基于LMS/SOLMS算法的时变多径水声信道估计方法

缓变信道下基于LMS算法的信道估计算法具有较好的跟踪性能,但对快变信道,LMS算法跟踪性能下降。SOLMS算法具有比LMS算法更好的跟踪性能,尤其是在快变的信道下。但由于SOLMS算法在收敛阶段的振荡性,这时收敛速度较LMS算法慢。本文提出一种收敛模式下用LMS算法获得信道的参数,收敛后则切换成SOLMS算法跟踪信道的变化的信道估计方法。新方法结合了LMS算法收敛快和SOLMS算法跟踪性能好的优点。对时变多径水声信道估计的计算机仿真实验证明了该方法的有效性。     

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。      

基于循环前缀相关性的水声OFDM信号调制识别方法*

本文研究水声OFDM通信信号与常见单载波水声数字通信信号(MPSK,MFSK)之间的调制识别问题。考虑到水声信道复杂传播特性对循环前缀相关性的影响,本文通过截取信号前后片段并迭代搜索双相关峰进行无需先验知识的水声OFDM通信信号特征参数提取,在此基础上设计了一种基于模糊系统的水声OFDM通信信号识别器。对不同信道条件下海上实录信号数据的识别实验结果表明了本文方法的有效性。     

基于遗传算法的超声信号LMS自适应时延估计

为了克服ＬＭＳ自适应时延估计（ＬＭＳＴＤＥ）算法计算量大的问题,引进遗传算法进行ＬＭＳＴＤＥ的寻优规划,并采取了克服过早收敛的措施。对超声信号进行时延估计的实验表明,该方法大大减少了计算量,并有较高的时延估计精度。     

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。     

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。