一种基于经验似然方法的多径非高斯噪声信道的估计方法

摘要

本发明提出了一种多径非高斯噪声信道的信道估计算法，设计了一种联合训练序列数据和观测数据的经验似然估计方法。首先，在信号接收端得到通过非高斯多径信道的观测数据，结合训练序列数据生成辅助变量；其次，依据Owen提出的经验似然理论，把估计问题转为非参数问题，即利用辅助变量生成一定限制条件下的非参数经验似然变量，采用拉格朗日法求解似然变量；最后，通过牛顿迭代算法获得不同信道估计值对应的经验似然值，取最大经验似然值对应的信道估计值即可。以混合加性高斯白噪声和脉冲噪声为例的多径信道估计的MSE和BER效果均很好。

主权项

一种多径信道估计方法；其特征在于：多径信道模型是采用时域的基带模型，所述多径信道模型建模为自回归模型并满足下式：$y\left(t\right)=\underset{l=0}{\overset{L-1}{\Sigma }}s(t-l)h(t,l)+n\left(t\right)+e\left(t\right)$其中，y(t)为接收端检测信号，s(t)为发送端发射的训练序列信号，h(t,l)为t采样时刻的第l径的系数，共有L径，n(t)为加性高斯白噪声的样值，e(t)为脉冲噪声的样值，分别满足E[n(t)]＝0,E[e(t)]＝0；通过辅助数据和观测数据生成辅助变量，构造非参数的经验似然变量；采用拉格朗日法对所述经验似然变量进行求解，获得带有未知数的闭式解和未知数所满足的条件；对经验似然变量闭式解中未知数所满足的条件进行初值为零向量的牛顿迭代法，求得未知数；将牛顿迭代法求得的未知数带入经验似然变量，得到不同信道估计值对应的经验似然值，选择最大经验似然值所对应的信道估计值作为信道估计结果。