一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法

摘要

本发明提供一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法，其包括如下步骤：S1、在测量目标信息之前，预先配置信道观测干扰抑制模块；S2、在测量目标信息之前，信道观测干扰抑制模块预先估计出观测干扰分量，对接收端原始频域符号进行消噪处理，构造备选观测矢量；S3、在测量目标信息过程中，根据观测干扰分量估计信息、测量压缩比和测量准则生成对应的行阶梯测量矩阵，并从若干子信道内采集数据作为最终观测矢量信息。发明能够在低值测量压缩率和深度削波的情况下，依然展现出强健的通信性能，提升了系统鲁棒性。

权利要求

1.一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法，其特征在于，其包括如下步骤：S1、在测量目标信息之前，预先配置信道观测干扰抑制模块；所述信道观测干扰抑制模块包括信道均衡噪声估计子模块、判决噪声估计子模块和行阶梯测量矩阵生成子模块；

S2、在测量目标信息之前，信道观测干扰抑制模块预先估计出观测干扰分量，对接收端原始频域符号进行消噪处理，构造备选观测矢量；

S3、在测量目标信息过程中，根据观测干扰分量估计信息、测量压缩比和测量准则生成对应的行阶梯测量矩阵，并从若干子信道内采集数据作为最终观测矢量信息；

所述步骤S2包括：

S21、在所述信道均衡噪声估计子模块中，根据接收端原始频域符号和削波率信息估计出子信道均衡干扰分量；

S22、根据S21，从接收端原始频域符号中剔除该子信道均衡干扰分量，对特定种类子信道的数据信息进行处理，得到经过处理后的接收频域符号；

S23、对经过步骤S22处理后的接收频域符号进行最大似然判决，得到各个子信道的解映射星座点；

S24、根据步骤S23中的解映射星座点，构造备选观测矢量；

S25、在所述判决噪声估计子模块中，根据步骤S23解映射星座点、接收端原始频域符号和削波率信息估计出由步骤S23引入的判决噪声；

所述步骤S3包括：

S31、在行阶梯测量矩阵生成子模块中，根据S25获得的判决噪声估计信息，结合测量目标压缩比和目标信息测量准则，产生对应的行阶梯测量矩阵；

S32、在测量目标信息过程中，根据S24获得的备选观测矢量、S25获得的判决噪声估计信息以及S31获得的行阶梯测量矩阵从判决噪声干扰相比后相对小的子信道内采集数据，确定最终观测矢量。

2.如权利要求1所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法，其特征在于，所述步骤S3之后还包括：S4、采用贪婪类压缩感知算法，对经过步骤S3处理得到的观测矢量进行迭代搜索与匹配，得到失真信号估计信息。

3.如权利要求1至2任一项所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法，其特征在于，所述信道观测干扰抑制模块适用场景包括用于低值测量压缩率和深度削波的传输环境。

说明书

一种缓解观测干扰的多载波非线性削波失真压缩感知估计

方法

技术领域

[0001] 本发明涉及数字通信系统技术领域，特别涉及一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法。

背景技术

[0002] 1、多载波调制技术

[0003] 多载波调制采用多个载波信号把数据分为若干子数据流，降低了系统对传输信道时间弥散性的敏感度，具有频谱利用率高、抗多径干扰能力强的优点，被广泛地应用在无线通信和有线通信系统中。但是多载波调制信号具有较高的峰均功率比(PAPR)，大的峰值信号经过系统内的非线性器件(如功率放大器，HPA)会引起信号畸变，产生的非线性噪声严重地影响着系统通信性能。

[0004] 正交频分复用(OFDM)是多载波传输方案实现方式之一。设OFDM系统具有N个子载T波，一个符号周期T内输入OFDM数据矢量为X＝[X0,X1,…,XN-1] ，其中Xk∈χ表示第k个子载波的调制符号，χ为QAM星座点集合。一个T内的OFDM基带时域离散过采样信号为：

[0005]

[0006] 其中，L为过采样因子，此时， 也就是说对原始X填充(L-1)N个零生成L倍过采样输入数据矢量X'。当L＝1时，(1)式便为奈奎斯特采样率下的OFDM时域信号x(n)。

[0007] PAPR是定义在一个OFDM符号周期内，信号的峰值功率与平均功率的比值：

[0008]

[0009] 其中E{}表示统计期望。为无失真传输信号，大PAPR的OFDM信号必须要求数字器件具有很大的线性范围，但大峰值在整个信号内的比重较低，从而导致数字器件的利用率降低；另外，对于非线性数字器件，若大峰值的幅度超出了其线性工作区间，会产生明显的非线性失真，引起交调干扰和频谱扩展，导致整个系统的性能下降。因此，有效地降低信号PAPR对OFDM系统非常重要。在本发明中，简便起见使用xL表示xL(n)，使用xn表示x(n)。

[0010] 2、削波失真

[0011] 在发射端对多载波调制信号进行简单的削波操作可以直接有效地降低信号PAPR值，但会引入削波失真，进而造成系统通信性能的降级。设Ath为削波门限，对xn进行削波操作，得到削波后的信号为：

[0012]

[0013] 其中，φ(xn)为xn的相位，那么对应削波比为：

[0014]

[0015] 其中，σx为OFDM信号的平均功率均方根值。那么对应的削波率：

[0016]

[0017] 由(3)式可知，削波后的信号 可以表示为原始OFDM信号xn和削波失真信号cn的之和：

[0018]

[0019] cn就是本发明中要估计与抑制的削波失真信息。如图1所示，在一个OFDM符号周期内，cn是一种时域稀疏信号，以cn的实部为例，削波率越大，cn中非零元素个数就越少，cn的稀疏水平就越高。

[0020] 3、最大似然准则符号判决器

[0021] 假设Hk为第k个子信道的频率响应，xn经过信道传输后，得到OFDM接收信号yn，在频域内可表述为：

[0022]

[0023] 其中，Zk为第k个子信道的信道噪声，可视为方差 的高斯白噪声。根据导频信息，在理想信道估计条件下，接收机能够精确地估计出 并获取信道状态信息，有假设系统完全同步，Yk经过一阶破零均衡器后，得到均衡后的符号Yeq(k)为：

[0024]

[0025] 是干扰噪声，包含削波失真信息和信道干扰信息。通常情况下，根据最大似然准则得到Xk的频域判决符号 为：

[0026]

[0027] 其中χi∈χ，χ为QAM星座点集合， 表示最大似然判决器。

[0028] 4、压缩感知

[0029] 压缩感知(CS)是近年来信号处理领域发展的一种新型数字信号处理理论。压缩感知理论可从M维采样观测值中恢复出N维原始信号，能够解决欠采样情况下信号的重构问题，主要依赖于信号的稀疏性和测量矩阵与测量基之间的非相干性，实质是稀疏约束下所M×N测采样信号与估计信号之间的拟合过程。即已知某一个测量矩阵Φ∈ (M N)，未知信号c∈N×1是K稀疏矢量，在Φ作用下的线性测量y为：

[0030] y＝Φc                             (10)

[0031] 定义测量压缩比为 现在考虑由压缩比为ρ的测量值y重构出长度为N的信号c，然而方程(10)却有无穷多个解。由压缩感知相关理论可知，若测量次数M满足并且测量矩阵Φ满足约束等距条件

[0032] (RIP)，即存在等距常量δK∈(0,1)，使得：

[0033]

[0034] 称矩阵Φ满足K阶RIP，那么信号c可由测量值y通过最优l0范数问题精确重构：

[0035]

[0036] 由前面可知，削波失真信息c是一种稀疏信号，为了能够利用CS算法来重建c，那么就需要先得到与c有关的测量值。通常情况下，可将Yeq(k)减去 后，便得到备选的测量矢量，写成矩阵形式，有：

[0037]

[0038] 其中，C＝Fc为所要重构的目标信号c的频域矢量，F∈N×N为离散傅里叶变换矩阵，Ξ＝n0+n1为观测干扰噪声，其中n0＝H-1Z为传输信道均衡干扰噪声， 是在构造 的过程中引入的判决噪声。为了能够使用压缩感知算法从备选的测量序列 中精确地重构出目标信号c，理想情况下，希望从 中采集出含有与C相关的信息量越多越好，即测量信噪比 越大越好。然而，由式(13)可知， 中除了有用信息C外，还包含着大量的观测干扰噪声Ξ，进而显著地影响着压缩感知算法性能。

[0039] 假设第k子信道的原始调制符号Xk＝χa∈χ，调制星座点χa的有效判决区间 其中的半径为μ，不同子信道的Ξk的对 的影响不同：

[0040] 1)如图2(a)所示，若某些子信道内受 的影响较小(其中 )，满足 则有 此时n1(k)＝0，Ξk＝n0(k)，

[0041] 2)如图2(b)所示，而某些子信道受 的污染较为严重， 以致于Yeq(k)跨越出了χa的有效判决区间 经过最大似然判决器后有 此时Ξk＝n0(k)+n1(k)，

[0042] 因此，不同子信道内的测量信噪比MSNR是有差异的，MSNR显著地影响了压缩感知算法对c的重构性能。

发明内容

[0043] 有鉴于此，本发明提出缓解观测干扰的多载波非线性削波失真压缩感知估计方法。

[0044] 一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法，其特征在于，其包括如下步骤：

[0045] S1、在测量目标信息之前，预先配置信道观测干扰抑制模块；所述信道观测干扰抑制模块包括信道均衡噪声估计子模块、判决噪声估计子模块和行阶梯测量矩阵生成子模块；

[0046] S2、在测量目标信息之前，信道观测干扰抑制模块预先估计出观测干扰分量，对接收端原始频域符号进行消噪处理，构造备选观测矢量；

[0047] S3、在测量目标信息过程中，根据观测干扰分量估计信息、测量压缩比和测量准则生成对应的行阶梯测量矩阵，并从若干子信道内采集数据作为最终观测矢量信息。

[0048] 在本发明所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法中，[0049] 所述步骤S2包括：

[0050] S21、在所述信道均衡噪声估计子模块中，根据接收端原始频域符号和削波率信息估计出子信道均衡干扰分量；

[0051] S22、根据S21，从接收端原始频域符号中剔除该子信道均衡干扰分量，对特定种类子信道的数据信息进行处理，得到经过处理后的接收频域符号。

[0052] S23、对经过步骤S22处理后的接收频域符号进行最大似然判决，得到各个子信道的解映射星座点；

[0053] S24、根据步骤S23中的解映射星座点，构造备选观测矢量；

[0054] S25、在所述判决噪声估计子模块中，根据步骤S23解映射星座点、接收端原始频域符号和削波率信息估计出步骤S23引入的判决噪声；

[0055] 在本发明所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法中，[0056] 所述步骤S3包括：

[0057] S31、在行阶梯测量矩阵生成子模块中，根据S25获得的判决噪声估计信息，结合测量目标压缩比和目标信息测量准则，产生对应的行阶梯测量矩阵；

[0058] S32、在测量目标信息过程中，根据S24获得的备选观测矢量、S25获得的判决噪声估计信息以及S31获得的行阶梯测量矩阵从判决噪声干扰相比后相对小的子信道内采集数据，确定最终观测矢量。

[0059] 在本发明所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法中，[0060] 所述步骤S3之后还包括：

[0061] S4、采用贪婪类压缩感知算法，对经过步骤S3处理得到的观测矢量进行迭代搜索与匹配，得到失真信号估计信息。

[0062] 在本发明所述的缓解观测干扰的多载波非线性削波失真压缩感知估计方法中，[0063] 所述信道观测干扰抑制模块适用场景包括用于低值测量压缩率和深度削波的传输环境。

[0064] 本发明提供的缓解观测干扰的多载波非线性削波失真压缩感知估计方法，能够针对观测干扰噪声降级多载波非线性削波失真信号重建性能的问题，克服观测序列干扰噪较大的缺陷，提高目标信息测量信噪比，进而提升目标信号的感知效率和重构精度。在该发明的基础上，进而设计出一种在低测量压缩比和深度削波情况下更为有效可靠的且数据处理量更小的多载波削波失真抑制方案，在峰值极度受限的同时也可以有效补偿系统的非线性失真，提高多载波传输系统的抗非线性干扰能力和通信性能。

附图说明

[0065] 图1(a)是削波率为2.5dB时的削波失真信息；图1(b)是削波率为4.5dB时的削波失真信息；图1(c)是削波率为6.5dB时的削波失真信息；

[0066] 图2(a)是OFDM频域符号受轻度观测干扰污染情形；图2(b)是OFDM频域符号受重度观测干扰污染情形；

[0067] 图3是本发明设计的一种缓解观测干扰的多载波非线性削波失真压缩感知估计方法中模块整体结构框图；

[0068] 图4是常规的压缩感知信号重构技术结构框图；

[0069] 图5是为OFDM系统在无削波失真传输、设置CR＝2.5dB的削波传输以及本发明所提制方案的解调性能对比；

[0070] 图6是在0.5的测量压缩比下本发明与常规压缩感知方案的解调性能对比；

[0071] 图7是在CR＝1.5dB的深度削波情况下本发明与常规压缩感知方案的解调性能对比；

[0072] 图8为本发明一个实施例的含有削波失真抑制模块的OFDM接收机整体框图；

[0073] 图9是判决噪声估计信息星座图表示。

[0074] 图10(a)是接收端原始OFDM频域符号，图10(b)削波失真抑制后的OFDM频域接收符号。

[0075] 图11是本发明一个实施例在不同测量压缩比下的传输性能对比；

[0076] 图12(a)本发明一个实施例在不同削波率下的传输性能对比；图12(b)是图4常规方案在不同削波率下的传输性能对比。

具体实施方式

[0077] 以下结合附图对本发明实施例的技术方案进行进一步阐释。

[0078] 本发明实施例的思路如下：

[0079] 在背景技术中揭露的观测干扰噪声对备选观测矢量的结构影响，其实质是接收端原始频域符号在星座空间中的位置和星座点有效判决区域之间的关系决定了测量信噪比MSNR的大小，为了提高测量信噪比MSNR，可以从以下两个方面得到突破：

[0080] 1)设法将图2中的原始频域符号从远离 的位置拉回到 边界附近或者 区域内部，可减小信道均衡噪声和判决噪声对备选观测矢量的污染；

[0081] 2)构造恰当的测量矩阵，从判决噪声较小的若干“优良”子信道内采集数据作为有效观测信息，避规“恶劣”子信道，提高目标信息的感知效率。

[0082] 此时，在目标信息测量过程中便可抑制观测干扰分量，提高测量信噪比。测量信噪比的提升保证了压缩感知算法的重构性能，进而能够近似地拟合出真实削波失真信息。最后，从原始接收频域符号中剔除削波失真估计信息，从而提高系统抗非线性干扰能力。

[0083] 在上述理论的指导下，可以分析出本发明实施例缓解观测干扰的多载波非线性削波失真压缩感知估计方法的设计思路。

[0084] 技术方案：

[0085] 缓解观测干扰的多载波非线性削波失真压缩感知估计方法中模块的整体结构如图3所示，相对于图4中的常规的压缩感知信号重构技术，本发明实施例引入了信道观测干扰抑制模块以缓解观测噪声对压缩感知算法性能的影响，以提升目标信息的测量信噪比。接收端原始频域符号经过信道观测干扰抑制模块后，得到观测噪声缓解的测量序列，在失真信号估计模块中利用压缩感知算法对测量序列进行迭代匹配搜索，估算出削波失真目标信号。其中信道观测干扰抑制模块分为三个子模块：

[0086] 1)信道均衡噪声估计子模块；

[0087] 2)判决噪声估计子模块

[0088] 3)行阶梯测量矩阵生成子模块。

[0089] 1、信道均衡噪声估计子模块Md1

[0090] 由背景技术可知，如图2所示， 由C和n0两部分组成，其中，C是目标观测信息频域形式，其值大小和稀疏度由削波率所直接决定；另外，C是由发射端的削波操作引入的固有失真，是无法避免的，而n0是子信道内的均衡干扰噪声，是可以通过相应方法来“净化”。所以，如若要减小 使接收端原始频域符号Yeq从远离 的位置拉回到 边界附近或者内部，就只能从减小n0入手。因此，根据Yeq和削波率辅助信息，设计信道均衡干扰噪声估计子模块Md1，通过该模块可近似估计出各个子信道的均衡干扰噪声n0，将Yeq减去n0后得到Yeq0，再送入最大似然判决器中得到第一次判决符号 其中，削波率与发送端的数值保持一致，可存储于只读存储器(ROM)中，在设计中可以直接调用。显然模块Md1在一定程度上可以有效减缓某些子信道的均衡干扰分量，一方面可以提高符号的正确判决概率；另一方面，也可同时减小了观测噪声分量，使某些子信道内的削波信息满足|Ck|＞|n0(k)|，初步提升目标信息测量信噪比。Md1模块净化了子信道传输环境，是本发明缓解观测干扰的第一道“屏障”。

[0091] 2、判决噪声估计子模块Md2

[0092] 当某些子信道内的接收原始频域符号受 污染较为严重时，如图2(b)所示，Yeq远远地偏离了 区域，此时即使经过子模块Md1消噪得到Yeq0，也依然无法把Yeq0拉回到 区域附近，使 发生错误判决。那么此时构造备选观测序列 便会引入大量的判决误差n1。而n1的存在则会降级目标信息的测量信噪比，进而影响后续压缩感知算法的重构性能。因此，如图3所示，设计判决噪声估计子模块Md2，借助 Yeq和削波率辅助信息得到子信道判决噪声估计信息 设计Md2子模块的目的是为后面测量矩阵的生成提供先验信息。

[0093] 3、行阶梯测量矩阵生成子模块Md3

[0094] 本发明实施例设置缓解观测干扰的第二道“屏障”，即行阶梯测量矩阵生成子模块Md3，如图3所示，其工作方式如下所述：基于Yeq、 和测量压缩比辅助信息，在一定的测量矩阵生成准则约束下，设计恰当的行阶梯测量矩阵Φ采集备选矢量 进行观测，得到最终的观测矢量 进而提高有用信息C在 中所占的比重。设计子模块Md3的目的是从噪声较小的子信道内采集削波失真相关信息，排除含噪较大的子信道，提高有用信息的感知效率。所以，根据不同的信道环境，制定特殊的行阶梯测量矩阵对备选测量信息进行观测，使观测矢量中的判决噪声比例远远小于目标观测信息的比例。

[0095] 4、失真信号估计模块

[0096] 压缩感知理论中的贪婪算法是通过迭代进行稀疏逼近并求出余量，计算出目标信号的支撑集，进而逐渐逼近目标信号。本发明采用压缩感知贪婪算法作为失真信号估计模块中的信号重构算法。接收端原始频域符号经过子模块Md1、Md2和Md3后，得到的最终观测矢量 中便含有较少的观测干扰分量，经过压缩感知算法便可从 中以高概率估计出时域削波失真信号 经过FFT变换后，得到其频域分量 再从Yeq减去 后，便得到削波失真被抑制的数据符号

[0097] 优点及其有益效果：

[0098] 与现有技术相比，本发明方法具有以下优点与有益效果：

[0099] (1)解调性能好，抗非线性干扰能力强

[0100] 明显改善了非线性环境下多载波系统的传输能力，提高了系统抗噪性能。在发送机中采用削波技术可以将发射信号有效地控制在预设门限之下，直接地抑制信号的PAPR，但削波本身引入的信号失真恶化了信号传输质量，降级了系统BER性能。在接收端采用本发明方案却可以抵消削波失真干扰，进而改善系统传输性能。图5所示为OFDM系统在无削波失真传输、CR＝2.5dB的削波传输以及本发明所提制方案的解调性能对比，其中，所提方案在测量矩阵生成子模块Md3中采用ρ＝0.8的测量压缩比。可以看出，原始OFDM系统受削波失真影响较大，BER性能恶化严重，而所提方案在接收机中可有效地缓解系统的非线性效应，提升了系统的抗非线性干扰能力。比如，当SNR＝22dB时，原始OFDM系统接收端误码率(BER)为1.2592×1e-3，然而本发明方案的BER却降低至7.2311×1e-5，性能提升了将近两个数量级。所提方案能够改善非线性OFDM系统的通信性能，表明了该方法在缓解系统非线性失真中的有效性和可行性。

[0101] (2)系统稳定性好，鲁棒性能强

[0102] a)在较低的测量压缩比下依然具有良好的通信性能，且压缩比改变灵活，可提高信号重构算法对应用场景的鲁棒性。采样率的降低虽然可有效地减小数据存储量，降低器件的数据处理量，提升算法运行速度，但是却同样会减小有效信息的获取，影响目标信号的重构效率。然而，由于本发明所提方案引入了信道观测干扰抑制模块，在测量感知目标信息之前就已预先剔除了部分干扰噪声，相应地提升了目标信息测量信噪比，进而可保证信号的重构性能。同样地，不同的应用场景对系统通信质量的要求不同，所提方案还可根据业务需求自适应地改变测量压缩比，即可自适应地改变测量矩阵的长度(列向量的个数)，提高系统对传输环境的鲁棒性。测量矩阵的长度主要由预先设置的测量压缩比所决定，设置Md3子模块的测量压缩比为ρ＝0.5，保持其他参数不变，统计所提方案接收端的BER，为了突出其优势，同时与图4的常规方案在相同系统参数下的BER进行对比，结果如图6所示。可以看出，但是，在0.5的压缩比下，常规压缩感知方案的性能较为脆弱，对削波失真没有重构作用，其性能甚至劣于含有削波失真的BER性能；然而，所提新型方案较为强健，在20dB的信噪比下，BER可依然保持小于1×10-3，展现出较高的工作效率。

[0103] b)在深度削波情况下，本发明方法依然保持了良好通信性能。由图1可知，削波率越小，削波程度就越深，削波失真信号中的非零元素个数就越多，稀疏度K就越大。对于常规重构方案来说，随着削波深度逐渐加大，失真信号趋近于欠稀疏状态，采用压缩感知算法恢复目标信号的条件逐渐被破坏。但是，由于本发明所提方法中设计的Md3子模块可以按观测需求从备选测量信息中尽可能地去搜索并筛选出满足观测条件的测量序列；另外，在不同符号周期内，根据不同的传输环境可设置不同的测量压缩比，进而可感知到不同长度的目标数据，可望实现自适应压缩感知。因此，对于深度削波情况下，常规方案的BER性能会急剧下降，而所提方案在一定程度上可减缓压缩感知算法信号重构性能降级的速度。设置CR＝1.5dB，统计本发明所提方案的BER如图7所示。可以看出，常规压缩感知方案性能恶化非常严重，而本发明新型方案可择优选取观测元素，显著地减缓了信号重构算法的性能降级步伐，在20dB的信噪比下，依然保持小于1×10-3的解码性能，展现较好的自适应能力，因而在深度削波情况下具备优异的工作性能。

[0104] (3)实现简单、成本低廉

[0105] a)在本发明方法引入的信道观测干扰抑制模块中，采用的行阶梯测量矩阵硬件实现比较简单，根据测量矩阵生成规则确定需要感知的元素在 中的位置，从单位阵选择对应的行便可组成所需的行阶梯测量矩阵Φ。因而极大地降低了接收机硬件实现的成本、复杂度和功耗。

[0106] b)另外，测量矩阵使用灵活，替代方案多。可在Md3子模块中设置不同的测量规则，进而产生不同性能的测量矩阵以满足不同的目标重构需求。

[0107] 上述是本发明方法的概述。以下以本发明的较佳实施例并配合附图详细说明如后，具体实施方式由以下实施例及其附图详细给出。

[0108] 具体实施例

[0109] 图8根据本发明一个实施例的含有削波失真抑制模块的OFDM接收机中整体框图。其中信道估计与子信道解映射是传统OFDM接收机的基本步骤，不在本专利申请的发明之列。图3是本发明提出的缓解观测干扰的OFDM削波失真压缩感知重构与抑制方案具体实现框图。下面将参考其它附图并结合实施例，来详细说明本发明。设计OFDM系统的参数如表1所示。

[0110] 表1

[0111]项目 参数
采样率(GHz) 1
IFFT/FFT长度 2048
子载波间隔(MHz) 0.488
子载波个数N 512
调制方式 16-QAM
削波率(dB) 1.5/2/2.5
测量压缩比 0.4/0.6/0.8

[0112] 1、信道均衡噪声的估算

[0113] 信道均衡噪声估计子模块近似估计出各个子信道的均衡噪声 从Yeq中减去后得到Yeq0：

[0114]

[0115] 然后把Yeq0送入最大似然判决器中，得到：

[0116]

[0117] 再从Yeq中减去 构造出关于C的备选观测矢量：

[0118]

[0119] 初步提升了目标信息的观测信噪比。

[0120] 2、判决噪声的估算

[0121] 利用 和Yeq构造出的 含有大量的判决误差n1，引入大量的观测干扰Ξ，进而降低目标信息测量信噪比。通过判决噪声子模块Md2，估算出各个子信道的判决噪声 如图9所示。

[0122] 3、行阶梯测量矩阵与观测矢量的生成

[0123] 从 中采集适当的元素作为观测矢量，首先根据 和测量压缩比，确定测量矩阵。在Md3子模块中设置测量压缩比ρ，由于 的长度为512(与OFDM有效子载波个数相等)，则可计算观测矩阵的长度M＝512×ρ，其数值向下取整。

[0124] 测量规则设置为：取 最小的若干子信道进行观测。因此，将 按照 的值从小到大进行排列，得到新的序列 取 的前M个元素的序列索引号，构成集合Λ，从512×512的单位阵中找出对应的Λ行组成M×512的行阶梯测量矩阵Φ。将行阶梯测量矩阵Φ与相乘后，得到观测矢量

[0125]

[0126] 其中，A＝ΦF为感知矩阵。

[0127] 结合压缩感知算法从 中恢复出时域削波信号c，离散傅里叶变换后得到频域信息C，然后将C从Yeq中剔除后便得到削波失真被抑制的数据符号 接收端原始OFDM频域符号和非线性削波失真抑制后的频域符号如图10所示。

[0128] 4、性能仿真

[0129] 以多径信道传输环境为例。经过上述的前2个步骤后分别估算出 和 设置测量压缩比ρ分别为0.4、0.6和0.8，根据测量规则，经过上述第3个步骤得到相应的行阶梯测量矩阵Φ和观测矢量 在接收端分别统计BER对比如图11所示。可以明显看出，在ρ＝0.6和ρ＝0.8时，所提方案展现出优异的BER性能，具有较强的非线性抑制能力，但在ρ＝0.4下，序列中含有较少的削波失真信息，导致压缩感知重构性能降级。因此，为了使本方案能够取得优异的传输性能，测量压缩比的设置需满足不小于0.5的数值。本发明具有较小的数据处理量，能以较低的复杂度精确恢复出削波失真信息。

[0130] 取ρ＝0.8，分别在发射端进行CR为1.5dB、2dB和2.5dB的削波操作，在接收端统计本发明方法和图4传统方法的BER性能对比如图12(a)和图12(b)所示。可以看出，传统方法在小于2.5dB削波情形下就已经失去了抑制削波失真的效果，其适用范围非常有限。然而在发送信号峰值极度受限即深度削波的情况下，比如CR＝1.5dB，本发明方法的通信性能依然强健有效。因此，本发明增强了信号接收质量，提高了系统鲁棒性。

[0131] 本实施例表明，引入的信道观测干扰抑制模块可以有效缓解观测干扰对压缩感知算法性能的降低，提升削波失真信息的重构准确度，极大地改善了系统在低圧缩比和低削波率情形下的传输性能，提高系统的稳健性。尤其适用于低采样率和深度削波的OFDM传输系统。

[0132] 结合本文中所公开的实施例描述的方法或算法的可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。

[0133] 可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。