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。     

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。      

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。     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

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。      

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。      

改进的时序多重稀疏贝叶斯学习冰下水声信道估计方法

针对时序多重稀疏贝叶斯学习信道估计方法计算复杂度高且在低信噪比时估计精度低的问题,本文提出了一种改进的时序多重稀疏贝叶斯学习正交频分复用冰下水声信道估计方法。首先,采用奇异值分解方法对接收导频矩阵进行去噪;随后利用去噪后的接收导频矩阵结合最小二乘信道估计方法获得时序多重稀疏贝叶斯信道估计的超参数矩阵、感知矩阵等先验知识;最后,利用冰下水声信道的稀疏特性和多途结构较为稳定的特点,采用时序多重稀疏贝叶斯信道估计对不同符号的冰下水声信道进行联合重建。仿真结果显示,在能量系数为0.03时,改进方法信道估计均方误差相比较于原始方法至少降低了约2.87×10-5,运算时间至少下降了约为90%。第11次北极科学考察冰下试验结果显示,改进方法的平均原始误码率略微低于原始方法,平均运算时间降低约75%。研究结果表明,利用冰下水声信道的特点,改进方法可以实现高精度冰下水声信道估计,并且有效降低系统计算复杂度。      

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.     

一种快速收敛的符号回归常数模盲均衡算法

为了加快符号回归常数模算法(SRCMA)的收敛速度,本文提出了一种适合于BPSK信号 的快速算法。该算法用新的误差函数替代SRCMA中的误差函数,新误差函数针对BPSK信号而 设计。新算法采用分数间隔均衡模型,有效地加快了SRCMA算法的收敛速度。水声信道仿真实验 表明,该算法性能稳定,收敛速度快,适用于快速变化信道的盲均衡和水声通信数据的实时恢复。     

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。      

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.     

采用去网格相关向量机的水下多径稀疏信道估计（英文）

In the scenario of underwater acoustic sparse channel estimation with training sequences,grid points in the measuring matrix are caused by discretizing procedure.Estimated accuracy might not be guaranteed with the state-of-the-art methods when multipath delays don't exactly locate on the grid points.In this paper,we construct a gridless measuring matrix for sparse channel estimation which contains an off-grid adjusting factor.The Relevance Vector Machine(RVM) algorithm is employed to estimate this factor.The numerical experiments for two different underwater channels are performed to testify the newly proposed method.The results demonstrate that this method outperforms conventional ones in terms of estimating error and bit error rate,especially when the grid gets coarser.     

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.     

水声通信系统中双向turbo均衡算法

提出了一种水声通信系统中直接自适应双向turbo均衡算法。摒弃了信道估计步骤,采用基于直接自适应的turbo均衡器,并利用内嵌数字锁相环的判决反馈均衡器结构跟踪时变信道,采用最速优化算法自适应调整迭代步长,使得收敛速度和算法性能得到很好折中。此外,利用最小均方误差准则,得到最优权重因子,对正向与反向turbo均衡结果加权求和,消除误差传播效应。仿真和湖上实验验证了方法的正确性,双向均衡的性能优于单向均衡。湖上实验结果表明,基于直接自适应算法相比于基于信道估计的算法,对时变信道不敏感,能获得更低的误比特率。      

水声通信系统中双向turbo均衡算法研究（英文）

A direct-adaptation based bidirectional turbo equalizer for underwater acoustic communications is proposed.Abandoning the channel estimation process,the direct-adaptation based turbo equalizer embedded with digital phase-locked loop is adopted to track time-varying channel.The fast self-optimized algorithm is used to adjust the step size,thus a good tradeoff between the convergence speed and performance has been made.Furthermore,by minimizing the mean squared error,an optimal weighting factor is derived to exploit bidirectional diversity gain.The forward turbo equalizer is combined with the backward turbo equalizer to eliminate error propagation effect.Simulated and experimental results demonstrate that the bidirectional turbo equalizer outperforms the single directional one.It can be seen from the experimental results that,compared with the channel estimation based algorithm,the direct-adaptation based algorithm is less sensitive to the time-varying channel and has a lower bit error rate.     

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。