排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
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。 相似文献
2.
针对水声信道多径、时变、多普勒等恶劣传输特点对水声语音通信的严重影响,本文采用多通道时间反转和时频差分OFDM进行水声语音通信技术方案设计,该方法首先通过多通道时间反转进行时间域和空间域多径聚焦,进而结合时频差分OFDM调制解调抑制残留多径的影响。由于无需采用信道估计和均衡算法,系统实现方便、复杂度低,同时对信道具有一定程度的稳健性。该方法语音压缩编码采用混合激励线性预测编码。仿真实验和海试实验表明了本文方案的有效性。 相似文献
3.
4.
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。 相似文献
5.
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。 相似文献
6.
本文研究了时变信道条件下采用被动时间反转的直接序列扩频水声通信方案。多通道被动时间反转可通过对信道多径进行时间、空间聚焦实现信道匹配,但低信噪比、时变特性造成的信道特性失配对被动时间反转处理的性能造成严重影响。在垂直阵接收的基础上,本文采用码片级信道估计获取水声信道特性并进行周期性更新,并采用已判决码元产生的扩频码片作为信道估计训练序列,结合应用稀疏信道估计算法抑制零值抽头上的估计噪声,从而可有效改善时变、低信噪比条件下的被动时间反转处理的时、空多径聚焦效果,提高扩频通信性能。通过湖试实验比较了采用稀疏信道估计、传统信道估计算法的时反扩频接收机,以及经典直扩接收机的通信性能,实验结果表明:本文方案可在低信噪比获得较好的性能,并有效抑制时变信道对时反扩频通信性能的影响。 相似文献
7.
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。 相似文献
8.
9.
10.
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。 相似文献