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。     

稀疏信道条件下正交多载波扩频水声通信无导频信道估计算法

提出了一种无导频信道估计算法,该算法首先利用水声信道的稀疏特性对扩频信号进行识别,再利用扩频信号识别结果对水声信道响应进行判决反馈估计,从而实现对稀疏水声信道响应的可靠重建。仿真和湖上试验结果证实:无导频信道估计算法可以在不降低通信质量的前提下,实现对水声通信信号的稳健均衡,提升水声通信速率。      

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.     

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。      

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。      

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。      

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。      

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。      

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。     

基于压缩感知理论的大规模MIMO系统下行信道估计中的导频优化理论分析与算法设计

针对大规模多输入多输出(multiple input multiple output, MIMO)系统信道估计中的导频设计问题,在压缩感知理论框架下,提出了一种基于信道重构错误率最小化的自适应自相关矩阵缩减参数导频优化算法.首先以信道重构错误率最小化为目标,推导了正交匹配追踪(orthogonal matching pursuit, OMP)算法下信道重构错误率与导频矩阵列相关性之间的关系,并得出优化导频矩阵的两点准则,即导频矩阵列相关性期望和方差最小化;然后研究了优化导频矩阵的方法,并提出相应的自适应自相关矩阵缩减参数导频矩阵优化算法,即在每次迭代过程中,以待优化矩阵平均列相关程度是否减小作为判断条件,调整自相关矩阵缩减参数值,使参数不断趋近于理论最优.仿真结果表明,与采用Gaussian矩阵、Elad方法、低幂平均列相关方法得到的导频矩阵相比,本文所提方法具有更好的列相关性,且具有更低的信道重构错误率.     

OFDM水声通信CS限幅失真补偿与LS信道估计优化算法*

正交频分复用技术应用于水声通信系统时,会引起较高的峰均比,当采用限幅法对峰均比进行抑制时,会产生非线性失真。另外,系统采用最小二乘法进行信道估计受噪声的影响较大。针对以上问题,提出了一种基于压缩感知技术的补偿限幅非线性失真与最小二乘信道估计相组合的新算法,在接收端利用导频数据采用压缩感知算法对限幅失真进行补偿,同时对最小二乘信道估计进行优化运算,以减小噪声对其影响。理论分析和仿真结果均表明,新算法不但能够有效抑制限幅法造成的系统非线性失真问题,而且能够降低高斯白噪声对于信道估计的影响。     

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。     

稀疏贝叶斯学习水声信道估计与脉冲噪声抑制方法

水声信道具有显著的稀疏特性,利用稀疏贝叶斯学习(SBL)算法能够实现稀疏水声信道的有效估计。针对SBL计算复杂度较高的问题,将广义近似消息传递-稀疏贝叶斯学习(GAMP-SBL)引入水声信道估计。该方法在SBL的框架下结合GAMP以消息传递的方式计算信道冲激响应,能够有效降低SBL的计算复杂度。针对假设背景噪声服从高斯分布的信道估计方法在脉冲噪声环境下性能下降问题,提出了基于GAMP-SBL的脉冲噪声抑制水声信道估计方法:首先利用脉冲噪声时域稀疏特性,采用GAMP-SBL估计脉冲噪声并进行抑制,然后再次利用GAMP-SBL实现水声信道估计.基于第九次北极科考冰下脉冲噪声的两次仿真结果表明,所提出的方法在归一化均方误差上相对于未进行脉冲噪声抑制的GAMP-SBL最大分别降低了18.71%,6.61%,在信道解码前误码率上最大分别降低了1.66%,4.05%,并且相对于Clipping方法更加稳健。在信噪比为20 dB时,误码率可低于10-2。      

Downlink channel estimation in FDD cell-free massive MIMO

In frequency-division duplexing (FDD) cell-free massive multiple-input multiple-output (MIMO) systems, an excessive channel estimation overhead is a critical issue that limits the system performance. In this paper, by exploiting the sparse channel characteristics of such a cell-free system, we apply compressive sensing to estimate the channel state information and solve the excessive pilot overhead problem. The proposed algorithm estimates several channel coefficients with significant gains in the power domain and ignores the approximately zero coefficients. Compared to minimum mean square error (MMSE) estimation with orthogonal pilots, the proposed method significantly reduces the pilot overhead in an FDD cell-free massive MIMO system. The access points (APs) that contribute low gains feature reduced energy consumption because the power coefficients corresponding to zero gains in the sparse channel are assigned zeros in the power control process. Therefore, to improve the energy efficiency, the ignored channel coefficients reduce the power overhead.     

单载波频域均衡中的水声信道频域响应与噪声估计

本文对单载波频域均衡(SC-FDE)中的信道和噪声估计进行研究,理论分析了形成误码率平台的可能原因,提出了基于Chu序列的联合信道时频域响应和噪声功率估计算法.利用水声信道响应的稀疏特性和门限确定信道能量集中区域,进行信道估计的去噪处理和噪声功率计算.借助于水声射线模型对所提出的算法进行了仿真,分析了噪声估计对SC-FDE性能的重要影响.仿真结果表明,所提出的信道和噪声估计算法可以有效减缓或消除SC-FDE中的误码率平台.     

Doubly selective channel estimation and equalization based on ICI/ISI mitigation for OQAM-FBMC systems

Over a doubly selective channel, broadband transmission systems face challenges in channel estimation and equalization. High mobility causes inter-carrier interference (ICI), while multipath transmission induces inter-symbol interference (ISI). In this paper, we present a mitigation method of ICI/ISI for the offset quadrature amplitude-modulated filter bank multi-carrier (OQAM-FBMC) system. It features low inherent imaginary interference (IMI) sensitivity and high efficiency. Specifically, a pilot indices optimization algorithm and a sparse adaptive orthogonal subspace pursuit (SAOSP) algorithm are presented based on the 2-D channel modeling scheme. The guard pilots are first added to mitigate the effect of ICI. Then the index optimization and SAOSP algorithms are applied to achieve a high-accuracy estimation of sparse channel coefficients. In addition, a threshold judgment suboptimal minimum mean square error (MMSE) equalization method is presented based on the variability of the interference power. The method uses normalized interference power thresholds to estimate the ISI dimension and reduce the equalization data, thus mitigating the effect of ISI and achieving efficient equalization. To verify the above methods, single-input-single-output (SISO) and multiple-input-multiple-output (MIMO) models are built. Simulation results indicate a 3-5 dB improvement in channel estimation accuracy. The suboptimal MMSE equalization results are close to the optimal MMSE with about four orders of magnitude reduction in complexity.     

Channel temporal correlation-based optimization method for imperfect underwater acoustic channel state information

The rapid time variations and large channel estimation errors in underwater acoustic (UWA) channels mean that transmitters for adaptive resource allocation quickly become outdated and provide inaccurate channel state information (CSI). This results in poor resource allocation efficiency. To address this issue, this paper proposes an optimization approach for imperfect CSI based on a Gauss–Markov model and the per-subcarrier channel temporal correlation (PSCTC) factor. The proposed scheme is applicable to downlink UWA orthogonal frequency division multiple access systems. The proposed PSCTC factors are measured, and their long-term stability is verified using data recorded in real-world sea tests. Simulation and experimental results show that the optimized CSI effectively mitigates the effects of the temporal variability of UWA channels. It demonstrates that the resource allocation scheme using optimized CSI achieves a higher effective throughput and a lower bit error rate than both imperfect CSI and the CSI predicted by the recursive least-squares (RLS) algorithm.