脈沖噪聲(IN)廣泛存在于許多通信系統中，嚴重影響了OFDM通信系統的性能。設計了一種基于所有子載波的聯合信道和IN估計方法。該方法使用稀疏貝葉斯學習（SBL）算法并結合前向-后向卡爾曼濾波器（FB-Kalman）來解決 OFDM 系統的聯合信道和 IN 估計以及數據檢測問題。

首先，將信道脈沖響應和IN視為未知稀疏向量，并提出使用所有子載波的SBL框架來估計未知向量。基于變量先驗分布，采用SBL理論，建立前向后向聯合系統，同時進行數據檢測。我們還提出了使用期望最大化更新的 FB-Kalman 實現算法。后驗分布的均值和協方差矩陣的顯式表達式在 E 步驟中導出。仿真結果表明，該算法提高了智能網通信環境下OFDM系統的歸一化均方誤差和誤碼率性能。