多载波水声信道估计技术及其研究进展

简述了水声信道与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统之间的必然联系,概述了基于导频符号的信道估计算法、自适应信道估计算法、子空间信道估计算法以及压缩感知稀疏信道估计方法在水声通信中的应用现状,总结了各种算法的特点,比较了各种算法的优缺点,并指出了未来水声信道估计的发展方向。     

基于gOMP算法的FBMC水声通信信道估计方法

传统基于训练序列及块状导频结构的滤波器组多载波（Filter Bank Multicarrier,FBMC）信道估计方法花费额外的频谱资源,这在频谱资源较为紧张的水声通信环境中具有一定的局限性。针对这一问题并结合水声信道稀疏性的特点,文章提出了一种基于压缩感知的离散导频结构FBMC信道估计方法。首先基于等效导频能量最大化的思想,设计了一种新的离散导频结构来解决FBMC系统信道估计时存在的固有虚部干扰问题;然后配合该结构,提取出导频处的接收信息并利用重构效果优良的压缩感知gOMP算法对水声信道进行重构。该方法在保证水声信道估计精度的同时有效提高了FBMC系统的频谱利用率,改善了水声通信的性能。仿真结果表明,文中所提方法相较于传统方法在估计精度和频谱利用率方面具有一定的优越性。     

OFDM水声通信系统的LS-OMP信道估计

对于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信系统,最小二乘(Least Squares,LS)信道估计方法受噪声影响较大,并且使用的导频数量较多,影响通信效率。而基于压缩感知理论的正交匹配追踪(Orthogonal Matching Pursuit,OMP)信道估计方法可以充分利用水声信道的稀疏特性,同时能够有效地抑制系统噪声,但控制迭代运算次数的相关参数(稀疏度或误差容忍值)是OMP算法的关键条件。针对上述问题,提出了利用少量导频随机分布的LS和OMP联合的信道估计方法,该方法首先利用少量导频采用LS方法估计出OMP算法的误差容忍值,再利用OMP算法恢复数据子载波的信道信息。理论分析和仿真结果同时表明,与传统的LS算法或OMP算法相比,新算法能够在数据恢复的同时有效抑制系统噪声,应用稀疏特性及较少量的导频,进一步提高了系统的频谱效率,对时变稀疏水声信道具有更好的适应性。     

OFDM水声通信系统动态OMP信道跟踪算法

针对正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)水声通信系统中最小二乘(Least Square,LS)信道估计算法和静态压缩感知信道估计算法分别存在估计精度低、导频开销大和计算复杂度高、实时性差的缺点,利用水声信道冲激响应的时域相关性,通过建立动态稀疏观测模型,提出一种动态正交匹配追踪(Dynamic Orthogonal MatchingPursuit,D-OMP)信道跟踪算法。该算法仅在初始时刻进行一次完整的正交匹配追踪(OrthogonalMatching Pursuit, OMP)信道估计获取信道支撑集,之后通过连续跟踪前一时刻信道支撑集的变化来跟踪信道。仿真结果表明,在导频开销相同的情况下,与传统LS算法、经典OMP算法相比,所提算法具有更好的信道跟踪性能和较低的算法复杂度。     

基于压缩感知的多中继协作通信系统稀疏信道估计算法研究

提出了一种基于压缩感知理论的多中继协作通信系统稀疏信道估计方法.采用正交匹配追踪（Orthogonal Matching Pursuit,OMP）压缩感知算法,对时域信道脉冲响应进行估计.对多中继协作通信系统进行稀疏建模;结合压缩感知理论构建观测矩阵,并给出卷积信道的稀疏表示;利用压缩信道感知算法重建了系统的卷积复合信道.仿真结果表明,与传统的最小二乘法（Least Square,LS）相比,采用压缩感知理论的信道估计算法,能利用较少的导频信号获得很好的信道估计性能,提高了频谱利用率.     

单载波频域判决反馈均衡水声通信技术研究

水声信道中多途干扰严重,由多途效应引起的码间干扰是影响水声通信系统的关键性因素。单载波频域均衡(Single-Carrier Frequency Domain Equalization,SC-FDE)技术基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术提出,能有效对抗水声信道中的多途干扰,同时能避免OFDM技术峰值平均功率比高的不足。文中先介绍判决反馈均衡算法,并与其他均衡算法的抗多途性能进行比较。然后为提高系统均衡的可靠性和水声信道带宽利用率,对传统数据帧结构进行改进。将独特字(Unique Words,UW)序列均分,提高水声信道估计的精度,进而降低误码率,增加传输的可靠性;增加数据帧中有用信息符号,系统误码性能几乎不变,水声信道频带有效利用率提高。最后开展水池试验,验证了算法的有效性和可靠性。     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。     

基于最大相关熵准则的水下生物脉冲噪声消除方法

近海生物噪声表现为脉冲噪声,这一类噪声显著降低了水声通信系统的性能。结合水声信道的稀疏特性,提出一种基于最大相关熵准则的级联滤波器算法,该算法实现了脉冲噪声的消除及稀疏信道估计。第一级自适应滤波器完成对噪声的消除工作,第二级滤波器对去噪后的信号进行稀疏信道估计。该方法的优势在于无需知道信号和噪声的相关信息。仿真结果表明,提出的方法比单一的滤波器结构和传统信道估计算法性能更加优越。     

基于有效抽头和进化规划算法的自适应水声信道估计

为了实现稀疏水声信道的快速高效估计,提出一种新的基于有效抽头的信道参数模型降低运算复杂性,并采用进化算法以最小二乘误差为适应度函数对信道响应中有效抽头的阶数、位置和权重同时进行进化操作寻优,避免了有色输入造成的相邻抽头耦合导致的性能下降。仿真实验结果表明:与传统LMS算法及基于有效抽头检测的稀疏信道估计方法相比,该算法在有色输入信号下具有更优越的估计性能和收敛速度,为稀疏水声信道处理提供了一类新方法。     

一种信道估计动态更新的逐幸存路径处理算法

水声信道复杂的时变特性会影响水声通信系统的性能,在设计时需要进行特殊考虑。利用逐幸存路径处理算法在无需插入训练序列的情况下即可同时进行信道估计和数据检测的特点,提出了一种信道估计动态更新的算法。该算法通过比较当前时刻各条幸存路径的分支量度来判断信道变化的情况,从而决定信道估计更新的时刻,达到动态更新信道估计的目的。仿真结果表明,所提出的基于信道估计动态更新的逐幸存路径处理算法能有效地跟踪信道变化的情况,在时变信道中使用能获得较好的性能。     

水声通信多通道最大似然联合均衡译码方法

水平阵是水声通信中常见的阵列接收形式,但垂直阵也有重要的应用场合。文章提出了一种适用于垂直阵的水声通信多通道最大似然联合均衡译码方法,相比现有仅在信道均衡中叠加各通道信号的多通道判决反馈均衡方法(Multichannel Decision Feedback Equalizer, M-DFE),该方法利用最大似然准则,在一体化联合均衡译码过程中融合空间多通道接收信息,将空间增益直接用于抵抗水声信道多途衰落和译码纠错,有效提升了水声通信的性能。仿真结果表明,在误码率同样达到10^-3的条件下,该方法所需信噪比相比M-DFE方法可下降2 dB。海上实验结果显示,在多种信道条件下,该方法实现正确译码的通信速率是M-DFE方法的1.25倍以上。     

瑞利分布时变水声信道仿真与实验

提出了一种使用Jakes仿真模型对时变水声信道进行模拟的方法。该模型是在研究水声信道衰落特性的基础上,基于信道包络服从瑞利分布而提出的。利用瑞利信道的多径延迟向量和功率向量,根据多普勒频率扩展对信道的时变性进行仿真,计算量较小。使用试验数据中提取的参数对声信道进行了仿真,并与海试实测信道进行了对比分析,通信误码率、星座图和信道的频率响应都比较相近,证明该模型是对随机时变衰落的多径水声信道进行仿真的一种简单有效的方法。     

水声通信中的信道估计与机器学习交叉研究进展

近年来,以深度学习为代表的机器学习技术飞速发展,凭借其出色的学习能力,在复杂环境条件下的建模问题中展现出了独特的优势。当前,基于机器学习的水声通信技术研究方兴未艾,在信道估计及均衡、典型通信系统应用等方面取得了一定的进展,但是针对实际水声环境约束条件下的研究较少。为此,文章围绕信道估计这一水声通信关键技术,针对水声信道估计中存在的样本不足,标签标定困难以及水声环境时空变导致的源域、目标域失配等问题,讨论了水声信道估计与数据增强、无标签学习、少样本学习等模型和方法交叉研究的发展思路,并给出了初步的仿真和试验结果。文章是对水声通信中的信道估计与机器学习交叉领域研究重难点问题的初步探索,为水下各类平台自主智能化的通信技术发展提供了参考。     

一种浅海水声信道分数间隔自适应均衡算法研究

水声信道是最为复杂的数据通信环境之一,而具有重要军用和商用价值的浅海水声信道,其多径与频散效应更为严重。在浅海水声数字通信中,普遍存在着码间干扰和码内干扰效应,严重影响了水下通信的速度和质量。在判决反馈结构的基础上,采用分数的方法,提出了一种适用于浅海水声信道的自适应均衡算法,并通过计算机仿真实验与整数方法进行了性能对比。传输信号采用正交相移键控调制方式,以有效利用有限通信带宽。仿真结果表明,该算法获得了较快的收敛速度和较小的稳态误差,提高了水声通信的有效性及可靠性,因而具有良好的工程应用价值。     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。     

Performance evaluation of decision feedback equalization for theLorentzian channel

Recently, equalization and detection techniques have been applied to the magnetic recording channel. For medium to high normalized recording densities (S⩾2), decision feedback equalization (DFE) represents the only performant equalization method. Despite many proposed schemes, no specific analytical performance has been evaluated yet when applying DFE to the recording channel. In this paper, we derive both the zero forcing (ZF) and the mean square error (MSE) performance measures for DFE to the Lorentzian channel. Simple expressions have been found and allow us to determine from which recording density the MMSE-DFE significantly outperforms the ZF-DFE. These expressions have also revealed to be useful to evaluate the loss induced when combining coding and DFE for the Lorentzian channel     

极化码在OFDM水声通信中的应用研究

极化码(Polar code)因其高可靠性、实用的线性编、译码复杂度和理论上唯一可达香农极限等特点,成为信道编码领域新的研究热点.其编、译码方法的研究扩展至多种信道类型和应用领域,但在水声信道中的理论证明和应用研究相对较少且滞后.针对具有显著多途、多普勒扩散和有限带宽等复杂特性的水声信道,文章提出了与之相匹配的极化码信...     

水声DS-CDMA通信中多相位假设码片速率自适应判决反馈均衡算法研究

研究了直接序列扩频码分复用(DS-CDMA)通信中基于多相位假设的码片速率自适应判决反馈均衡算法.水声信道的衰落和多普勒频移会严重影响扩频信号的相关特性,需要在做解扩频之前进行多普勒频移补偿和信道自适应均衡.将空间分集-多普勒频移补偿-自最佳自适应判决反馈均衡算法应用到DS-CDMA通信中,提出一种基于多相位假设的码片速率自适应判决反馈均衡算法,并用实际的千岛湖实验数据和仿真数据对算法性能进行了分析.结果表明算法以增加计算复杂性为代价显著提高了DS-CDMA通信性能,在复杂快变的多途和多普勒频移条件下可以保证低的误符号率,在低信噪比条件下能够稳定工作,总体性能良好.     

稀疏多径信道自适应均衡算法研究

针对传统自适应均衡算法在稀疏多径信道中性能较差的问题,提出了一种基于l₂-范数的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,以解决迭代参数的设置及收敛速度慢的问题。该算法将l₂-范数和压缩感知相结合,不仅提高了权值的精度,而且降低了计算复杂度。仿真结果表明,该算法计算量小,训练序列少,具有较好的性能,对提高系统的通信性能具有参考价值。