[发明专利]一种基于压缩感知的窄带干扰估计和消除方法及装置

权利要求书

1.一种基于压缩感知的窄带干扰估计和消除方法，其特征在于，该方法包括：

S1.对一组相邻信号帧的帧头中的L点无帧体干扰部分或L点准无帧体干扰部分进行逐点相减，得到一段时域差分序列，所述时域差分序列长度为L；所述无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列；所述准无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列；

S2.用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型；

S3.根据压缩感知算法模型，采用压缩感知算法，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；

S4.将接收到的信号帧的帧体数据块进行窄带干扰消除，得到消除窄带干扰信号后的帧体数据。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，所述信号帧包括帧头和帧体，其中，帧头为训练序列，帧体为单载波数据块或OFDM数据块，所述训练序列包括一段已知的训练序列、一段已知的训练序列及其循环前缀或两段相同的已知的训练序列；所述已知的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，在步骤S2中，所述窄带干扰信号的时域采样序列包括当前信号帧与下一信号帧进行逐点相减所得的时域差分序列。

4.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述压缩感知算法模型为窄带干扰信号时频关系等式，即所述窄带干 扰信号的时域采样序列等于傅里叶逆变换矩阵乘以待估计的窄带干扰频域信号加上时域噪声信号。

5.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述压缩感知算法为凸优化算法或者贪婪算法，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以及子空间追踪法。

6.根据权利要求1所述的方法，其特征在于，在步骤S3和步骤S4之间，该方法还包括：

S31.根据得到的窄带干扰信号估计，将傅里叶逆变换矩阵乘以窄带干扰信号的估计，再计算其与所述窄带干扰信号的时域采样序列的残差平方，得到残差平方式，对残差平方式进行最小二乘计算，得到频域窄带干扰信号的估计。

7.根据权利要求6所述的方法，其特征在于，在步骤S31和步骤S4之间，该方法还包括：

S32.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：

其中ΔL为进行逐点相减操作的相邻帧头间的距离，N为OFDM子载波数。

8.根据权利要求1所述的方法，其特征在于，在步骤S4中，所述窄带干扰消除包括：将接收到的信号帧的时域帧体数据块减去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。

9.一种基于压缩感知的窄带干扰估计装置，其特征在于，该装置包括：

帧头差分模块，用于对一组相邻信号帧的帧头中的L点无帧体 干扰部分或L点准无帧体干扰部分进行逐点相减，得到一段时域差分序列，所述时域差分序列的长度为L；所述无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列；所述准无帧体干扰部分包括整个帧头训练序列、包含部分信号帧间多径干扰区域的训练序列或两段相同已知训练序列构成的帧头中的第二段已知训练序列；

压缩感知估计模块，用于用时域差分序列构成窄带干扰信号的时域采样序列，根据所述时域采样序列，得到压缩感知算法模型，并根据压缩感知算法模型，采用压缩感知算法，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；

干扰消除模块，用于对帧体数据块进行窄带干扰消除，得到消除窄带干扰后的帧体数据。