一种基于粒子滤波器的全双工系统自干扰消除方法
阅读说明：本技术 一种基于粒子滤波器的全双工系统自干扰消除方法 (Particle filter-based self-interference elimination method for full-duplex system ) 是由 管鹏鑫 汪奕汝 毕乘乾 赵玉萍 于 2021-07-13 设计创作，主要内容包括：本发明公开了一种基于粒子滤波器的全双工系统自干扰消除方法。本方法为：1)将全双工系统工作在半双工阶段,进行自干扰信道估计,得到自干扰信道估计值2)将全双工系统工作在全双工阶段并采用粒子滤波器跟踪估计n时刻的相位噪声估计值3)基于自干扰信道估计值以及相位噪声估计值消除自干扰信号。本发明采用粒子滤波器跟踪估计相位噪声的变化,从而能够更精准的重建出每个时刻的自干扰信号,与传统方案相比具有较高的自干扰消除性能增益,为全双工技术的进一步应用奠定基础。(The invention discloses a particle filter-based self-interference elimination method for a full-duplex system. The method comprises the following steps: 1) working the full-duplex system in a half-duplex stage, performing self-interference channel estimation to obtain a self-interference channel estimation value 2) Operating the full-duplex system in a full-duplex stage and tracking and estimating a phase noise estimation value at n time by adopting a particle filter 3) Channel estimation value based on self-interference And phase noise estimate And eliminating the self-interference signal. The invention adopts the particle filter to track and estimate the change of the phase noise, thereby being capable of reconstructing the self-interference signal at each moment more accurately.)
技术领域
本发明涉及通信领域，具体为一种基于粒子滤波器的全双工通信系统自干扰消除方法。
背景技术
目前，为了缓解频谱资源短缺和带宽需求日益增高的矛盾，学者研究全双工技术(Full Duplex，FD)。全双工技术理论上可以实现双倍的频谱效率，并且能够解决隐藏终端问题，提高中继通信效率以及增强通信安全性。然而，由于发射和接收工作在相同时间以及相同频率，本地接收机会接收到本地发射的信号副本，即自干扰信号(Self-Interference，SI)。强烈的自干扰信号会淹没远端有用信号，从而使得有用信号无法解调。
目前存在着大量的自干扰消除机制，分别为传播域消除，模拟域消除和数字域消除。然而，随着对自干扰消除算法的深入研究，学者发现相位噪声会使得系统的消除能力降低，成为全双工技术应用的限制因素之一。传统方法采用最小二乘算法完成自干扰信道估计，从而基于估计结果与已知的发射信号重建自干扰信号并进行消除，然而并未消除相位噪声的影响。由于相位噪声是时变的，因此如果能够估计并跟踪相位噪声的变化，就能更精准的消除自干扰信号，提高系统性能。
粒子滤波器是一种使用蒙特卡洛方法的递归滤波器，使用一组具有权重的随机样本表示随机事件的后验概率。M.Sanjeev Arulampalam等人较完备地提出SIR(SamplingImportance Resampling)粒子滤波器的算法，是众多粒子滤波器算法中最原始且使用最为广泛的一种，主要解决图像处理领域的若干问题。
发明内容
为了克服现有算法对相位噪声考虑不足，从而降低系统的自干扰性能问题，本发明提供一种基于粒子滤波器的全双工系统自干扰消除方法。本发明针对全双工系统存在相位噪声的场景，基于粒子滤波器设计了一套完整的算法，给出了具体的状态转移方程和观测方程；在使用粒子滤波器时为了减少估计误差进行改进，如后续公式19-20；仿真结果表明与传统方案相比，本方案实现了更好的消除性能。
本发明解决其技术问题所采用的技术方案是：首先系统工作在半双工阶段，进行自干扰信道估计。随后，采用粒子滤波器跟踪估计相位噪声的变化，最后基于估计的自干扰信道以及相位噪声完成对自干扰信号的消除。
考虑两个全双工节点，由于两个节点硬件结构具有对称性，本文只选取其中一个节点进行模型建立及算法研究。节点采用分离天线，即发射链路和接收链路采用不同的天线。
设定x(n)为发射信号，经过数模转换(Digital-to-Analog Converter，DAC)模块将离散序列转化为连续信号x(t)，进一步通过振荡器上变频得到射频信号即
其中，θt(t)为发射端相位噪声。随后，射频信号通过自干扰信道hSI(t)到达本地接收端，考虑节点工作在弱反射场景，即信道为单径信道。同时，由于两个节点工作在相同时间相同频率，本地接收天线的接收信号还包括远端传送的有用信号u(t)。t表示模拟信号的t时刻。
模拟消除主要工作在射频域，根据估计的自干扰信道和已知的发射信号重建出SI信号副本，并将其从接收信号中减去，因此我们可以得到模拟消除后的信号为
其中，h为自干扰信道与模拟域消除信道的联合等效信道。w(t)为系统高斯噪声。
经过接收端振荡器下变频之后得到基带信号r(t)，进一步通过ADC模块得到基带数字信号r(n)。
其中，w(n)为高斯白噪声，θt(n)与θr(n)为发射端和接收端相位噪声的离散样点，u(n)为需要解调的有用信号。本文相位噪声采用常用的自由振荡器模型，建模为维纳过程θt(n1)-θt(n2)～N(0，4πf3dB|n1-n2|Ts)，即两点相位差值服从均值为0，方差为4πf3dB|n1-n2|Ts的高斯过程，f3dB为相位噪声对应的3dB带宽，Ts为采样时间间隔。接收端相位噪声θr(n)模型与发射端相位噪声θt(n)相同，为了简化表述，我们定义发射端和接收端相位噪声分布的方差分别为σt和σr。
由此，我们可以给定粒子滤波器相应的状态转移方程为
θ(n)＝θ(n-1)+vn-1#(6)
其中，为了方便描述，我们令θ(n)＝θt(n)+θr(n)代表发射端和接收端的联合相位噪声。由于发射端和接收端的相位噪声相互独立，且服从维纳过程，则公式(6)中的状态转移噪声变量vn-1服从均值为0，方差σ为θt(n)和θr(n)的和，即σ＝σt+σr。
系统的观测方程为
r(n)＝hx(n)ejθ(n)+u(n)+w(n)#(7)
粒子滤波器通过上一时刻的估计结果来完成本时刻的预测。即p(θn-1|r1：n-1)到p(θn|r1：n-1)的预测过程。随后，基于预测结果并结合当前时刻的观测数据r(n)，完成更新过程。即p(θn|r1：n-1)到p(θn|r1：n)的更新过程。
为解决无法从后验概率分布中采样的问题，粒子滤波器引入重要性采样算法。假设从已知分布的q(θ|r)采样，则当前状态的期望值可表示为
其中Wn(θn)表示采样粒子的权重，可表示为
由全概率积分公式可将公式(8)化简并将公式(9)代入可得：
进一步，可以通过蒙特卡洛方法近似解决上述期望问题，即
其中，N代表采样的粒子数目，表示n时刻第i个采样粒子的权重。
进一步地，将公式(9)中的粒子权重归一化，并代入公式(11)可得：
其中粒子归一化权重表示为
公式(13)表示n时刻不同的粒子都有它们相应的权重，如果粒子权重大，说明信任该粒子比较多。本小节推导出相邻两时刻的权重的递归形式。
假设重要性分布只和前一时刻状态θn-1和测量值r(n)有关。则为了权值的计算更加简洁，且不失一般性，令重要性概率函数等于状态转移概率q(θn|θ1：n-1，r1：n)＝p(θn|θn-1)，代入公式(14)得：
由公式(7)可知，观测信号中包含的未知量为等效自干扰信道h、相位噪声θ(n)以及有用信号u(n)。粒子滤波器的目的在于估计相位噪声θ(n)，首先根据状态方程进行粒子采样得到估计值，随后带入观测方程计算出粒子对应的权重，最后根据权重计算出最终的估计结果。因此，在系统进入全双工阶段前，我们必须估计出自干扰信道，此外，为了降低有用信号对粒子权重的影响，我们也可以根据上一时刻估计结果解调出有用信号并将其减去，从而提高估计精度。因此，我们提出了一种新型的全双工系统自干扰消除及符号检测方案。
首先，为了估计自干扰信道，系统工作在半双工阶段，即无有用信号传输，本地节点发射导频信号估计自干扰信道。则接收信号可表示为
r′(n)＝hx′(n)ejθ(n)+w′(n)#(16)
其中，x′(n)为发射信号，w′(n)为高斯噪声，则自干扰信道可由下式估计
其中，N为用于估计信道的样点数目。
自干扰信道估计完成后，系统进入全双工阶段，即系统中存在着有用信号。则接收信号可表示为
r(n)＝hx(n)ejθ(n)+u(n)+w(n)#(18)
在本阶段，我们同时完成自干扰消除和有用符号的解调。我们以第n时刻为例说明算法流程。首先，我们使用n-1时刻相位噪声的估计值、自干扰信道以及已知发射信号x(n)来进行自干扰信号重建，即
接下来消除自干扰信号得到有用信号的估计值为
随后基于粒子滤波器完成n时刻的相位噪声估计：
①假设系统的采样粒子数目为N，则可根据系统状态转移方程θ(n)＝θ(n-1)+vn-1完成概率q(θ|r)的采样，得到n时刻第i个采样粒子的采样值
②计算基于第i个采样粒子的n时刻观测结果
③根据粒子滤波器原理，即公式(15)计算每个粒子n时刻的权重并按照公式(13)进行权重归一化得到
④根据公式(12)计算n时刻相位噪声的估计值
⑤根据n时刻相位噪声的估计值对有用信号再次进行更新，
至此就完成了n时刻的相位噪声估计及有用信号的解调。
本发明的有益效果是采用粒子滤波器跟踪估计相位噪声的变化，从而能够更精准的重建出每个时刻的自干扰信号，与传统方案相比具有较高的自干扰消除性能增益，为全双工技术的进一步应用奠定基础。
附图说明
图1是本发明的全双工自干扰消除架构图。
图2是相位噪声3dB带宽为10Hz时的估计结果图；
(a)相位噪声3dB带宽为10Hz时的真实相位噪声，
(b)相位噪声3dB带宽为10Hz时的估计相位噪声。
图3是相位噪声3dB带宽为100Hz时的估计结果图；
(a)相位噪声3dB带宽为100Hz时的真实相位噪声，
(b)相位噪声3dB带宽为100Hz时的估计相位噪声。
图4是自干扰消除能力与INR的关系曲线。
图5是相位噪声估计均方误差与INR的关系曲线。
图6是自干扰消除能力与3dB带宽的关系曲线。
图7是相位噪声估计均方误差与3dB带宽的关系曲线。
具体实施方式
本实施例提供了一种基于粒子滤波器的全双工系统自干扰消除方案。
图1给出了系统的白干扰消除架构图，并根据发明内容可得到相应的信号。具体的，实例包括两个步骤。
首先完成自干扰信道估计。系统工作在半双工阶段，即无有用信号传输，本地节点发射导频信号估计自干扰信道。则接收信号可表示为
r(n)＝hx(n)ejθ(n)+w(n)
其中，x(n)为发射信号，w(n)为高斯噪声，则自干扰信道可由下式估计
其中，L为用于估计信道的发射信号数目。
随后，系统进入全双工阶段，即系统中存在着有用信号。则接收信号可表示为
r(n)＝hx(n)ejθ(n)+u(n)+w(n)#(18)
在本阶段，我们同时完成自干扰消除和有用符号的解调。我们以第n时刻为例说明算法流程。首先，我们使用n-1时刻相位噪声的估计值自干扰信道以及已知发射信号x(n)来进行自干扰信号重建，即
接下来消除自干扰信号得到有用信号的估计值为
随后基于粒子滤波器完成n时刻的相位噪声估计：
①假设系统的采样粒子数目为N，则可根据系统状态转移方程得到n时刻第i个采样粒子的采样值
②计算基于第i个采样粒子的n时刻观测结果
③根据粒子滤波器原理，即公式(15)计算每个粒子n时刻的权重并按照公式(13)进行权重归一化得到
④根据公式(12)计算n时刻相位噪声的估计值
⑤根据n时刻相位噪声的估计值对有用信号再次进行更新，
至此就完成了n时刻的相位噪声估计及有用信号的解调。
本实例给定仿真条件如下。
INR定义为自干扰信号功率与噪声功率比。采样间隔为Ts＝3.3×10-8s，数据信息采用QPSK调制，有用信号的信噪比(Signal-to-Noise Ratio，SNR)定义为信号与噪声的功率比值。本文中粒子滤波器的粒子数设置为1000。传统方案为估计自干扰信道、重建SI信号并将其从接收信号中消除。
本文评价指标为系统自干扰消除能力G。
其中，EI表示消除前自干扰信号能量，Er表示自干扰消除后残余干扰信号能量，N为噪声能量。G表征着系统消除前后的自干扰能量比值，体现系统的干扰消除能力。
此外，我们还对算法所估计的相位噪声与真实相位噪声的均方误差进行测量。
其中，T为统计的总符号数。MSE值越小表明算法估计的相位噪声与真实的相位噪声误差更小。
图2和图3分别展示了相位噪声3dB带宽为10Hz和100Hz的估计结果。由图可知，3dB带宽为100Hz的相位噪声幅度以及波动明显大于3dB带宽为10Hz的相位噪声，这也表明3dB带宽越大的相位噪声对系统的影响更大。仿真结果表明所提算法估计的相位噪声能够准确的跟踪相位噪声的变化，从而为后续自干扰消除奠定良好基础。
设置f3dB＝15Hz，SNR＝20dB，不同INR下的本方案以及传统方案的自干扰消除能力的仿真结果如图4所示。与传统方案相比，本文所提算法具有更好的消除性能，并且随着INR的增加而增大。这是因为本文所提粒子滤波器能够较好的跟踪相位噪声的变化，从而消除相位噪声的影响。
MSE与INR的关系曲线如图5所示。MSE表征着估计的相位噪声与真实相位噪声的均方误差，MSE越小，表明估计精度更高。MSE随着INR的增大而减小，这是因为INR表征自干扰信号与噪声的能量比值，当INR更高时，假设自干扰能量固定，那么噪声的能量将更小，则噪声对于系统的干扰更小，从而降低了估计误差。
设定INR＝50dB，SNR＝20dB，不同3dB带宽相位噪声下自干扰消除性能仿真结果如图6所示。随着3dB带宽的增加，两种方案的消除能力均下降，但本方案消除性能优于传统方案。
不同3dB带宽相位噪声下MSE性能的仿真结果如图7所示。MSE随着3dB带宽的增加而增大，这是因为3dB带宽越大，相邻时刻相位噪声差值的方差更大，从而变化越快，并且相应相位噪声幅度也会增大，从而导致估计产生的误差也会增大。
本申请提出了一种基于粒子滤波器的全双工系统自干扰消除与符号检测方案。首先描述了系统模型，并给定了粒子滤波器的状态转移方程和观测方程。随后，详细描述了基于粒子滤波器的相位噪声估计和自干扰消除算法。最后，仿真结果表明本文所提方案能够较好的估计相位噪声的变化，从而实现较好的系统消除性能。
尽管为说明目的公开了本发明的具体实施例，其目的在于帮助理解本发明的内容并据以实施，本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种基于最大似然的MPSK信号信噪比估计方法