增强余弦调制滤波器组多载波通信系统抗干扰能力的方法

摘要

本发明公开了一种基于凸优化技术的增强余弦调制滤波器组多载波通信系统抗干扰能力的方法，属于无线通信技术领域。包括以下步骤：在发送端先对原始信号进行基带调制和R位串并变换得到并行信号；在并行信号中随机插入零值；对插入零值的信号进行余弦调制综合滤波器组调制，再由高斯信道发射出去；接收端对经过高斯信道后的接收信号进行处理，先进行快速傅里叶变换，再对信号进行频域均衡，接着对信号进行快速傅里叶逆变换得到时域信号；再将时域信号通过基于凸优化技术干扰估计模块后，得到包含的干扰信号，接着再将信号与干扰信号进行减运算，得到新的信号；对新的信号进行余弦调制滤波器分析滤波器组解调和基带解调等操作，获得原始发送信号。该方法能有效提高信号传输的可靠性。

说明书

技术领域

本发明属于无线通信技术领域，特别涉及一种基于凸优化技术的增强余弦调制滤波器组 多载波通信系统抗干扰能力的方法。

背景技术

余弦调制滤波器组多载波技术是一种多载波复用技术，属于滤波器组多载波（FBMC）技 术中的一种。多载波调制技术因其可以有效的对抗无线信道中的多径效应而被广泛的应用到 各种通信标准中。其思想是采用若干个子载波，而每个子载波对应一个特定的子信道，并行 的传输各个子数据流。现有的多载波调制方式主要有多音实现、正交多载波调制（OFDM）和 基于小波变换的多载波调制。传统的FBMC系统是基于离散傅里叶变换（DFT）滤波器组进行 调制的。但是DFT滤波器组不能彻底消除带间混叠干扰，对于信号的信息压缩不如余弦变换 效果好。因而余弦调制滤波器组应运而生，它是从DFT滤波器组产生的，基于类型4的离散 余弦变换的快速算法，可以达到信号的完全重建。余弦调制滤波器组通信系统相较于OFDM有 很多优势：较高的传输速率，较好的抗符号间干扰能力，抗码间干扰能力，不用增加循环前 缀，频谱利用率较高等。但是，它也有本身的缺点，由于其多载波特性，时域干扰会极大降 低FBMC系统性能。

高速发展的信息技术挑战着物理系统的信号处理能力,传统的信号处理模式已经不能适 应如此海量的数据,因此压缩感知理论框架被提出。压缩感知理论在冗余的信号中感知简洁的 信息,从而有效降低系统处理的数据量。压缩感知的主要研究内容有信号的稀疏表达、观测矩 阵的设计和信号恢复。精确的信号恢复算法是压缩感知中的关键。压缩感知指出只要信号是 可压缩的或在某个变换域下能够被稀疏表示，那么就可以用一个与变换基不相关的观测矩阵 将变换所得高维信号投影到一个低维空间上，并且可从这些少量的测量数据中以高概率重构 出原信号。压缩感知理论主要包含以下几方面内容：（1）信号的稀疏表达。一般来说信号x 本身不是稀疏的,它就需要寻找某种正交基或紧框架Ψ。使信号x经过变换后在Ψ是稀疏的。 （2）观测矩阵Ф的设计。压缩感知理论通过观测矩阵感知信息,所以如何设计出与正交基越 不相关的观测矩阵,是保证信息完整性的前提。（3）信号恢复。信号恢复解决了从欠定线性观 测中恢复信号问题,如何设计快速高效的恢复算法是压缩感知理论得以广泛应用的基础。快速 高效的恢复算法是压缩感知理论得以广泛应用的基础。其核心思想是数据采样和压缩合并进 行。有两方面基本要求：信号的稀疏性，观测矩阵与变换矩阵的非相关性。已有相关证明随 机矩阵与4型余弦变换矩阵有很好的非相关性。压缩感知技术的优点是能以低于乃奎斯特采样 率的采样速率对信号进行采样，从而减少了信号采集和传输过程中的能量消耗。凸松弛法是 将压缩感知恢复问题转变成最小l₁范数的凸优化问题。凸优化是解决凸目标函数在凸函数约 束下的极大值(极小值)的一类特殊的非线性优化技术。凸优化方法具有局部极小值点是全局 最小值点的优点,特别是目标函数是严格凸函数时,那么全局极小值仅有一个。l₁范数既能包 含稀疏特性又是一个可分离函数,凸松弛法利用这一特点作为目标函数,能够有效解决压缩感 知中的信号恢复问题。常见的凸优化方法:内点法、梯度投影法、迭代加权法和收缩阈值法等。 稀疏梯度投影法以梯度下降法为基础的稀疏信号恢复方法,它引入隐变量将不可微的目标函 数转变成可微的无约束凸目标函数。稀疏梯度投影算法不受起始值影响,有效处理大规模信号 的问题,而且还可以利用一种正则因子连续方案降低算法的运行时间疏信号恢复方法,它引入 隐变量将不可微的目标函数转变成可微的无约束凸目标函数。

发明内容

有鉴于此，本发明的目的在于提供一种基于凸优化技术的增强余弦调制滤波器组多载波 通信系统抗干扰能力的方法，该方法能有效提高信号传输的可靠性。

为达到上述目的，本发明提供如下技术方案：

一种增强余弦调制滤波器组多载波通信系统抗干扰能力的方法，包括以下步骤：步骤一： 在发送端先对原始信号x进行基带调制和R位串并变换得到并行信号；步骤二：在并行信号 中随机插入零值，零值个数固定；步骤三：对插入零值的信号进行余弦调制综合滤波器组调 制，再由高斯信道发射出去；步骤四：接收端对经过高斯信道后的接收信号y进行处理，先 进行快速傅里叶变换，再对信号进行频域均衡，接着对信号进行快速傅里叶逆变换得到时域 信号r；步骤五：再将时域信号r通过基于凸优化技术干扰估计模块后，得到r中包含的干 扰信号s，接着再将信号r与与干扰信号s进行减运算，得到新的信号；步骤六：再对新的 信号进行余弦调制滤波器分析滤波器组解调和基带解调等操作，获得原始发送信号x。

进一步，在发送端的基带调制采用BPSK、QPSK、16QAM或64QAM调制方式。

进一步，干扰信号必须满足稀疏特性，即信号的非零系数K远远小于信号的维度N。

进一步，信号的非零系数K的值小于5,使干扰信号满足尽可能地稀疏要求。

进一步，在发送端的并行信号中随机插入L个零值，但零值个数为N减去R，即L=N-R， 其中N为插入零值后并行信号的长度，也为干扰信号的维度，且N为2的指数，为128、256 或者512。

进一步，干扰信号的非零系数K必须小于发送端并行信号随机插入零值的个数L，L也远 远小于信号的维度N，即有K<L<<N。

进一步，在发送端的综合滤波器组和接收端的分析滤波器组均为余弦调制滤波器组，都 是基于4型离散余弦变换。

进一步，所述基于凸优化技术的干扰估计模块所用方法为压缩感知中凸优化重构法中的 稀疏梯度投影法。此方法恢复干扰信号所需要的变量分别是有观测矩阵Ф，基矩阵为Ψ，以 及观测值r，其中观测矩阵Ф为L×N的随机高斯矩阵，随机高斯矩阵是服从期望为0，方差 为1/M的独立同分布的元素组成的矩阵，Ψ是N×N的4型离散余弦变换矩阵，观测值即为信 号r。

本发明的有益效果在于：本发明所述方法通过在余弦滤波器组多载波通信系统接收端引 入基于凸优化技术的干扰估计模块完成对干扰信号的估计，实现了对原始信号的恢复，为多 载波通信系统信号的可靠接收提供了一种简单有效的解决方案。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明提供的余弦调制滤波器组多载波通信系统的流程示意图；

图2为本发明提供的余弦调制滤波器组的内部框图；

图3为本发明提供的接收端抗干扰模块流程示意图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明提供的通信系统抗干扰能力的方法具体实现步骤如下：

1）先对原始信号x信号进行基带调制和串并变换。

2）将基带调制后的信号进行串并变换。

3）在并行信号中随机插入L个零值，但零值个数固定。

4）对插入零值的信号进行4型余弦综合滤波器组调制并通过高斯信道发射出去。

5）将接收到的时域信号y进行快速傅里叶变换（FFT）成为频域信号，目的是对此信号 进行频域均衡，消除高斯白噪声的影响，然后在进行快速傅里叶逆变换（IFFT），得到信号h。

6）将信号h进行串并变换，得到并行信号r。

7）基于凸优化的干扰估计，构造信号重构所需的观测矩阵Ф。要准确的重构信号，Ф 必须满足受限等距特性（RIP）准则，在本发明中Ф为随机高斯矩阵可满足此特性。利用观 测矩阵Ф，观测值r，4型DCT变换矩阵Ψ，通过凸优化的稀疏梯度投影法对信号进行重构， 估计出信道干扰s，其中r是快速傅里叶逆变换后的信号，Ψ是N×N的4型离散余弦变换矩 阵。

8）再将原并行信号和干扰信号进行减运算得到新的信号。

9）将得到的新的信号进行4型余弦分析滤波器组解调，将解调出的信号进行基带解调和 并串变换，恢复出原始信号。

图1为本发明提供的余弦调制滤波器组多载波通信系统的流程示意图，如图所示，本发 明主要分为四部分：

1、本发明使用的余弦调制滤波器组多载波系统结构：

余弦调制滤波器组是发送端采用综合滤波器，接收端采用分析滤波器。综合滤波器和分 析滤波器均采用余弦调制滤波器组（参见图2），进行4型余弦变换。

2、发送端的信号处理：

数字信号先经过基带调制，通常可以选择的有BPSK、QPSK、16QAM、64QAM等调制方式， 将基带调制后的信号做R位的串并变换，接着随机插入L个零值，便于接收时利用凸优化技 术估计出干扰。再对信号进行余弦调制综合滤波器组调制，最后通过并串变换，得到一个经 过FBMC调制后的基带时域调制信号，将此信号由高斯信道发射出去。其中，设定的子载波个 数为N，N为2的指数，且L<<N。

3、接收端的信号处理：

发送信号经过高斯信道受到高斯白噪声和干扰的影响，接收端先对信号进行快递傅里叶变 换（FFT），再对信号进行均衡，消除高斯白噪声影响。接着对信号进行快速傅里叶逆变换（IFFT）, 得到信号r，将r放入寄存器中，接着进入基于凸优化技术的干扰估计模块，利用稀疏梯度 投影法得到干扰信号s，利用寄存器中的r减去干扰信号s，得到的信号进行余弦调制分析滤 波器组，从而恢复出原始信号。

4、凸优化稀疏梯度投影算法估计干扰信号

由于在发送端并行信号随机插入了零值，使这部分子载波不携带信息。满足稀疏性的干 扰加入信号后，经过快速傅里叶变换（DFT）变换，干扰的能量就被分配到了各个子载波上， 在接收端处理发送端不携带信息的子载波，就能实现对干扰的估计。由于预先设置了时域干 扰的非零值个数为K，K远远小于N，使干扰信号满足压缩感知理论中信号具有稀疏性的要求， 这样利用观测矩阵Ф，观测值r，4型DCT变换矩阵Ψ，通过凸优化算法中稀疏梯度投影法 对干扰信号进行重构，就可以估计信道干扰s。其中Ф为L×N的随机矩阵，r是快速傅里叶 逆变换后的信号，Ψ是N×N的4型离散余弦变换矩阵。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述 优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和 细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。