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。      

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。      

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。     

用于单载波频域均衡水声通信的可分近似稀疏信道估计

针对单载波频域均衡水声通信中信道估计易受噪声干扰的问题,提出了一种低复杂度的信道估计方法。考虑水声信道的时域稀疏特性,导出频域输入、输出信号与信道冲激响应的关系式,并引入稀疏正则项,构造稀疏信道估计的目标函数。然后利用可分近似对目标函数进行迭代优化,再经过稀疏化与去偏处理,得到信道传递函数的最终估计。最后,利用数值仿真和海试数据对所提出方法的性能和运算效率进行评估。较之传统信道估计方法,所提出的方法在估计精度和计算复杂度方面具有一定的优势。      

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。     

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。      

改进的信道稀疏度检测正交多载波多普勒估计方法

针对正交频分复用水声移动通信中频域变采样技术联合信道稀疏度检测的多普勒估计算法在冰水混合区复杂信道环境下多普勒估计效果欠佳且计算量大的问题,提出了一种改进的多普勒估计算法。采用时域重采样技术对信号进行不同压缩因子的补偿,避免了频域变采样技术中的高阶快速傅里叶变换运算,从而降低了算法复杂度。利用梳状导频位置向量结合时域变采样技术更准确提取的导频子载波,进而获得更加精确的信道估计和信道稀疏度检测结果,提高了多普勒估计精度。仿真结果和冰下试验结果表明,与原始算法相比,改进的方法在冰水混合水域复杂多径时变信道环境下可以有效实现对信号多普勒畸变的跟踪并且计算量显著下降,能够保障正交频分复用水声移动实时通信。      

基于水声信道传播时延排序的分层空时信号检测

基于分层空时编码的多输入多输出技术是一种极具潜力的高速水声通信技术, 但要实现这种潜力需要复杂的空时信号处理方法, 以抵消来自水声信道的多径干扰和异步到达干扰, 以及叠加在接收端的各层信号之间的干扰. 对低复杂度的空时信号处理方案进行了研究, 提出了一种基于子信道传播时延排序的有序连续干扰抵消信号检测算法, 利用子信道间的传播时延差, 实现可使差错概率最小的最佳检测排序; 给出了利用信道估计, 以极低的计算量确定排序的方法, 从而可以大幅降低信号检测的计算复杂度. 采用低复杂度的单载波频域均衡来抵消水声信道中的码间干扰和异步到达干扰. 仿真结果表明, 基于时延排序的信号处理算法可以获得检测性能的改善, 而且性能增益在高数据率时更加显著. 研究结果表明, 采用有效的信号处理方法可使水声信道中造成信号检测干扰的传播时延成为改善系统性能的有利因素.     

深海远程正交频分复用水声通信簇约束的分布式 压缩感知信道估计*

在深海远程正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,本文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。     

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.     

分布式压缩感知麦克风阵列多声源方位估计*

麦克风阵列已被广泛应用于音/视频会议等人机交互领域中时,多声源应用场景对声源方位估计性能提出了更高的要求。压缩感知(CS)声源定位算法将声源定位问题转化为信号的稀疏重构问题,相比传统的定位算法如相位变换加权（SRP-PHAT）和时延累加定位（DS）能够获得较高的定位性能,但多声源的存在一定程度上降低了稀疏程度,影响了CS重构性能。考虑到传统的CS定位算法并未利用多个连续语音帧之间声源空间向量的共同稀疏性,提出采用分布式压缩感知（DCS）理论以改善多声源的稀疏恢复估计的性能。仿真和实验结果表明,相比于传统定位算法和CS-OMP算法,DCS-SOMP算法在不同信噪比和不同声源强度的环境中,对多声源的方位估计都具有更好的定位性能和定位稳健性。     

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。      

Time reversal acoustic communication for multiband transmission

In this letter, multiband acoustic communication is proposed to access a relatively wide frequency band. The entire frequency band is divided into multiple separated sub-bands, each of which is several kilohertz in width. Time reversal decision feedback equalizers are used to compensate for inter-symbol interference at each sub-band. The communication scheme was demonstrated in a shallow water acoustic experiment conducted in Kauai, Hawaii during the summer of 2011. Using quadrature phase-shift keying signaling at four sub-bands over the frequency band of 10-32 kHz, a data rate of 32 k bits/s was achieved over a 3 km communication range.     

Direction-of-arrival estimation for co-located multiple-input multiple-output radar using structural sparsity Bayesian learning

This paper addresses the direction of arrival(DOA) estimation problem for the co-located multiple-input multipleoutput(MIMO) radar with random arrays. The spatially distributed sparsity of the targets in the background makes compressive sensing(CS) desirable for DOA estimation. A spatial CS framework is presented, which links the DOA estimation problem to support recovery from a known over-complete dictionary. A modified statistical model is developed to accurately represent the intra-block correlation of the received signal. A structural sparsity Bayesian learning algorithm is proposed for the sparse recovery problem. The proposed algorithm, which exploits intra-signal correlation, is capable being applied to limited data support and low signal-to-noise ratio(SNR) scene. Furthermore, the proposed algorithm has less computation load compared to the classical Bayesian algorithm. Simulation results show that the proposed algorithm has a more accurate DOA estimation than the traditional multiple signal classification(MUSIC) algorithm and other CS recovery algorithms.     

基于基追踪去噪的水声正交频分复用稀疏信道估计

针对传统的l₂-范数信道估计精度低的问题, 提出了一种基于基追踪去噪(BPDN)的水声正交频分复用稀疏信道估计方法, 该方法针对水声信道的稀疏特性, 利用少量的观测值即可以很高的精度估计出信道冲激响应. 与贪婪追踪类算法相比, 基于BPDN算法的稀疏信号估计具有全局最优解, 采用l₂-l₁范数准则估计信号, 同时考虑了观测值含噪情况, 通过调整正则化参数控制估计信号稀疏度和残余误差之间的平衡. 仿真分析了导频分布、正则化参数等对BPDN 算法的影响以及BPDN算法与最小平方(LS)、正交匹配追踪(OMP)信道估计算法的性能. 湖试结果表明, 在稀疏信道下, 基于BPDN的信道估计方法明显优于LS和OMP信道估计方法.