买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了一种基于变分贝叶斯学习的信道脉冲噪声估计方法，该估计方法在时域上对信道的冲激响应以及环境中存在的脉冲噪声与高斯噪声进行联合估计；根据信道冲激响应对信号进行时域均衡，得到期望信号。在基于引入脉冲噪声的接收数据模型的基础上，推导了该模型的前向、后向EM算法的接收数据的似然函数期望，并以该期望为基础推导出模型隐藏变量的更新公式，准确地估计出前向信道冲击响应、前向脉冲噪声、后向信道冲激响应、后向脉冲噪声。相比于传统贝叶斯信道估计方法，该方法能够准确估计出在海洋环境中存在的脉冲噪声与信道冲激响应，有效对抗脉冲噪声与高斯白噪声的干扰，显著提高译码性能。

主权项：1.一种基于变分贝叶斯学习的信道脉冲噪声估计方法，其特征在于，所述信道脉冲噪声估计方法包含以下步骤：S1、从接收信号帧r中提取第k个数据块rk，其中k＝1，2，...，K，K为每一帧的数据块数，从数据块rk中提取前向接收数据yk，1、后向接收数据yk，2分别构建前向接收数据模型与后向接收数据模型；S2、分别基于前向接收数据、前向信道冲激响应、前向脉冲噪声和前向高斯噪声构建前向参数概率模型；S3、利用前向EM算法迭代估计接收信号帧r中第k个数据块前向信道冲激响应第k个数据块前向脉冲噪声第k个数据块在前向EM算法第p次迭代中待估计参数分别为：第k个数据块前向EM算法第p次迭代的前向冲激响应期望第k个数据块前向EM算法第p次迭代的前向脉冲噪声期望第k个数据块前向EM算法第p次迭代的前向高斯噪声方差倒数首先初始化p＝1、的第一隐藏变量的第二隐藏变量和S4、使用前向EM算法计算与若迭代次数p达到迭代上限阈值pmax或者前向信道冲激响应期望更新变化小于预设阈值Δ，则输出第k个数据块最后一次迭代的前向信道冲激响应期望前向脉冲噪声期望前向高斯噪声方差倒数结束迭代并执行步骤S6；S5、分别更新的第一隐藏变量的第二隐藏变量和得到第p+1次迭代的参数，令p＝p+1，转至步骤S4开始下一轮前向EM算法迭代；S6、分别基于后向接收数据、后向信道冲激响应、后向脉冲噪声和后向高斯噪声构建后向参数概率模型；S7、利用后向EM算法迭代估计接收信号帧r中第k个数据块后向信道冲激响应第k个数据块后向脉冲噪声第k个数据块后向EM算法第q次迭代中待估计参数分别为：第k个数据块后向EM算法第q次迭代的后向冲激响应期望第k个数据块后向EM算法第q次迭代的后向脉冲噪声期望第k个数据块后向EM算法第q次迭代的后向高斯噪声方差倒数首先初始化q＝1、的第一隐藏变量的第二隐藏变量和S8、使用后向EM算法计算与若迭代次数q达到迭代上限阈值qmax或者后向信道冲激响应更新变化小于预设阈值Δ，则输出第k个数据块最后一次迭代的后向信道冲激响应期望后向脉冲噪声期望后向高斯噪声方差倒数结束迭代并执行步骤S10；S9、分别更新的第一隐藏变量的第二隐藏变量和得到第q+1次迭代的参数，令q＝q+1，转至步骤S8开始下一轮后向EM算法迭代；S10、由步骤S4得到作为第k个数据块前向信道冲激响应估计值作为第k个数据块前向脉冲噪声估计值由步骤S8得到作为第k个数据块后向信道冲激响应估计值作为第k个数据块后向脉冲噪声估计值将和等增益合并得到第k个数据块的信道冲激响应将和等增益合并得到第k个数据块的脉冲噪声

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于变分贝叶斯学习的信道脉冲噪声估计方法