[发明专利]基于鲁棒迭代再加权抑制噪声的信道估计方法

说明书

本发明涉及一种基于鲁棒迭代再加权抑制噪声的信道估计方法，该方法针对基于混合预编码结构的大规模多输入多输出系统中存在脉冲噪声问题，在迭代再加权方法的基础上，利用加权的自适应调整惩罚项去控制脉冲噪声对代价函数的影响，通过构建自适应惩罚项的目标函数，识别脉冲噪声影响的位置索引，在目标函数中对其赋予较低的权重，达到抑制噪声的目的，从而改善了稀疏信道估计方法在脉冲噪声条件下的性能。

技术领域

本发明属于阵列信号处理技术领域，具体涉及一种基于鲁棒迭代再加权抑制噪声的信道估计方法。

基于混合预编码结构的大规模MIMO系统中存在脉冲噪声问题。

背景技术

信道状态信息(Channel state information,CSI)估计是MIMO阵列信号处理领域中的重要研究内容，广泛应用于雷达，导航，移动通讯，无人驾驶，工业控制，物联网，智慧城市等方面。然而，相比于传统的阵列天线结构，大规模MIMO系统带来天线数目的大幅度增加，使得基站端导频消耗显著增多。为了有效避免导频过高的问题，目前，研究者提出许多基于稀疏结构的信道估计算法框架，利用信号的稀疏特性降低导频开销，然而，由于连续空间的信号采样，使得量化的到达角和发射角(Angles of arrival/depatures，AoAs/AoDs)与预先设定的网格并非重合，从而导致网格失配问题，严重限制算法性能，同时由于阵列信号处理中存在脉冲特性的噪声干扰，进而破化算法性能。因此，研究无网格化的鲁棒信道估计方法对于阵列信号处理具有重要的理论以及实际意义。2013年Zeng wenjun等人在文献[Zeng W J,So H C,Huang L.l_p-MUSIC:Robust Direction-of-Arrival Estimator forImpulsive Noise Environments[J].IEEE Transactions on Signal Processing,2013,61(17):4296-4308.]中提出一种鲁棒l_p-Muisc算法，抑制脉冲噪声特性的背景噪声干扰，通过利用p阶范数约束从而调整对噪声强度的约束，进而改善了算法的相关性能。2015年Chen Laming等人在文献[Chen L,Gu Y.Fast sparse recovery vianon-convexoptimization[C]//Signal and Information Processing(GlobalSIP),2015IEEE GlobalConference on.IEEE,2015:1275-1279.]中提出弱凸性结构的稀疏重构算法，获得更加好的恢复性能。2017年Liu Qi在文献[Liu Q,So H C,Gu Y.Off-grid DOA estimation withnonconvex regularization via joint sparse representation[J].SignalProcessing,2017,140:171-176.]中提出了一种正则非凸结构的目标惩罚项，进行联合稀疏表达求解DOA问题。

上述的信道估计方法都是假设背景噪声为高斯白噪声，而在实际的应用场景中，非高斯结构的噪声干扰，例如脉冲噪声，在阵列信号处理领域中经常出现，无人驾驶，水下导航，声纳探测，以及无线通讯系统中都会受到相似脉冲噪声结构的干扰。此外，脉冲噪声在电子硬件开关，汽车启动装置中，以及惯性导航设备中也经常存在。因此，有效的脉冲噪声抑制信道估计方法是阵列信号系统稳健工作的有效保证。