基于混合范数约束的非均匀稀疏水声信道估计方法*

水声信道具有明显的簇状稀疏特性,即稀疏的信道冲激响应大部分为零或接近零的小值系数,而非零值系数是以簇的形式非均匀分布于时延域。为此本文提出了一种基于非均匀混合范数约束仿射投影算法的水声信道估计方法。该方法首先根据信道簇状结构对其进行非均匀分组,基于此将范数约束规则加入仿射投影算法中,具体方法为：对簇状部分施加范数约束,有效提高系数间的相关性,而簇状结构与其他零值抽头之间利用范数约束实现了整体的稀疏特性。数值仿真以及深海远程水声通信实验数据处理结果表明了本文所提出的水声信道估计算法相较现有稀疏信道估计方法能够实现更快的收敛速度以及更高精度的信道估计结果。     

水声多输入多输出信道的分布式压缩感知估计

多输入多输出技术通过采用多个阵元进行多发多收空间复用信道可在极其有限的通信带宽下实现高速水声通信,但由于同时存在通道间干扰和多径干扰,水声MIMO信道估计变得困难。提出利用MIMO水声信道多径稀疏结构存在的相关性,在经典联合稀疏模型的基础上对MIMO观测矩阵进行重组,从而建立基于分布式压缩感知的单载波水声MIMO通信信道联合稀疏模型;同时,针对信道响应中具有相同多径位置的稀疏部分和特有稀疏部分设计区分性正交匹配追踪算法进行联合重构,进一步抑制通道间干扰的影响。最后通过仿真和海上实验进行本方法有效性的验证,实现16 kbps的MIMO水声通信。通过算法推导、仿真和实验可得到结论:利用MIMO水声信道多径相关性进行分布式压缩感知估计可提高估计性能。     

水声多输入多输出信道的分布式压缩感知估计

多输入多输出技术通过采用多个阵元进行多发多收空间复用信道可在极其有限的通信带宽下实现高速水声通信,但由于同时存在通道间干扰和多径干扰,水声MIMO信道估计变得困难。提出利用MIMO水声信道多径稀疏结构存在的相关性,在经典联合稀疏模型的基础上对MIMO观测矩阵进行重组,从而建立基于分布式压缩感知的单载波水声MIMO通信信道联合稀疏模型;同时,针对信道响应中具有相同多径位置的稀疏部分和特有稀疏部分设计区分性正交匹配追踪算法进行联合重构,进一步抑制通道间干扰的影响。最后通过仿真和海上实验进行本方法有效性的验证,实现16 kbps的MIMO水声通信。通过算法推导、仿真和实验可得到结论:利用MIMO水声信道多径相关性进行分布式压缩感知估计可提高估计性能。      

深海远程正交频分复用水声通信块间迭代稀疏信道估计方法

在深海远程正交频分复用(OFDM)水声通信中,信道时延长、频率选择性衰落严重,传统的块独立压缩感知稀疏估计需要较高导频插入密度才能保证一定的估计性能,通信频谱利用率较低。提出了一种基于信道稀疏时变建模的块间迭代信道估计方法,利用深海信道在两个相邻OFDM数据块之间的时间相关性建立块间信道稀疏多途结构的时变关系,在此基础上,对传统稀疏信道估计算法中的候选字典矩阵的字典原子进行删减并改进优化方程,实现了对前一数据块所估信道信息的有效利用,显著降低了信道估计所需的导频插入密度。在深海不同接收深度、不同距离条件下开展了海试验证,实验结果表明,与传统稀疏信道估计方法相比,本方法在导频插入密度减半的条件下可达到优于传统方法的估计性能。     

块稀疏水声信道的改进压缩感知估计

压缩感知信道估计可利用信道稀疏特性提高估计性能,但对于具有典型块稀疏分布的水声信道,经典的l₀或l₁范数无法很好地描述块稀疏特性。利用水声信道块稀疏分布规律特性提出一种能够识别块稀疏结构的块稀疏似零范数,并在稀疏恢复信道估计算法中引入块稀疏似零范数约束项,进一步推导了复数域块稀疏似零范数恢复迭代算法,该算法通过对块稀疏似零范数进行梯度下降迭代并将梯度解投影至解空间来获得水声信道的块稀疏似零范数估计。数值仿真和海上水声通信实验结果表明该算法相对经典的稀疏信道估计算法有较明显的性能改善。通过算法推导、仿真和实验可获取结论:利用水声信道的块稀疏特性进行压缩感知重构可有效提高信道估计性能。      

时变水声信道的动态压缩感知估计

水声多径信道具有的稀疏特性已被应用于设计稀疏估计方法提高信道估计性能。然而,水声信道具有的快速时变特性,给传统稀疏信道估计方法带来了很大的困难。考虑到水声信道除了高时变性多径,还存在着相对静止,缓慢变化的直达径或者海底反射径,通过将水声信道建模为由静态和时变稀疏支撑集组成,把时变水声信道估计转化为动态压缩感知问题。结合卡尔曼滤波和压缩感知理论,并采用原始对偶追踪算法求解Dantzig selector模型,从而实现对复数域基于卡尔曼滤波器的压缩感知稀疏求解问题的处理。信道时变条件下的数值仿真及基于信道估计的判决反馈均衡器的海上实验结果表明,该算法相对经典的正交匹配追踪和最小二乘QR分解算法具有较明显的性能改善。从而说明,通过对时变水声信道进行动态压缩感知估计可有效提高估计性能。     

混合稀疏水声信道的动态区分性压缩感知估计

由于水声传播过程中同时存在声信号直达、静态或动态边界反射的现象,水声信道会呈现不同动态特性的多径,形成具有混合稀疏的结构,即多径由静态或相对缓变的平稳多径分量和快速时变的动态多径分量混合组成。对于混合稀疏信道,经典的稀疏信道估计算法未考虑混合稀疏性,将导致算法失配、性能下降;以时变稀疏集为模型,动态压缩感知(DCS)结合卡尔曼滤波(KF-CS)可提高对时变多径分量的估计精度,但KF对静态稀疏分量的估计无法充分挖掘其稀疏性。通过将混合稀疏水声信道建模为由静态和时变支撑集所组成的稀疏集,提出一种动态区分性压缩感知(DDCS)方法。该算法首先结合同步正交匹配追踪(SOMP)和正交匹配追踪(OMP)将混合稀疏多径进行区分,分解为静态分量和时变分量;然后,分别用KF-CS和同步正交匹配追踪算法估计时变和静态多径的幅度;最后,将静态分量和时变分量的估计结果整合以得到整个水声信道的冲激响应。通过海试实验把所提DDCS算法与经典信道估计算法、压缩感知算法和DCS算法进行了比较,验证了所提算法的有效性。结果表明,对混合稀疏水声信道进行区分性稀疏估计可改善信道估计性能,进而可通过信道估计均衡器提升水声通信质量。      

多频带水声信道的时频联合稀疏估计

多频带水声信道多径结构在相邻数据块和不同子频带存在相关性,从分布式压缩感知的角度可对这种时频联合稀疏特性进行利用。但是,在传统联合稀疏模型下水声信道间存在的不同多径时延部分形成差异支撑集,由此引入的干扰导致估计性能下降,提出利用多路径选择机制进行差异支撑集检测;同时,进一步结合频域子频带信道间、时域相邻数据块信道间存在的相关性进行频带-时间域联合稀疏估计.利用数值仿真及海试实验结果进行了性能验证和比较,表明利用时频联合稀疏估计构造的水声通信接收机改善了匹配性能,可获得较为明显的输出信噪比、误比特率等通信性能提升.从而说明:利用多频带水声信道在时域、频域存在的联合相关性可有效提高信道估计性能。      

水声正交频分多址上行通信稀疏信道估计与导频优化

针对水声正交频分多址(OFDMA)上行通信中用户导频数量少、分布不均匀, 导致传统内插信道估计方法产生误码平层的问题, 提出一种稀疏信道估计与导频优化方法. 基于压缩感知(CS)理论估计稀疏信道冲激响应, 并依据CS理论中测量矩阵互相关最小化原理, 提出基于随机搜索的导频图案和导频功率联合优化算法. 仿真结果表明, 所提方法在不同多径扩展信道下的性能均优于基于线性内插的最小二乘估计、未经导频优化的CS信道估计以及单纯基于导频图案优化的CS信道估计. 水池实验分别验证了交织式和广义式子载波分配的水声OFDMA上行通信性能, 在接收信噪比高于10 dB时利用所提方法实现了两用户接入的可靠通信.     

双扩展水声信道的时延多普勒域稀疏估计

利用双扩展水声信道在时延-多普勒域存在的稀疏结构,将信道估计转化为压缩感知框架下的稀疏恢复问题可改善估计性能。但是,稀疏恢复经典方法如l_1范数、近似l₀范数无法适应水声信道时延-多普勒域稀疏度的动态变化,而匹配追踪(Matching pursuit,MP)、正交匹配追踪(Orthogonal Matching Pursuit,OMP)等贪婪类算法则存在着易进入局部最优解、二维搜索导致运算复杂度高等问题。提出在时延-多普勒域稀疏恢复的目标函数中引入非均匀范数约束(Non-uniform Norm Constraint,NNC),即在时延-多普勒域信道响应中根据每个时延-多普勒域位置的幅值分别分配为l₀或l₁范数约束,因而可通过不同范数约束组合的方式适应不同的时延-多普勒域稀疏度;同时,通过对非均匀范数代价函数进行梯度下降迭代求解并将梯度解投影至解空间推导了非均匀范数稀疏恢复的迭代求解方法,从而实现双扩展水声信道时延-多普勒估计。数值仿真和实验数据处理表明该算法相对经典方法有较明显的性能改善。通过仿真、海上水声通信实验结果可获取结论,利用时延-多普勒域稀疏特性的信道估计方法结合均衡器可有效提高双扩展信道条件下的水声通信性能。      

Exploiting joint sparsity for underwater acoustic MIMO communications

MIMO communication has been recognized as a potential solution for high speed underwater acoustic communication, which unfortunately encounters significant difficulties posed by simultaneous presence of multipath and Co-channel interference (CoI). Sparsity contained in the multipath structure of underwater acoustic channels offers an effective way for improving channel estimation quality and thus enhancing the communication performance in the form of time reversal or channel estimation based equalization. However, for MIMO channels with extensive multipath and CoI, the performance gain achieved by classic sparsity exploitation channel estimation methods such as orthogonal matching pursuit (OMP) is still not enough to yield satisfactory performance. Under quasi-stationary assumption, underwater acoustic channels of adjacent data blocks exhibit correlated multipath structure, namely, multipath arrivals with similar time delay but different magnitude, which has not been exploited. In this paper, a joint sparse recovery approach is proposed to exploit the sparse correlation among adjacent data blocks to improve the performance of channel estimation. Under the framework of distributed compressed sensing (DCS), a joint sparse model which treats the multipath arrivals as sparse solutions with common time support is adopted to derive a joint sparse recovery algorithm for efficient channel estimation, the results of which are used to initialize and periodly update a channel estimation based time reversal receiver. Finally, underwater MIMO communication experimental results obtained in a shallow water channel are provided to demonstrate the effectiveness of the proposed method, compared to the same type of receiver that do not exploit the joint sparse.     

基于双边信息的分布式视频压缩感知模型研究

针对传统视频编码技术计算量大和复杂度高的缺点,提出一种基于双边信息的分布式视频压缩感知算法。该算法将压缩感知技术与分布式视频编码技术相结合,把视频序列分为Key帧和CS帧,Key帧运用传统的帧内编码和解码,CS帧编码端运用压缩感知编码,解码端运用视频块内与视频块间的双边信息和梯度投影算法进行优化重构。通过双边信息的运动估计和压缩编码器的设计,实现基于双边信息的分布式视频压缩感知模型的构建。仿真结果表明该模型既可以实现高效编码,又可以实现复杂度由编码端向解码端转移,在较低的采样率下,提高视频的压缩能力和传输速度。     

多波束分集深海远程正交频分复用水声通信

针对深海远程信道传播衰减大、多途扩展严重的问题,提出一种单输入多输出（SIMO）模型下的水声正交频分复用（OFDM）多波束空间分集均衡方法。建立了深海远程信道下SIMO-OFDM接收信号模型,对宽带波束形成处理后的多个到达角度的波束输出进行独立的多普勒补偿和稀疏信道估计,最后基于最大比合并实现多波束均衡。相对于远程通信中常用的单波束处理方法,所提方法可获得额外的不同到达角度的多径分集增益;且基于阵列波束形成处理可明显提升各个波束输出信噪比,避免了单阵元信噪比过低导致的信道估计误差增大的问题。所提方法的计算复杂度大于单波束均衡,但低于多阵元最大比合并均衡。基于BELLHOP的数值仿真和中国南海实验结果表明,所提方法的误码率性能明显优于单波束均衡和最大比合并均衡,且在100 km的距离上实现了通信速率199 bps的无误码通信。      

改进的多输人多输出正交频分复用水声通信判决反馈信道估计算法

针对最小均方误差准则下(Minimum Mean Square Error,MMSE)判决反馈信道估计算法在多输入多输出正交频分复用(Multiple-input Multiple-output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)低信噪比水声通信环境下存在误码遗传缺陷,提出了一种基于压缩感知理论的改进的MMSE判决反馈信道估计算法。通过结合浅海水声信道的稀疏性特点,利用编码校验后的信息与原始信息实现了对信道估计的判决反馈更新,采用匹配追踪算法改进MMSE判决反馈追踪信道估计技术,实现了抑制传统判决反馈信道估计算法在迭代更新及传递过程中存在的误码遗传的目的。仿真和水池实验结果证实:改进的MMSE判决反馈追踪信道估计算法不仅可以有效的抑制误码遗传,对抗突发噪声,跟踪信道的缓慢时变,同时大幅降低了导频占用率,提高了通信质量。      

深海不完整声道下反转点会聚区研究

近期南海远程声传播实验数据的处理分析表明在深海不完整声道中声道轴以下存在一种会聚区,该会聚区相比于海面附近的上反转点会聚区在远距离处具有更高的会聚增益.本文利用射线简正波理论确定了水中反转型焦散线和海面反射型焦散线位置,对比发现实验中观测到的深海大深度会聚区位置与水中反转型焦散线位置一致,证明该会聚区是由大量简正波同相叠加形成的下反转点会聚区,其在深海声道轴以下的一定深度范围内都具有会聚效应,研究了该会聚区的形成条件以及声源深度变化对会聚区焦散结构的影响,对比了远距离处上下反转点会聚区的传播损失以及会聚区宽度,分析表明第七个下反转点会聚区的会聚增益仍不小于10 dB,研究了声速垂直结构变化对下反转点会聚区的影响,理论分析结果与实验数据吻合较好.     

Deep learning assisted time-varying channel estimation in multi-user mmWave hybrid MIMO systems

Hybrid analog/digital multiple input multiple output (MIMO) system is proposed to mitigate the challenges of millimeter wave (mmWave) communication. This architecture enables utilizing the large array gain with reasonable power consumption. However, new methods are required for the channel estimation problem of hybrid architecture-based systems due to the fewer number of radio frequency (RF) chains than antenna elements. Leveraging the sparse nature of the mmWave channels, compressed sensing (CS)-based channel estimation methods are proposed. Recently, machine learning (ML)-aided methods have been investigated to improve the channel estimation performance. Additionally, the Doppler effect should be considered for the high mobility scenarios, and we deal with the time-varying channel model. Therefore, in this article, we consider the scenario of time-varying channels for a multi-user mmWave hybrid MIMO system. By proposing a Deep Neural Network (DNN) and defining the inputs and outputs, we introduce a novel algorithm called Deep Learning Assisted Angle Estimation (DLA-AE) for improving the estimation of the Angles of Departure/Arrival (AoDs/AoAs) of the channel paths. In addition, we suggest Linear Phase Interpolation (LPI) to acquire the path gains for the data transmission instants. Simulation results show that utilizing the proposed DLA-AE and LPI methods enhance the time-varying channel estimation accuracy with low computational complexity.     

Learning to short-time Fourier transform in spectrum sensing

The future wireless communication will come up with a strict requirement on high spectral efficiency, developing novel algorithms for spectrum sensing with deep sensing capability will be more challenging. However, traditional expert feature-based spectrum sensing algorithms are lack of sufficient capability of self-learning and adaptability to unknown environments and complex cognitive tasks. To address this problem, we propose to build up a deep learning network to learn short time-frequency transformation (STFT), a basic entity of traditional spectrum sensing algorithms. Spectrum sensing based on the learning to STFT network is supposed to automatically extract features for communication signals and makes decisions for complex cognitive tasks meanwhile. The feasibility and performances of the designed learning network are verified by classifying signal modulation types in deep spectrum sensing applications.