基于稀疏贝叶斯学习的MIMO-OFDM电力线通信系统接收机设计

丰富的脉冲噪声干扰对基于MIMO-OFDM技术的电力线通信系统接收机设计带来了巨大挑战.针对这个问题,提出了一种联合估计电力线信道和脉冲噪声的接收机设计方案.该方案主要利用电力信道多径模型参数在频域上的稀疏性和脉冲噪声在时域上的稀疏性特征,将待估计信道模型参数和脉冲噪声联合视作一个稀疏向量,同时利用MIMO系统的空间相关性,构建了一个基于多测量向量的压缩感知模型,并引入多测量向量稀疏贝叶斯学习理论,设计了一种联合估计MIMO信道模型参数和脉冲噪声的方法.仿真结果表明,与传统的MIMO信道估计与脉冲噪声抑制相互分离的接收机方案相比,新方法在估计性能和误比特率性能上有明显提升....

Full description

Saved in:
Bibliographic Details
Published in电信科学 Vol. 38; no. 2; pp. 25 - 34
Main Authors 吕新荣, 李有明, 吴永清, 唐小波
Format Journal Article
LanguageChinese
Published 中国通信学会 20.02.2022
人民邮电出版社有限公司
宁波大学科学技术学院,浙江 宁波 315300%宁波大学信息科学与工程学院,浙江 宁波 315211%中国科学院声学研究所,北京 100190
中国科学院大学,北京 100190%宁波奥克斯高科技有限公司,浙江 宁波 315034
Subjects
稀疏贝叶斯学习
MIMO
脉冲噪声
电力线通信
OFDM
MIMO;OFDM;脉冲噪声;电力线通信;稀疏贝叶斯学习
Online AccessGet full text
ISSN1000-0801
DOI10.11959/j.issn.1000-0801.2022036

Cover

More Information
Summary:丰富的脉冲噪声干扰对基于MIMO-OFDM技术的电力线通信系统接收机设计带来了巨大挑战.针对这个问题,提出了一种联合估计电力线信道和脉冲噪声的接收机设计方案.该方案主要利用电力信道多径模型参数在频域上的稀疏性和脉冲噪声在时域上的稀疏性特征,将待估计信道模型参数和脉冲噪声联合视作一个稀疏向量,同时利用MIMO系统的空间相关性,构建了一个基于多测量向量的压缩感知模型,并引入多测量向量稀疏贝叶斯学习理论,设计了一种联合估计MIMO信道模型参数和脉冲噪声的方法.仿真结果表明,与传统的MIMO信道估计与脉冲噪声抑制相互分离的接收机方案相比,新方法在估计性能和误比特率性能上有明显提升.
ISSN:1000-0801
DOI:10.11959/j.issn.1000-0801.2022036