，通过设置门限阈值或自适应阈值来抑制IN噪声。在MIMO-PLC***中，现有技术方案大多将信道估计与IN分开考虑，在信号接收端先添加IN抑制模块，降低IN的影响后再进行信道估计。然而，在具有IN的情况下对MIMO-PLC***进行精确的信道估计是至关重要，所以单独考虑IN抑制或信道估计在实际应用中不能达到理想性能。

综上所述，现有技术中对信道进行估计时将信道估计与脉冲噪声分开考虑，存在着信道估计结果的准确性比较差的技术问题。

发明内容

本发明提供了一种信道冲击响应与脉冲噪声联合估计方法、***及设备，用于解决现有技术中对信道进行估计时将信道估计与脉冲噪声分开考虑，存在着信道估计结果的准确性比较差的技术问题。

本发明提供的一种信道冲击响应与脉冲噪声联合估计方法，包括以下步骤：

S1：建立MIMO-PLC信道模型，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应；

S2：基于背景噪声以及脉冲噪声建立噪声模型，根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声；

S3：根据MIMO-PLC信道每个接收端的信道频率响应以及MIMO-PLC信道每个接收端的噪声计算得到MIMO-PLC信道接收信号；

S4：将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

S5：在MIMO-PLC信道接收信号矩阵中标注出导频***的位置，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号；

S6：基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。

优选的，建立的MIMO-PLC信道模型为2×2的MIMO-PLC信道模型。

优选的，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应的具体过程为；

计算MIMO-PLC信道模型中单输入单输出信道的信道频率响应；

对单输入单输出信道的信道频率响应进行组合，得到MIMO-PLC信道模型每个接收端的信道频率响应。

优选的，在噪声模型中，采用高斯白噪声来描述背景声，采用伯努利-高斯模型来描述脉冲噪声。

优选的，步骤S4的具体过程为：

将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道频率响应矩阵的MIMO-PLC信道接收信号矩阵；

将MIMO-PLC信道接收信号矩阵中的信道频率响应矩阵替换成信道冲击响应矩阵，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵。

优选的，步骤S6的具体过程为：

S601：初始化测量矩阵Y_B、观测矩阵

以及稀疏目标信号Z，令OFDM符号长度为N，分块总数为g，每个子块长度为d_i，令相关性向量

的元素均为零；

S602：若MIMO-PLC信道接收信号的信噪比小于20dB，则令β^-1＝0.1||Y_B||₂，若MIMO-PLC信道接收信号的信噪比大于20dB，则令β^-1＝0.01||Y_B||₂；令

其中i∈[1,g]；

S603：计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i；

S604：根据相关结构约束重建

利用代价函数L(i)计算代价函数差

S605：令

更新参数μ、Σ、s_i以及q_i，其中，μ、Σ为稀疏目标信号Z的后验概率密度p(Z|Y_B,{γ_i,B_i},β)的正态分布参数；

S606：根据更新后的s_i以及q_i重新计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i，将更新后的相关性向量γ记为γ^new；

S607：判断

是否成立，其中η为预先设置的阈值；若成立，则得到所求稀疏目标信号Z＝μ，其中Z的前4N行元素为信道冲击响应的估计值，后4N行元素为信道的脉冲噪声的估计值；若否，重新执行步骤S602-S605。

优选的，在步骤S607中，η的取值为η＝10^-4。

优选的，在步骤S604中，代价函数L(i)的公式为：

其中，I为单位矩阵。

一种信道冲击响应与脉冲噪声联合估计***，包括信道频率响应计算模块、噪声计算模块、信道接收信号计算模块、信道接收信号转换模块、矩阵构建模块以及联合估计模块；

所述信道频率响应计算模块用于建立MIMO-PLC信道模型，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应；

所述噪声计算模块用于基于背景噪声以及脉冲噪声建立噪声模型，根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声；

所述信道接收信号计算模块用于根据MIMO-PLC信道每个接收端的信道频率响应以及MIMO-PLC信道每个接收端的噪声计算得到MIMO-PLC信道接收信号；

所述信道接收信号转换模块用于将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

所述矩阵构建模块用于在MIMO-PLC信道接收信号矩阵中标注出导频***的位置，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号；

所述联合估计模块用于基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。

一种信道冲击响应与脉冲噪声联合估计设备，包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上所述的一种信道冲击响应与脉冲噪声联合估计方法。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例通过建立MIMO-PLC信道模型以及噪声模型分别求解出MIMO-PLC信道每个接收端的信道频率响应以及噪声，并在此基础上计算MIMO-PLC信道接收信号；通过利用信道的相关性以及信道冲击响应与脉冲噪声的稀疏特性，基于快速块稀疏贝叶斯学习(BSBL-FM)法，利用块稀疏能够有效挖掘物理信号的结构和空间分布信息，从而显著的改善稀疏重构算法的性能，稀疏贝叶斯学习法能够充分挖掘和利用数据的先验信息，假设先验信息的概率分布情况，对要解决的问题进行数学建模，对信道冲击响应与脉冲噪声进行联合估计，有效提高了MIMO-PLC***的抗噪性能以及对信道冲击响应以及脉冲噪声进行估计的准确性。

本发明提供的实施例还具有以下另一个特点：

本发明实施例简化了接收机结构，无需在信道估计前再进行脉冲噪声抑制算法设计，在接收端简单的减去脉冲噪声的估计值即可大大降低脉冲噪声对通信质量的影响；与传统LS算法、MMSE算法相比，本发明实施例在减少导频数量的情况下依然可以保持良好的性能，提高了MIMO-PLC***的传输效率与可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备的方法流程图。

图2为本发明实施例提供的MIMO-PLC***框图。

图3为本发明实施例提供的2×2的MIMO-PLC信道模型示意图。

图4为本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备的***框架图。

图5为本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备的设备框架图。

具体实施方式

本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备，用于解决现有技术中对信道进行估计时将信道估计与脉冲噪声分开考虑，存在着信道估计结果的准确性比较差的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，图1为本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备的方法流程图。

图2所示为本实施例中的MIMO-PLC***框图。具体流程为：输入数据流(包括数据信号与导频信号)经过调制编码后映射为OFDM符号，OFDM符号经过串并变换、快速傅里叶反变换(IFFT)运算、***循环前缀(CP)、并串变换后送入MIMO-PLC信道。接收端接收到的信号经过串并变换、去除CP、快速傅里叶变换(FFT)运算、并串变换后，提取导频位置的信号，进行信道冲击响应(CSI)与脉冲噪声(IN)的联合估计，得出估计值后用于IN消除与信道均衡，进行解调后输出数据。

如图1所示，本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备，方法包括以下步骤：

S1：在家用电缆中，存在三种传输线：相线(P)、中性线(N)、保护地线(PE)。单输入单输出(SISO-PLC)***只使用P-N来传输信息，而MIMO-PLC***可以利用多对传输线(即P-N、P-PE、PE-N)进行数据传输，能够有效提高***容量；因此，根据多对传输线建立MIMO-PLC信道模型，在建立的MIMO-PLC信道模型的基础上，计算MIMO-PLC信道每个接收端的信道频率响应；

S2：PLC中各类噪声与干扰情况十分复杂，总体分为两类：背景噪声和脉冲噪声(IN)，背景噪声包括有色背景噪声、窄带噪声以及工频异步周期脉冲噪声；脉冲噪声(IN)包括工频同步周期脉冲噪声以及异步脉冲噪声。背景噪声平均功率较小，频谱很宽，类似于白噪声；脉冲噪声(IN)时变性强且功率大，对信号传输影响更大。基于此，根据背景噪声以及脉冲噪声来建立噪声模型，并根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声以及噪声的概率密度；

S3：在求解出MIMO-PLC信道每个接收端的信道频率响应以及每个接收端的噪声后，即可计算得到每个接收端的MIMO-PLC信道接收信号，具体为结合每个接收端的信道频率响应以及每个接收端的噪声计对MIMO-PLC信道接收信号进行表征，得到MIMO-PLC信道接收信号的公式，根据公式即可计算出MIMO-PLC信道接收信号；

S4：为了便于后续的计算，将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道频率响应矩阵的MIMO-PLC信道接收信号矩阵；将MIMO-PLC信道接收信号矩阵中的信道频率响应矩阵替换成信道冲击响应矩阵，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

S5：在MIMO-PLC信道接收信号矩阵中标注导频***的位置，由于PLC的传输信道为多径模型，即信号在PLC信道上传输时经过多条路径到达接收端，随着信号在电力线上不断反射，信号能量逐渐降低，因此传输信号的能量主要集中在时延较小的前几条路径上，即PLC信道的信道冲击相应具有稀疏特性，时域的脉冲噪声同样具有稀疏特性；因此，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***的位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号，将联合估计问题转换为典型的压缩感知问题；

S6：基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。需要进一步说明的是，块稀疏性是自然界和信息空间中一种典型的结构化稀疏形式，与点稀疏模型相比，块稀疏表示能够有效挖掘物理信号的结构和空间分布信息，从而显著的改善稀疏重构算法的性能。稀疏贝叶斯学习法能够充分挖掘和利用数据的先验信息，假设先验信息的概率分布情况，对要解决的问题进行合理的数学建模，来实现低维模型的学习，利用数据自身的特性对信号和图像实现最优的稀疏表示。

实施例2

如图1所示，本发明实施例提供的一种信道冲击响应与脉冲噪声联合估计方法、***及设备，方法包括以下步骤：

S1：在家用电缆中，存在三种传输线：相线(P)、中性线(N)、保护地线(PE)。单输入单输出(SISO-PLC)***只使用P-N来传输信息，而MIMO-PLC***可以利用多对传输线(即P-N、P-PE、PE-N)进行数据传输，能够有效提高***容量；因此，根据多对传输线建立MIMO-PLC信道模型，在建立的MIMO-PLC信道模型的基础上，计算MIMO-PLC信道每个接收端的信道频率响应；

需要进一步说明的是，本实施例构建的是2×2的MIMO-PLC信道模型，其具体结构如图3所示，

用H^(mn)(f)表示第m个发射端到第n个接收端的信道频率响应(channel frequencyresponse，CFR)。针对SISO-PLC***的一种自上而下的多径信道统计模型，即H⁽¹¹⁾(f)用下式进行表示：

其中，N_p为路径总数，g_p为第p条路径的增益，d_p为第p条路径的长度，v为电磁波的传播速度，a₀、a₁和k为衰减参数。

针对MIMO-PLC信道，考虑到电力线网络的对称性、子信道呈现的空间相关性，将MIMO-PLC信道分解为多个SISO-PLC信道的组合，因此每个接收端的信道频率响应表示为：

其中，

为每条路径的随机相位，表示信道空间相关性。

S2：PLC中各类噪声与干扰情况十分复杂，总体分为两类：背景噪声和脉冲噪声(IN)，背景噪声包括有色背景噪声、窄带噪声以及工频异步周期脉冲噪声；脉冲噪声(IN)包括工频同步周期脉冲噪声以及异步脉冲噪声。背景噪声平均功率较小，频谱很宽，类似于白噪声；脉冲噪声(IN)时变性强且功率大，对信号传输影响更大。基于此，根据背景噪声以及脉冲噪声来建立噪声模型，并根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声以及噪声的概率密度，具体过程如下：

MIMO-PLC信道第n个接收端的噪声noise⁽ⁿ⁾表示为：

noise⁽ⁿ⁾＝g⁽ⁿ⁾+i⁽ⁿ⁾ (3)

其中，g⁽ⁿ⁾为均值为0，方差为σ_g的高斯随机过程；i⁽ⁿ⁾为伯努利随机过程与高斯随机过程的乘积，即：

其中，P为IN发生的概率，r⁽ⁿ⁾为均值为0，方差为σ_r的高斯随机过程，且与g⁽ⁿ⁾相互独立，即式(3)重新表示为：

因此，其概率密度表示为：

S3：在求解出MIMO-PLC信道每个接收端的信道频率响应以及每个接收端的噪声后，即可计算得到每个接收端的MIMO-PLC信道接收信号，具体为结合每个接收端的信道频率响应以及每个接收端的噪声计对MIMO-PLC信道接收信号进行表征，得到MIMO-PLC信道接收信号的公式，根据公式即可计算出MIMO-PLC信道接收信号，具体过程如下：

规定MIMO-PLC***中第m个发射端口发射的OFDM频域信号向量为X^(m)＝[X₁,X₂，...X_N]^T，OFDM符号的长度为N；

则第n个接收端口接收到的该信号Y^(mn)表示为：

其中，H^(mn)＝[H₁,H₂，...H_N]^T为CFR向量；F_N表示N×N维离散傅里叶变换矩阵；G⁽ⁿ⁾表示对背景噪声g⁽ⁿ⁾进行离散傅里叶变换，依然为AWGN；ο表示哈达玛积。

S4：为了便于后续的计算，将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道频率响应矩阵的MIMO-PLC信道接收信号矩阵；将MIMO-PLC信道接收信号矩阵中的信道频率响应矩阵替换成信道冲击响应矩阵，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵，具体过程如下：

将式(7)改写为：

Y^(mn)＝diag(X^(m))H^(mn)+F_Ni⁽ⁿ⁾+G⁽ⁿ⁾ (8)

其中，diag(X^(m))表示元素为向量X^(m)中元素的对角矩阵。

扩展到整个MIMO-PLC信道，MIMO-PLC信道接收信号表示为：

将式(9)用矩阵表达简写为：

Y＝XH+Fi+G (10)

将式(10)中的CFR矩阵(信道频率响应矩阵)替换为CIR矩阵(信道冲击响应矩阵)，式(10)表示为：

Y＝XFh+Fi+G (11)

S5：在MIMO-PLC信道接收信号矩阵中标注出导频***的位置，由于PLC的传输信道为多径模型，即信号在PLC信道上传输时经过多条路径到达接收端，随着信号在电力线上不断反射，信号能量逐渐降低，因此传输信号的能量主要集中在时延较小的前几条路径上，即PLC信道的信道冲击相应具有稀疏特性，时域的脉冲噪声同样具有稀疏特性；因此，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***的位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号，将联合估计问题转换为典型的压缩感知问题；

规定发送信号中***导频的位置的集合为B，(·)_B为集合B中索引对应行或元素构成的子矩阵，式(11)变换为：

Y_B＝X_BF_Bh+F_Bi+G_B (12)

根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，将式(12)变换为：

令Φ＝[X_BF_B F_B]，Z＝[h^T i^T]^T，联合估计问题便转换为典型的压缩感知问题：

Y_B＝ΦZ+G_B (14)

其中，Y_B为测量矩阵，Φ为观测矩阵，Z为稀疏目标信号，G_B为AWGN。

S6：基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。需要进一步说明的是，块稀疏性是自然界和信息空间中一种典型的结构化稀疏形式，与点稀疏模型相比，块稀疏表示能够有效挖掘物理信号的结构和空间分布信息，从而显著的改善稀疏重构算法的性能。稀疏贝叶斯学习法能够充分挖掘和利用数据的先验信息，假设先验信息的概率分布情况，对要解决的问题进行合理的数学建模，来实现低维模型的学习，利用数据自身的特性对信号和图像实现最优的稀疏表示；具体过程如下：

S601：初始化测量矩阵Y_B、观测矩阵

以及稀疏目标信号Z，令OFDM符号长度为N，分块总数为g，每个子块长度为d_i，令相关性向量

的元素均为零；

S602：若MIMO-PLC信道接收信号的信噪比小于20dB，则令β^-1＝0.1||Y_B||₂，若MIMO-PLC信道接收信号的信噪比大于20dB，则令β^-1＝0.01||Y_B||₂；令

其中i∈[1,g]；

S603：计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i；

S604：根据相关结构约束重建

具体过程如下：

为发掘稀疏目标信号Z的相关性，对B_i加入约束，其中i∈[1,g]，规定B_i为Toeplitz形式，即

其中，相关系数r_i定义如下：

其中，

为B_i中次对角线元素的均值，

为对角元素的均值；为了保证所重构Toeplitz矩阵的正定性，需要加入约束|r_i|＜0.99，即

信号Z内的所有划分的子块常常符合相似的相关性结构。在这种情况下，即假设稀疏信号Z中的所有信号子块Z_i都具备相同的相关性系数r：

则相关结构矩阵B_i可由r重建得到

根据式(19)再由

得到

利用代价函数L(i)计算代价函数差

代价函数L(i)的公式为：

其中，I为单位矩阵。

S605：令

更新参数μ、Σ、s_i以及q_i，其中，μ、Σ为稀疏目标信号Z的后验概率密度p(Z|Y_B,{γ_i,B_i},β)的正态分布参数；如下所示：

参数更新设定：

在算法初始化时，假定所有信号子块Z_i，

都未添加进γ中，每一个信号子块Z_i视为一个基，在第k次迭代时，已添加进γ中基的索引的集合定义为I_k(例如，假设信号被分为g＝32块，则I_k为I_k＝{1,7,9})。

重新定义Φ为当前γ中已有的基构成的新矩阵，在第(k+1)次迭代，将选定更新的基的下标用i表示(其中i∈{1,2，...,g})。对于所有的基，统一用m编号(其中m∈{1,2，...,g})。对于第(k+1)步待更新参量，用符号

，

，

，

表示。

其中，为了计算的方便，定义

则s_i，q_i与S_i，Q_i的对应关系为

s_i＝(I-S_iA_i)^-1S_i

q_i＝(I-S_iA_i)^-1Q_i

对于第i个基，在(k+1)次迭代时，如果

则有A_i＝0，则：

s_i＝S_i

q_i＝Q_i

参数更新操作：

在得到所有

之后，根据

选择第i个基进行操作，具体的

更新方式包括如下两种：

(1)Add操作参数更新方式

定义e_i＝β(Φ_i-βΦΣΦ^TΦ_i)

对S_i，Q_i进行更新：

根据s_i，q_i与S_i，Q_i的对应关系即可对s_i，q_i进行更新。

(2)Re-estimate操作参数更新方式

定义

则存在：

对S_i，Q_i进行更新，可得

根据s_i，q_i与S_i，Q_i的对应关系即可对s_i，q_i进行更新。

μ、Σ为稀疏目标信号Z的后验概率密度p(Z|Y_B,{γ_i,B_i},β)的正态分布参数，如下所示：

其中，

Σ^-1＝Γ^-1+Φ^TβΦ

μ＝ΣΦ^TβY_B

Γ＝diag^-1(γ₁B₁,...,γ_gB_g)＝diag^-1(A₁,...,A_g)

似然函数p(Y_B|{γ_i,B_i},β)如下所示

其中C＝β^-1I+ΦΓΦ^T，定义

则s_i以及q_i更新时满足

S606：根据更新后的s_i以及q_i重新计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i，将更新后的相关性向量γ记为γ^new；

S607：判断

是否成立，其中η为预先设置的阈值，η＝10^-4，若成立，则得到所求稀疏目标信号Z＝μ，其中Z的前4N行元素为信道冲击响应的估计值，即

后4N行元素为信道的脉冲噪声的估计值；即

若否，重新执行步骤S602-S605。

在联合估计出MIMO-PLC信道的冲激响应与脉冲噪声后，得到脉冲噪声的估计值

噪声消除过程表示为：

经过脉冲噪声抑制后，残留的IN可以视为背景噪声。

需要进一步说明的是，本实施例提供了一种2×2MIMO-PLC***中的冲激响应与脉冲噪声联合估计方法，通过更改式(9)中的矩阵维度即可将本实施例扩展到其他MIMO-PLC***中。

实施例3

如图4所示，一种信道冲击响应与脉冲噪声联合估计***，包括信道频率响应计算模块21、噪声计算模块22、信道接收信号计算模块23、信道接收信号转换模块24、矩阵构建模块25以及联合估计模块26；

所述信道频率响应计算模块21用于建立MIMO-PLC信道模型，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应；

所述噪声计算模块22用于基于背景噪声以及脉冲噪声建立噪声模型，根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声；

所述信道接收信号计算模块23用于根据MIMO-PLC信道每个接收端的信道频率响应以及MIMO-PLC信道每个接收端的噪声计算得到MIMO-PLC信道接收信号；

所述信道接收信号转换模块24用于将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

所述矩阵构建模块25用于在MIMO-PLC信道接收信号矩阵中标注导频***的位置，根据信道的相关性、信道冲击响应与脉冲噪声的稀疏特性，在标注导频***的位置后的MIMO-PLC信道接收信号矩阵的基础上构建测量矩阵、观测矩阵以及稀疏目标信号；

所述联合估计模块26用于基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。

如图5所示，一种用电设备负荷数据监控分析设备3，所述设备包括处理器30以及存储器31；

所述存储器31用于存储程序代码32，并将所述程序代码32传输给所述处理器；

所述处理器30用于根据所述程序代码32中的指令执行上述的一种用电设备负荷数据监控分析方法中的步骤。

示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备30中的执行过程。

所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器3、存储器31。本领域技术人员可以理解，图5仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-ProgrammaBle Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，包括以下步骤：

S1：建立MIMO-PLC信道模型，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应；

S2：基于背景噪声以及脉冲噪声建立噪声模型，根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声；

S3：根据MIMO-PLC信道每个接收端的信道频率响应以及MIMO-PLC信道每个接收端的噪声计算得到MIMO-PLC信道接收信号；

S4：将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

S5：在MIMO-PLC信道接收信号矩阵中标注出导频***的位置，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号；

S6：基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。

2.根据权利要求1所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，建立的MIMO-PLC信道模型为2×2的MIMO-PLC信道模型。

3.根据权利要求1所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应的具体过程为；

计算MIMO-PLC信道模型中单输入单输出信道的信道频率响应；

对单输入单输出信道的信道频率响应进行组合，得到MIMO-PLC信道模型每个接收端的信道频率响应。

4.根据权利要求1所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，在噪声模型中，采用高斯白噪声来描述背景声，采用伯努利-高斯模型来描述脉冲噪声。

5.根据权利要求1所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，步骤S4的具体过程为：

将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道频率响应矩阵的MIMO-PLC信道接收信号矩阵；

将MIMO-PLC信道接收信号矩阵中的信道频率响应矩阵替换成信道冲击响应矩阵，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵。

6.根据权利要求5所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，步骤S6的具体过程为：

S601：初始化测量矩阵Y_B、观测矩阵

以及稀疏目标信号Z，令OFDM符号长度为N，分块总数为g，每个子块长度为d_i，令相关性向量

的元素均为零；

S602：若MIMO-PLC信道接收信号的信噪比小于20dB，则令β^-1＝0.1||Y_B||₂，若MIMO-PLC信道接收信号的信噪比大于20dB，则令β^-1＝0.01||Y_B||₂；令

其中i∈[1,g]；

S603：计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i；

S604：根据相关结构约束重建

利用代价函数L(i)计算代价函数差

S605：令

更新参数μ、Σ、s_i以及q_i，其中，μ、Σ为稀疏目标信号Z的后验概率密度p(Z|Y_B,{γ_i,B_i},β)的正态分布参数；

S606：根据更新后的s_i以及q_i重新计算块协方差矩阵

块相关性

相关性结构矩阵B_i＝A_i/γ_i，将更新后的相关性向量γ记为γ^new；

S607：判断

是否成立，其中η为预先设置的阈值；若成立，则得到所求稀疏目标信号Z＝μ，其中Z的前4N行元素为信道冲击响应的估计值，后4N行元素为信道的脉冲噪声的估计值；若否，重新执行步骤S602-S605。

7.根据权利要求6所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，在步骤S607中，η的取值为η＝10^-4。

8.根据权利要求7所述的一种信道冲击响应与脉冲噪声联合估计方法，其特征在于，在步骤S604中，代价函数L(i)的公式为：

其中，I为单位矩阵。

9.一种信道冲击响应与脉冲噪声联合估计***，其特征在于，包括信道频率响应计算模块、噪声计算模块、信道接收信号计算模块、信道接收信号转换模块、矩阵构建模块以及联合估计模块；

所述信道频率响应计算模块用于建立MIMO-PLC信道模型，根据MIMO-PLC信道模型计算MIMO-PLC信道每个接收端的信道频率响应；

所述噪声计算模块用于基于背景噪声以及脉冲噪声建立噪声模型，根据建立的噪声模型计算MIMO-PLC信道每个接收端的噪声；

所述信道接收信号计算模块用于根据MIMO-PLC信道每个接收端的信道频率响应以及MIMO-PLC信道每个接收端的噪声计算得到MIMO-PLC信道接收信号；

所述信道接收信号转换模块用于将MIMO-PLC信道接收信号转化成矩阵形式，得到包含有信道冲击响应矩阵的MIMO-PLC信道接收信号矩阵；

所述矩阵构建模块用于在MIMO-PLC信道接收信号矩阵中标注出导频***的位置，根据信道的相关性、信道冲击响应的稀疏特性以及脉冲噪声的稀疏特性，在标注出导频***位置的MIMO-PLC信道接收信号矩阵的基础上，构建测量矩阵、观测矩阵以及稀疏目标信号；

所述联合估计模块用于基于测量矩阵、观测矩阵以及稀疏目标信号，采用快速块稀疏贝叶斯学习法对信道的脉冲噪声以及信道冲击响应进行联合估计，得到信道的脉冲噪声估计值以及信道冲击响应的估计值。

10.一种信道冲击响应与脉冲噪声联合估计设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1～8任一项所述的一种信道冲击响应与脉冲噪声联合估计方法。

Images