CN108848043B - 基于压缩感知的低复杂度水声稀疏时变信道估计方法 - Google Patents
基于压缩感知的低复杂度水声稀疏时变信道估计方法 Download PDFInfo
- Publication number
- CN108848043B CN108848043B CN201810574993.1A CN201810574993A CN108848043B CN 108848043 B CN108848043 B CN 108848043B CN 201810574993 A CN201810574993 A CN 201810574993A CN 108848043 B CN108848043 B CN 108848043B
- Authority
- CN
- China
- Prior art keywords
- matrix
- inner product
- path
- product matrix
- hermitian
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供的是一种基于压缩感知的低复杂度水声稀疏时变信道估计方法。预先计算备选路径特征Hermitian内积矩阵;然后通过迭代的方式进行时延和多普勒因子的联合估计。本发明方法通过预先计算备选路径特征Hermitian内积矩阵的方式,避免了现有正交匹配追踪算法在迭代内重复计算矩阵内积,极大地降低了计算复杂度,并通过性能仿真,验证了本发明方法在水声时变信道下的有效性,并通过***实本发明方法在计算复杂度远低于现有基于正交匹配追踪算法的情况下,能够实现相同的信道估计精度,同时也能在相同计算复杂度下提供高于正交匹配追踪算法的估计精度,具有实际应用价值。
Description
技术领域
本发明涉及的是一种水声通信方法,具体地说是一种低复杂度水声稀疏时变信道估计方法。
背景技术
随着人们对海洋开发活动的日益增多,越来越多的海洋信息监测采集设备应用于水下,承担水下信息传输任务的水声通信技术成为关注的重点。近年来,正交频分复用(OFDM)技术因其较高的频谱效率和较好的对抗信道频率选择性衰落的特性,被广泛应用于水下通信***当中。然而水声信道因其时变快、扩展时延大和多普勒频移严重等因素,是最复杂的无线信道之一。因此对于OFDM***来说,准确的水声信道估计是保证通信性能的重要环节。水声信道一般建模成稀疏多途信道,其每个路径由路径增益、路径时延和路径多普勒因子决定,在这种信道模型下可以采用压缩感知类算法进行信道估计,包括正交匹配追踪算法、基追踪算法等。然而采用此类算法时,为了高精度的信道估计,需要构造较大维度的观测矩阵,这导致了该类算法过高的计算复杂度,不利于实际应用。
发明内容
本发明的目的在于提供一种在复杂度的情况下能够实现相同的信道估计精度,具有实际应用价值的基于压缩感知的低复杂度水声稀疏时变信道估计方法。
本发明的目的是这样实现的:预先计算备选路径特征Hermitian内积矩阵;然后通过迭代的方式进行时延和多普勒因子的联合估计。
所述通过迭代的方式进行时延和多普勒因子的联合估计具体包括:
(1)输入信道估计参数,包括接收符号向量、观测矩阵、备选路径特征Hermitian内积矩阵、稀疏度和终止门限;
(2)初始化,包括残差初始化,时延集合、多普勒因子集合、空矩阵初始化,迭代计数初始化,时延指数集合初始化;
(3)初始化Hermitian内积矩阵;
(4)搜索Hermitian内积矩阵最大幅值的参数;
(5)更新集合和已抽取原子的矩阵;
(6)确定路径复增益;
(7)更新路径特征Hermitian内积矩阵,并将指定行置零;
(8)迭代终止条件判断,若满足条件则终止迭代;若不满足返回步骤(4);
(9)输出信道估计参数,包括时延估计集合、多普勒因子估计集合和路径复增益估计集合。
本发明针对现有的基于正交匹配追踪算法的水声时变信道估计方法计算复杂度过高的问题,通过公式推导,提出了基于压缩感知的低复杂度水声稀疏时变信道估计方法。本发明方法通过预先计算备选路径特征Hermitian内积矩阵的方式,避免了现有正交匹配追踪算法在迭代内重复计算矩阵内积,极大地降低了计算复杂度,并通过性能仿真,验证了本发明方法在水声时变信道下的有效性,并通过***实本发明方法在计算复杂度远低于现有基于正交匹配追踪算法的情况下,能够实现相同的信道估计精度,同时也能在相同计算复杂度下提供高于正交匹配追踪算法的估计精度,具有实际应用价值。
本发明的优点是预先计算备选路径特征Hermitian内积矩阵,在信道估计的迭代中避免了正交匹配追踪算法矩阵内积的重复计算,极大地降低了计算复杂度,并在相同参数下能够提供与正交匹配追踪算法相同的估计精度,在实际水声OFDM通信***中,具有实际应用价值。
附图说明
图1为基于正交匹配追踪算法的水声稀疏时变信道估计方法流程图。
图2为本发明设计的基于压缩感知的低复杂度的水声稀疏时变信道估计方法流程图。
图3为本发明方法和OMP信道估计方法的信噪比-误码率性能对比图。
图4为本发明方法和OMP信道估计方法的计算复杂度对比表格。
具体实施方式
本发明的方法主要包括以下两部分:预先计算备选路径特征Hermitian内积矩阵,基于迭代的稀疏时变信道估计方法。基于压缩感知模型,利用预先计算备选路径特征Hermitian内积矩阵避免传统OMP迭代中的矩阵内积的重复计算,然后通过迭代的方式进行时延和多普勒因子的联合估计,保证信道估计性能的同时降低了传统OMP算法的复杂度。
下面举例对本发明做更详细的描述。
本发明针对水声信道的特点,在压缩感知类OMP算法的基础之上进行公式推导,通过预先计算备选路径特征Hermitian内积矩阵,避免了传统的正交匹配追踪算法内积矩阵重复计算的问题,在相同参数下降低计算复杂度的同时提供与OMP算法相同的估计精度。
下面按照基本的水声OFDM通信***模型、基于OMP算法的信道估计方法、基于压缩感知的低复杂度的水声稀疏时变信道估计方法以及仿真性能分析四部分详细说明:
1、基本的水声OFDM通信***模型
本发明考虑一个CP-OFDM***,假设一个OFDM块共有K个子载波,那么在第k个子载波发送的符号是s[k]。定义一个OFDM块周期为T,循环前缀长度为Tcp。将fc定义为中心频率,则第k个子载波频率为
fk=fc+kΔf,k=-K/2,…,K/2-1. (0.1)
发送的OFDM信号可以写成
对于水声稀疏时变信道模型,假定有L个路径,那么信道冲激响应可表示为
其中Al,τl和al分别表示第l个路径的幅度,时延和多普勒因子。假定在一个CP-OFDM块内信道参数是不变的。
经过信道接收到的OFDM信号可以写成
经过多普勒补偿后,OFDM解调的第m个子载波符号为
其中wm是加性噪声,m∈[-K/2,K/2-1],并且
根据(0.6)可以得到
z=Hs+w, (0.9)
其中z是K×1维接收符号向量,s是K×1维发送符号向量,w是K×1维噪声向量。同时K×K维混合信道矩阵H表达为
其中,K×K维矩阵Γl中的第(m,k)个元素表达为
同时Λl是一个K×K维对角矩阵,且对角线元素满足
考虑算法复杂度不宜过高,一般只保留H中的2D+1条对角线,一般D取较小整数。
2、现有基于OMP算法的信道估计方法
对于(0.9)可以改写成
式(2.1)满足压缩感知算法模型。其中Φ是K×L维观测矩阵,ξ是待估计的L×1维稀疏向量。因此可以采用OMP算法估计出稀疏向量ξ的解。假设搜索的时延和多普勒因子范围如下
其中,基带采样间隔是T/K,I是过采样因子,考虑所有路径均在循环前缀间隔内,则时延共有Nτ=ITcpK/T个可能值;假设最大的多普勒因子是bmax,搜索范围满足[-bmax,bmax],并且搜索间隔是Δb,那么多普勒因子共有Nb=2bmax/(Δb)+1个可能值。根据假设的搜索时延和多普勒因子范围,我们可以构建出K×NτNb维观测矩阵
具体步骤如下:
(1)输入:接收符号向量z,观测矩阵Φ,稀疏度L,终止门限e
(3)搜索残差与观测矩阵Hermitian内积最大幅值所对应的参数:
(4)更新集合和已抽取原子的矩阵:
(5)更新路径复增益向量:
(6)更新残差向量:
(7)迭代终止判断:如果l<L,令l=l+1重复步骤(3-6);或若||rl||2≤e,则终止迭代。
通过以上步骤完成基于正交匹配追踪算法的信道估计。然而回顾步骤(6),第l次迭代的残差可以表示为
那么第l+1次迭代的步骤(3),残差与观测矩阵Hermitian内积表示为
可以发现对于Hermitian内积由两部分组成:一部分是初始残差信号与观测矩阵的Hermitian内积;另一部分是基于之前估计的重构信号与观测矩阵的Hermitian内积。而对于整个算法的迭代过程来说,前一部分是重复计算的,且带来了很大的计算复杂度,本专利针对该问题,提出了基于压缩感知的低复杂度的水声稀疏时变信道估计方法。
3、基于压缩感知的低复杂度的水声稀疏时变信道估计方法
首先定义c=<Ξ(i),r>为残差信号与观测矩阵的Hermitian内积矩阵。对于q∈[1,Nτ]和i∈[1,Nb],Hermitian内积矩阵c中的(q,i)元素表示为
其中,将Gl定义为第l个路径特征Hermitian内积矩阵。Gl是一个Nτ×Nb维矩阵,其中(q,i)元素表示为
其中(·)*表示共轭操作,表示两个向量对应元素的点乘操作,(·)H表示共轭转置操作。Υq表示Υ的第q列,其中Υ是DFT矩阵的一部分,当m∈[-K/2,K/2-1],n∈[1,Nτ]时,Υ中的(m,n)元素表示为
通过式(3.2)推导,无噪的初始Hermitian内积矩阵c0是每个路径复增益和对应路径特征Hermitian内积矩阵乘积的和。根据式(2.2)的预设搜索范围,可以重构路径时延和多普勒因子所有可能组合的信号ΛΓs。此时定义备选路径特征Hermitian内积矩阵
是一个(2Nτ-1)×Nb维矩阵,对应的是多普勒因子为bu时包含所有路径时延的备选路径特征Hermitian内积矩阵,其中u∈[1,Nb]。G(u)中的第(q-v+Nτ,i)元素表示为
其中q,v∈[1,Nτ],i∈[1,Nb],且当确定了(2.2)的搜索范围,G(u)中所有的参数均已知,所以可以预先计算。然后根据第l次迭代中Hermitian内积矩阵最大幅值确定本次搜索到的路径时延和多普勒因子和bu,然后从备选路径特征Hermitian内积矩阵中选取相应的路径特征Hermitian内积矩阵,令其中表示G(u)矩阵的(1-v+Nτ)行到(2Nτ-v)行的所有列。每一次迭代中均通过迭代查表的方式完成。
具体步骤如下:
(1)输入:接收符号向量z,观测矩阵Φ,备选Hermitian内积矩阵G,稀疏度L,终止门限e。
(3)初始化Hermitian内积矩阵:
(4)搜索Hermitian内积矩阵最大幅值的参数:
(5)更新集合和已抽取原子的矩阵:
(6)确定第l个路径的复增益:
(7)更新第l个路径特征Hermitian内积矩阵:
(8)更新Hermitian内积矩阵:
并将cl中的Vl行置零。
4、仿真性能分析
为了验证本发明信道估计方法的性能,搭建水声OFDM***,包含K=1024个子载波,带宽B=6kHz,中心频率fc=9kHz,采样率fs=48kHz,信号长度T=171ms,循环前缀Tcp=20ms,采用QPSK调制,LDPC编码。水声稀疏时变信道模型采用随机生成的8个路径,时延间隔服从均值1ms的指数分布,路径幅度随着路径时延服从瑞利分布。假设最大多普勒因子bmax=2×10-4,多普勒搜索间隔Δb=1×10-4;路径时延搜索范围[0,Tcp),搜索间隔T/KI,稀疏度L=8,门限e=0.1,D=3。
仿真中分别采用LS信道估计方法、基于OMP算法的信道估计方法和本发明信道估计方法作对比,并且给出已知信道完整信息下的仿真结果作为性能下界。
图3为本发明方法和OMP信道估计方法的信噪比-误码率性能对比图。从仿真中可以看到,在时变信道下LS信道估计方法较差,接收端几乎不能正确解码。在过采样因子I=1,2或8时,OMP信道估计方法和本发明信道估计方法的性能均逐渐提升,且在相同的过采样因子下,性能十分接近。可见本发明信道估计方法能够有效地进行水声稀疏时变信道估计。
图4为本发明方法和OMP信道估计方法的计算复杂度对比表格。当过采样因子I相同时,可见本发明方法的计算复杂度均远小于OMP信道估计方法,结合图3可以得到相同时延和多普勒估计精度的情况下,本发明方法的计算复杂度明显小于OMP信道估计方法,也可以说明在相同计算复杂度下,本发明能够提供更高的估计精度,这体现了本发明方法的优势。
Claims (1)
1.一种基于压缩感知的低复杂度水声稀疏时变信道估计方法,其特征是:
定义c=<Ξ(i),r>为残差信号与观测矩阵的Hermitian内积矩阵,对于q∈[1,Nτ]和i∈[1,Nb],Hermitian内积矩阵c中的(q,i)元素表示为
其中,Gl为第l个路径特征Hermitian内积矩阵,Gl是一个Nτ×Nb维矩阵,其中(q,i)元素表示为
其中(·)*表示共轭操作,表示两个向量对应元素的点乘操作,(·)H表示共轭转置操作,Yq表示Y的第q列、Y是DFT矩阵的一部分,当m∈[-K/2,K/2-1],n∈[1,Nτ]时,Y中的(m,n)元素表示为
备选路径特征Hermitian内积矩阵
是一个(2Nτ-1)×Nb维矩阵,对应的是多普勒因子为bu时包含所有路径时延的备选路径特征Hermitian内积矩阵,其中u∈[1,Nb],G(u)中的第(q-v+Nτ,i)元素表示为
其中且当确定了的搜索范围,G(u)中所有的参数均已知,然后根据第l次迭代中Hermitian内积矩阵最大幅值确定本次搜索到的路径时延和多普勒因子和bu,然后从备选路径特征Hermitian内积矩阵中选取相应的路径特征Hermitian内积矩阵,令其中表示G(u)矩阵的(1-v+Nτ)行到(2Nτ-v)行的所有列;
每一次迭代中均通过迭代查表的方式完成,具体步骤如下:
(1)输入:接收符号向量z,观测矩阵Φ,备选Hermitian内积矩阵G,稀疏度L,终止门限e;
(3)初始化Hermitian内积矩阵:
(4)搜索Hermitian内积矩阵最大幅值的参数:
(5)更新集合和已抽取原子的矩阵:
(6)确定第l个路径的复增益:
(7)更新第l个路径特征Hermitian内积矩阵:
(8)更新Hermitian内积矩阵:
并将cl中的Vl行置零;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574993.1A CN108848043B (zh) | 2018-06-05 | 2018-06-05 | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574993.1A CN108848043B (zh) | 2018-06-05 | 2018-06-05 | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108848043A CN108848043A (zh) | 2018-11-20 |
CN108848043B true CN108848043B (zh) | 2021-02-02 |
Family
ID=64210436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810574993.1A Active CN108848043B (zh) | 2018-06-05 | 2018-06-05 | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108848043B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109347770B (zh) * | 2018-12-10 | 2021-06-25 | 中南大学 | 一种基于压缩感知理论的信道估计方法及装置 |
CN109861764B (zh) * | 2019-03-01 | 2022-07-01 | 厦门大学 | 用于水声ofdm迭代接收机的压缩感知信道估计方法 |
CN110113279B (zh) * | 2019-05-05 | 2021-09-28 | 哈尔滨工程大学 | 一种移动跳频水声通信多普勒因子估计方法 |
CN110554359B (zh) * | 2019-09-11 | 2021-07-09 | 哈尔滨工程大学 | 一种融合长基线与单信标定位的海底飞行节点定位方法 |
CN111277522B (zh) * | 2020-01-23 | 2021-07-06 | 青岛科技大学 | 一种水声ofdm通信***中信道参数的快速重构方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656874A (zh) * | 2017-01-10 | 2017-05-10 | 河海大学 | 一种基于压缩感知的移动ofdm***信道估计方法 |
CN106911622A (zh) * | 2017-01-12 | 2017-06-30 | 重庆邮电大学 | 基于压缩感知的aco‑ofdm***信道估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9628301B2 (en) * | 2014-07-23 | 2017-04-18 | Texas Instruments Incorporated | Interference estimation for LTE receiver |
-
2018
- 2018-06-05 CN CN201810574993.1A patent/CN108848043B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656874A (zh) * | 2017-01-10 | 2017-05-10 | 河海大学 | 一种基于压缩感知的移动ofdm***信道估计方法 |
CN106911622A (zh) * | 2017-01-12 | 2017-06-30 | 重庆邮电大学 | 基于压缩感知的aco‑ofdm***信道估计方法 |
Non-Patent Citations (2)
Title |
---|
基于压缩感知的OFDM水声通信信道二次估计算法;乔钢;《声学技术》;20131015;全文 * |
多用户OFDM水声通信技术研究;马璐;《CNKI硕博士论文库》;20160314;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108848043A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108848043B (zh) | 基于压缩感知的低复杂度水声稀疏时变信道估计方法 | |
CN1643867B (zh) | 用于估计信道的设备和方法 | |
CN103107969B (zh) | 一种快变ofdm***的渐进迭代时变信道估计和ici消除方法 | |
CN1078410C (zh) | 用于多径时间离散信号的分集接收机 | |
CN101127745B (zh) | 一种信道估计方法及装置 | |
CN107359904B (zh) | 基于压缩感知、高速移动的ufmc***无线信道估计方法 | |
CN103685096B (zh) | 一种基于最优导频的mimo-ofdm***信道估计方法 | |
CN107332797B (zh) | 一种电力线ofdm通信***中的信道估计方法 | |
CN106027445A (zh) | 一种水声块结构稀疏特性的信道估计方法 | |
CN111147407B (zh) | 基于信道预测的tmsbl水声ofdm时变信道估计方法 | |
CN110048972B (zh) | 一种水声正交频分复用信道估计方法及*** | |
CN107222438B (zh) | 高速移动sc-fdma***的简化bem信道估计方法 | |
CN109309542B (zh) | 一种基于时域过采样的正交信分复用水声通信方法 | |
CN105915473A (zh) | 一种基于压缩感知技术的ofdm***参数化信道估计及均衡方法 | |
CN107294616A (zh) | 基于基扩展模型的双扩展水声信道多普勒分集通信方法 | |
CN108881080B (zh) | 一种基于滑动窗与深度学习的ofdm抗ici检测方法 | |
CN112383492B (zh) | 应用于短波ofdm双选天波信道估计的递归压缩感知方法及*** | |
CN103957177A (zh) | 一种ofdm信号的多级时域盲均衡方法 | |
CN110059401B (zh) | 一种ofdm***水声信道冲激响应重构方法 | |
CN116506264A (zh) | 一种快时变条件下ofdm水声通信信道均衡方法 | |
Qiao et al. | Chirp Z-transform based sparse channel estimation for underwater acoustic OFDM in clustered channels | |
CN109274614A (zh) | 一种适用于时变稀疏信道的鲁棒信道估计算法 | |
CN110661735B (zh) | 一种基于正交匹配追踪稀疏信道估计的时延估计方法 | |
CN107835141B (zh) | 自相关与互相关结合的多段重复序列ofdm同步算法 | |
CN111212002A (zh) | 基于子空间算法的海洋水声ofdm信道的盲辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |