基于小波去噪算法的最大似然估计器的小波域值去噪方法

摘要

一种基于小波去噪算法的最大似然估计器的小波域值去噪方法，有：在固定导频上插入已知信号；数据经IDFT，并串转换并添加循环前缀后离散成型并送入射频信道；对接收数据匹配滤波并提取接收导频数据；得到导频点的频率响应，进而估计信道时域，频域冲击响应，完成最大似然估计，得到hMLE；对最大似然估计进行小波分解；对每级分解的小波系数进行阀值量化、重构；当小波最大似然估计与传统最大似然估计的差值最大程度的近似服从高斯分布时，得到小波最大似然信道估计；将信道估计值应用于时空解码。本发明无需已知信道的分布函数，估计准确性的提高带来了STBC解码误码率的下降；在实现上无需信道的先验统计信息，易于实现，且不受限于某一信道环境。

主权项

1.一种基于小波去噪算法的最大似然估计器的小波域值去噪方法，其特征在于，包括有如下步骤：第一步：在发送端，频域OFDM符号内的固定载波上插入已知的导频信号；第二步：插入导频后的数据组经过IDFT，并串转换后，添加循环前缀，送成型滤波器离散成型；第三步：发送符号经过发送射频端，信道，和接收射频端，被接收机接受；第四步：接收信号，经过匹配滤波，并串转换，舍去循环前缀，DFT后，提取导频占用载波处的接收导频数据；第五步：由接收导频数据，得到导频点的频率响应，进而估计信道时域冲击响应函数，最后估计所有载波处的信道频率响应，完成最大似然估计，得到hMLE；第六步：对最大似然估计进行小波分解；所述的对最大似然估计进行小波分解时按如下公式进行：cD_j+1＝H_j·cA_jcA_j+1＝L_j·cA_j其中：j为小波分解层数，cD为细节信息，cA为均值信息，H为高通滤波，L为低通滤波；第七步：分别对每级分解的小波系数进行阈值量化，重构，所述的分别对每级分解的小波系数进行阈值量化，重构是：量化函数：量化阈值：其中：为噪声能量，n为小波系数的个数。重构：其中：DWT为离散小波变换，IDWT为离散反小波变换；第八步：当小波最大似然估计与传统最大似然估计的差值最大程度的近似服从高斯分布时，得到小波最大似然信道估计；第九步：将信道估计值应用于时空解码。