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。      

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。     

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。      

一种快速水声目标波达方向估计方法

以基追踪为重构算法的水声目标波达方向估计方法在实际的应用中往往运算速度较慢,针对这一问题,在分析水声目标空间稀疏特性的基础上,结合压缩感知理论框架下波达方向估计的特点,提出一种快速水声目标波达方向估计方法。该方法通过逐步减小逼近参数的方式来得到l₀范数最优解,实现水声目标信号的波达方向估计。通过计算机仿真从成功率、运算时间、分辨角度等多个方面与基追踪算法进行比较分析,实验表明:在成功率和分辨角度上所提出算法与基追踪算法性能相当,但运算时间却仅仅是基追踪算法的1/11。      

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.     

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。     

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。      

变步长似p范数约束稀疏水声信道估计方法

针对范数约束类归一化最小均方(NLMS)算法在正交频分复用(OFDM)稀疏水声信道估计中误码率较高的问题,提出一种改进的变步长似p范数约束信道估计方法。采用改进双Logistic函数构造步长,并将误差信号自相关函数引入其中,实时调整步长和零吸引项,使得收敛速度和估计精度能够很好地折中。算法仿真结果表明,在浅海多径稀疏水声信道下,相比于传统方法,所提出的信道估计获得的最高性能提升为收敛速度提高72.3%,稳态误差降低95.9%。湖上试验数据处理结果显示,相比于传统信道估计方法,所提出的方法能使通信误码率降低2~3个数量级,实现零误码水声通信。      

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.     

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。     

基于稀疏信号重构的阵元位置误差校正方法

阵元位置误差的存在会严重影响水听器阵列的测向性能,为此在使用阵列之前需对该误差进行校正。针对这一需求,提出了一种对任意阵型适用的高精度阵元位置有源校正方法。结合远场阵列模型以及位置误差"有界"的特点,基于压缩感知理论,将阵元位置估计转化为对稀疏信号的重构过程,建立了阵元位置误差模型,构造了该模型下凸优化函数,并采用l₁-SVD(Singular Value Decomposition,SVD)方法进行求解,同时给出了物理解释和算法实施步骤。计算机仿真表明基于稀疏信号重构的校正方法性能明显高于子空间拟合算法,且性能接近相应克拉美罗下界,对于校正源方位误差有较强的容错能力,不受制于微小误差的假设以及初值的选取。该方法是一种可对阵列中的部分或全部阵元进行校正的高精度、稳健的有源校正算法。