厦门噪音检测上门 CMA机构出具法律效力报告

脉冲噪声(IN)广泛存在于许多通信系统中，严重影响了OFDM通信系统的性能。设计了一种基于所有子载波的联合信道和IN估计方法。该方法使用稀疏贝叶斯学习（SBL）算法并结合前向-后向卡尔曼滤波器（FB-Kalman）来解决 OFDM 系统的联合信道和 IN 估计以及数据检测问题。

首先，将信道脉冲响应和IN视为未知稀疏向量，并提出使用所有子载波的SBL框架来估计未知向量。基于变量先验分布，采用SBL理论，建立前向后向联合系统，同时进行数据检测。我们还提出了使用期望最大化更新的 FB-Kalman 实现算法。后验分布的均值和协方差矩阵的显式表达式在 E 步骤中导出。仿真结果表明，该算法提高了智能网通信环境下OFDM系统的归一化均方误差和误码率性能。