本创新发明提出了一种结合知识与数据的地空通信系统干扰抑制技术,属于无线通信技术领域。该技术包括:1. 构建机场干扰场景下的接收信号最小均方误差优化问题;2. 构建3DConvTransformer模型,预测干扰加噪声IPN协方差矩阵,并据此获得子载波的观测IPN协方差矩阵;3. 基于观测IPN协方差矩阵,构建K3D HBF抗干扰混合波束赋形模型;4. 利用该模型获得干扰抑制矩阵,提高预测精度,降低均方误差,减少干扰抑制的复杂度。
背景技术
由于地空无线通信的广播特性容易受到各种形式的干扰,例如L波段数字航空通信系统(L-band Digital Aeronautical Communications System, LDACS)嵌入在960MHz-1164 MHz频段距离测量设备(Distance Measurement Equipment, DME)系统之间,造成同信道干扰。由于随机DME脉冲的带外辐射,在典型的航路场景下,LDACS接收机的信号干扰功率比可达-3.8 dB。这种干扰会导致LDACS传输的频谱效率和可靠性显著降低。目前,多输入多输出(Multiple-Input Multiple-Output, MIMO)技术利用定向波束,自适应保护通信系统免受干扰,但在快速变化的机场场面通信信道条件下,MIMO抗干扰处理仍然是一个具有挑战性的问题:首先,需要将干扰信号投影到无信号空间,避免与期望信号混合,产生无法承受的导频开销且降低通信效率。其次,波束赋形矩阵应随着相干时间决定的信道变化而更新,这就要求在相对较低的计算复杂度下实现抗干扰波束赋形技术。因此,设计高时效性的MIMO抗干扰方案以提高快速信道变化环境下的传输可靠性至关重要。
目前,MIMO抗干扰技术主要包括干扰估计和干扰抑制两方面。对于干扰估计算法,现有的方法是将接收到的样本信号的某个特定子集部署在时域、频域或空域对干扰特性(如协方差矩阵)的估计,这将导致大的导频开销和计算复杂度。在干扰估计的基础上,可利用MIMO混合波束赋形(Hybrid Beamforming, HBF)技术进行干扰抑制,以同时滤除干扰并增强所需的信号强度。然而,现有的大多数基于迭代优化的抗干扰HBF设计都存在计算复杂度高的问题,基于深度学习的抗干扰HBF设计存在可解释性差和收敛速度慢的问题。因此,不适合快速变化的信道。尽管知识数据双驱动(Knowledge Data Dual Driven, K3D)网络被应用在MIMO波束赋形技术中,通过将通信领域知识与深度学习相结合,减少对计算资源和训练时间的需求。但目前缺乏对存在干扰的知识数据双驱动的抗干扰(抗干扰混合波束赋形模型K3D HBF)方法的研究。
实现思路