一种基于数据驱动的SCA干扰抑制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116015484A(43)申请公布日2023.04.25(21)申请号202211543766.5(22)申请日2022.12.02(71)申请人中国人民解放军国防科技大学地址410073湖南省长沙市开福区德雅路109号(72)发明人王翔邓文黄知涛孙丽婷柯达赵雨睿李保国(74)专利代理机构北京盛询知识产权代理有限公司11901专利代理师李茜茜(51)Int.Cl.H04B15/00(2006.01)H04B17/336(2015.01)H04B17/345(2015.01)权利要求书2页说明书10页附图6页(54)发明名称一种基于数据驱动的SCA干扰抑制方法(57)摘要本发明公开一种基于数据驱动的SCA干扰抑制方法，包括：构建异步非平稳干扰信道模型，得到接收节点的混叠观测；对混叠观测进行稀疏变换，使目标信号在变换域内具备稀疏性；在变换域内完成目标信号的表示矩阵估计，得到表示矩阵估计结果；基于表示矩阵估计结果，在变换域内完成目标信号的恢复，得到恢复结果；通过逆变换将恢复结果转换至时域，完成干扰抑制。本发明分别实现了目标信号稀疏变换域的自适应选择、变换域内目标信号的表示矩阵的自适应学习以及目标信号的自动恢复，突破了对混叠观测先验的限制，实用性更强。CN116015484ACN116015484A权利要求书1/2页1.一种基于数据驱动的SCA干扰抑制方法，其特征在于，包括以下步骤：构建异步非平稳干扰信道模型，得到接收节点的混叠观测；对所述混叠观测进行稀疏变换，使目标信号在变换域内具备稀疏性；在所述变换域内完成所述目标信号的表示矩阵估计，得到表示矩阵估计结果；基于所述表示矩阵估计结果，在所述变换域内完成所述目标信号的恢复，得到恢复结果；通过逆变换将所述恢复结果转换至时域，完成干扰抑制。2.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述混叠观测为：式中，aii为发送节点i(i＝1,2,…,N)与接收节点i(i＝1,2,…,N)间的信道增益；si(n‑mi)为传输时延为mi个采样间隔的第i个发送节点所传输的信号；aji为发送节点j(j＝1,2,…,N)与接收节点i(i＝1,2,…,N)间的信道增益；sj(n‑mj)表示传输时延为mj个采样间隔的第j个发送节点所传输的信号；vi(n)表示接收节点i处的加性高斯白噪声；T为总采样点数。3.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述稀疏变换的计算公式为：Wi＝fEncoder(Xi)其中：Xi＝AiSi+Vi式中，表示接收节点i处的混叠观测；表示混叠矩阵，其中每列表示发送节点j与接收节点i间的信道系数；表示信号矩阵，每一行表示接收节点i处收到的发送节点j所传输的信号；表示接收节点i处的AWGN；为时域混叠混测Xi的深度高维表征，K为编码器滤波器数量，L为单个滤波器的输出长度；fEncoder(·)表示编码器的映射函数。4.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，在稀疏域中恢复所述目标信号的计算公式为：式中，为稀疏域中目标信号的估计；为时域混叠混测Xi的深度高维表征；为目标信号在稀疏域中的表示矩阵，由分离器完成估计；表示矩阵点乘操作。5.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述逆变换的计算公式为：2CN116015484A权利要求书2/2页为时域内恢复后的目标信号的估计；fDecoder(·)表示解码器的映射函数；为稀疏域中目标信号的估计。6.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述异步非平稳干扰信道模型包括N条主通信链路和N(N‑1)条干扰链路。7.根据权利要求1所述的基于数据驱动的SCA干扰抑制方法，其特征在于，对恢复结果进行性能评估，包括恢复后的目标信号的波形相似度和恢复后的目标信号的解调误符号率。8.根据权利要求7所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述波形相似度的计算公式为：式中，·表示2范数；当时，c为非零常数；当与aiisii正交时，越接近于1，波形的恢复质量越高，误差越小。9.根据权利要求7所述的基于数据驱动的SCA干扰抑制方法，其特征在于，所述解调误符号率的计算公式为：式中，为恢复前或恢复后将该目标信号进行解调所得符号序列中与真实符号序列不一致的符号数；Qi为该目标信号符号序列总数。3CN116015484A说明书1/10页一种基于数据驱动的SCA干扰抑制方法技术领域[0001]本发明涉及异步非平稳干扰抑制技术领域，特别涉及一种基于数据驱动的SCA干扰抑制方法。背景技术[0002]干扰是合作/非合作通信系统中亟需解决的问题，减轻和抑制干扰对合作/非合作通信系统提升