CN112737702B - 一种稀疏干扰背景下的mimo水声信道估计方法 - Google Patents
一种稀疏干扰背景下的mimo水声信道估计方法 Download PDFInfo
- Publication number
- CN112737702B CN112737702B CN202011508369.5A CN202011508369A CN112737702B CN 112737702 B CN112737702 B CN 112737702B CN 202011508369 A CN202011508369 A CN 202011508369A CN 112737702 B CN112737702 B CN 112737702B
- Authority
- CN
- China
- Prior art keywords
- channel
- updating
- channel estimation
- underwater acoustic
- impulse noise
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000013598 vector Substances 0.000 claims description 17
- 238000005315 distribution function Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000005236 sound signal Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 241000239366 Euphausiacea Species 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种稀疏干扰背景下的MIMO水声信道估计方法,本发明属于水声信号处理领域。本发明利用变分贝叶斯推断理论,分别对脉冲干扰和信道的稀疏度进行估计,同时充分利用信道的空间相关性获得处理增益。与目前存在的水声信道估计方法相比,其估计精度更高且计算复杂度更低。
Description
技术领域
本发明涉及一种稀疏干扰背景下的MIMO水声信道估计方法,属于水声信号处理领域。
背景技术
水声通信是目前进行水下信息传输的最有效手段,而获取更为准确的水声信道信息对于水声通信质量的提高至关重要。传统的水声信道估计方法如最小二乘方法,基于压缩感知的稀疏信道估计方法等对背景噪声的假设为加性高斯白噪声,然而真实海洋环境中分布着丰富的脉冲噪声,这些脉冲噪声可能来自于磷虾,冰盖挤压破裂,声呐发射人工信号等,造成传统水声信道估计方法性能的下降。近年来,出现基于贝叶斯估计理论的信道、脉冲噪声联合估计方法,然而这类方法忽略水声信道与脉冲噪声稀疏度的不同,存在理论上的性能损失,同时联合估计造成计算复杂度的提高。
发明内容
本发明的目的是为了提供一种稀疏干扰背景下的MIMO水声信道估计方法。
本发明的目的是这样实现的:步骤如下:
步骤一:搭建MIMO水声通信***,接收水听器接收到多路导频信号;
步骤二:参数初始化;设置t=1,初始化μh,Σh,μe,Σe,ε,B和δ,为估计得到的信道,μh为信道向量均值,Σh为信道向量方差,μe为脉冲噪声向量均值,Σe为脉冲噪声向量方差,ε为表征稀疏度的超参数,B为空间相关矩阵,δ为预先设定的门限;
步骤三:迭代计算,根据联合分布函数进行更新,包括:
更新μh和Σh:
更新μe和Σe:
更新ε0:L-1(水声信道稀疏度)和B:
本发明还包括这样一些结构特征:
1.接收信号模型为:
ym≈Xhm+em+wm
附图说明
图1为迭代更新分布函数的流程图;
图2为模拟噪声时域波形,q=0.002,INR=30;
图3(a)、(b)为信道估计MSE随SNR变化曲线:图3(a)2号换能器(空间相关性强),噪声模型为GMM,p=0.03,INR=20dB,训练序列长300个符号;图3(b)2号换能器(空间相关性弱),噪声模型为GMM,p=0.03,INR=20dB,训练序列长300个符号;
图4(a)、(b)为2号换能器(空间相关性强)信道估计MSE随SNR变化曲线:图4(a)噪声模型为GMM,p=0.01,INR=20dB,训练序列长300个符号;图4(b)噪声模型为GMM,p=0.01,INR=25dB,训练序列长300个符号。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
结合附图,本发明的步骤如下:
(1)搭建MIMO水声通信***,接收水听器接收到多路导频信号。接收信号模型为
ym≈Xhm+em+wm
其中,为第m个水听器的接收信号,Np为导频序列长度,L为信道长度,hm,l=[hm,1(l) hm,2(l)…hm,N(l)]T∈cN×1,是第n个发射换能器与第m个水听器之间的信道的第l个抽头,N为发射换能器的总数量。 被定义为:
(2)参数初始化。设置t=1,初始化μh,Σh,μe,Σe,ε,B和δ。其中,,为估计得到的信道,μh为信道向量均值,Σh为信道向量方差,μe为脉冲噪声向量均值,Σe为脉冲噪声向量方差,ε为表征稀疏度的超参数,B为空间相关矩阵,δ为预先设定的门限;
(3)迭代计算。
更新μh和Σh:
更新μe和Σe:
更新ε0:L-1(水声信道稀疏度)和B:
在具体实施过程中,考虑MIMO信道的空间相关性,我们定义hm先验似然函数
Rm=diag{ε0B0,…,εL-1BL-1}
为简明表示,令Ψ={hm,em,ε,σ}表示需要被估计的超参数。最佳因式分解应该满足下式
其中Ψi为Ψ的第i个元素,是显然,所有的q*(Ψi)是互相依赖的。因此上式很难得到闭合解,但是,我们能够通过迭代更新每一个q*(Ψi)来求解。特别的,q(σ),q(hm),q(em)和q(ε)可如下迭代:
其中qnew(·)表示更新后的分布函数,其将替代前一次更新的分布函数q(·)。因此联合分布函数可以表示为
接下来通过推导可知:
qnew(σ)=γ(σ;c-Np,dσ)
其中γ(·)表示伽马分布。图1描述了迭代更新分布函数的过程。由于本发明将水声信道稀疏度的分布函数和脉冲噪声的分布函数qnew(ε(i))分别估计,使得水声信道估计精度更高。同时考虑空间相关性能够进一步提高水声信道估计精度。
本发明的仿真研究:
仿真条件:
这里使用双组分高斯混合模型(Gaussian Mixture Model,GMM)构造脉冲噪声,其信号形式为
v[n]=w[n]+e[n]
其中,w[n]为高斯噪声组分,e[n]脉冲噪声组分,v[n]的概率密度函数为
其中,是复高斯分布模型,是加性高斯白噪声组分的方差,为脉冲噪声组分的方差,q是脉冲噪声在一段信号中的发生概率。同时,定义信噪比(Signal-to-noiseRatio,SNR),信干比(Signal-to-impulsive-noise Ratio,SIR),干噪比(Impulse-to-noise Ratio,INR):
如图2为模拟噪声的时域波形。
通过Bellhop声学仿真软件产生MIMO水声信道,参数如下:水深250m,收发距离5km,发射端为2阵元换能器阵列,1号换能器距水面100m,2号换能器距水面101m(空间相关性强)和103m(空间相关性弱),接收水听器距水面100m,仿真频率12kHz。这里有几种对比信道估计方法:最小二乘方法(LS),正交匹配跟踪方法(OMP),高斯噪声假设下的贝叶斯信道估计方法(SBL),稀疏干扰假设下的贝叶斯信道估计(ISBL),本发明中不考虑空间相关性的信道估计方法(VSBL),本发明中考虑空间相关性的信道估计方法(IVSBL)。
如图3(a)和图3(b)分别为2号换能器(空间相关性强)和2号换能器(空间相关性弱)信道估计结果的均方误差(Mean Square Error,MSE)随SNR变化曲线。与白噪声背景假设下的传统信道估计算法(LS,OMP,SBL)相比,稀疏脉冲噪声背景假设下的信道估计算法(ISBL,VSBL,IVSBL)性能较好。同时,由于变分贝叶斯方法可以分离信道与脉冲噪声的稀疏度超参数,因此VSBL与IVSBL具有更为准确的信道估计能力。比较图3与图4,可以发现,在信道空间相关性较强时,IVSBL算法较VSBL算法具有更大的性能优势,在信道空间相关性较弱时,两种算法的性能接近。
如图3(a)和图4(a)分别在GMM脉冲噪声模型p=0.03和p=0.01时,信道估计结果MSE随SNR变化曲线。p值越大代表背景噪声中脉冲发生概率越大,即脉冲干扰越严重。从图中可以看出,白噪声背景假设下的传统信道估计算法(LS,OMP,SBL)在p=0.03时的性能差于p=0.01,即这几种算法受脉冲背景噪声影响较大,而稀疏脉冲噪声背景假设下的信道估计算法(ISBL,VSBL,IVSBL)受影响较小。
如图4(a)和图4(b)分别在GMM脉冲噪声模型INR=20dB和INR=25dB时,信道估计结果MSE随SNR变化曲线。INR的变化对白噪声背景假设下的传统信道估计算法(LS,OMP,SBL)影响较大,而ISBL,VSBL,IVSBL影响不大。
综上,本发明提供一种稀疏干扰背景下的MIMO水声信道估计方法,本发明属于水声信号处理领域。本发明利用变分贝叶斯推断理论,分别对脉冲干扰和信道的稀疏度进行估计,同时充分利用信道的空间相关性获得处理增益。与目前存在的水声信道估计方法相比,其估计精度更高且计算复杂度更低。
Claims (1)
1.一种稀疏干扰背景下的MIMO水声信道估计方法,其特征在于:步骤如下:
步骤一:搭建MIMO水声通信***,接收水听器接收到多路导频信号;
接收信号模型为:
ym≈Xhm+em+wm
其中,为第m个水听器的接收信号,Np为导频序列长度,L为信道长度;hm,l=[hm,1(l) hm,2(l)…hm,n(l)…hm,N(l)]T∈cN×1,,是第n个发射换能器与第m个水听器之间的信道的第l个抽头,N为发射换能器的总数量; 被定义为:
步骤二:参数初始化;设置t=1,初始化μh,∑h,μe,∑e,ε,B和δ,为估计得到的信道,μh为信道向量均值,∑h为信道向量方差,μe为脉冲噪声向量均值,∑e为脉冲噪声向量方差,ε为表征稀疏度的超参数,B为空间相关矩阵,δ为预先设定的门限;
步骤三:迭代计算,根据联合分布函数进行更新,包括:
更新μh和∑h:
更新μe和∑e:
更新水声信道稀疏度ε0:L-1和B:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508369.5A CN112737702B (zh) | 2020-12-18 | 2020-12-18 | 一种稀疏干扰背景下的mimo水声信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508369.5A CN112737702B (zh) | 2020-12-18 | 2020-12-18 | 一种稀疏干扰背景下的mimo水声信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112737702A CN112737702A (zh) | 2021-04-30 |
CN112737702B true CN112737702B (zh) | 2022-05-17 |
Family
ID=75603872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011508369.5A Active CN112737702B (zh) | 2020-12-18 | 2020-12-18 | 一种稀疏干扰背景下的mimo水声信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112737702B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113872895B (zh) * | 2021-10-21 | 2023-12-12 | 武汉中科海讯电子科技有限公司 | 一种基于多任务贝叶斯压缩感知的水下信道估计方法 |
CN114584433B (zh) * | 2022-02-24 | 2024-05-28 | 哈尔滨工程大学 | 一种脉冲噪声环境下多途信道中的同步信号检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109088835A (zh) * | 2018-10-15 | 2018-12-25 | 哈尔滨工程大学 | 基于时间多重稀疏贝叶斯学习的水声时变信道估计方法 |
CN109462427A (zh) * | 2018-10-12 | 2019-03-12 | 南京信息工程大学 | 一种基于改进的自适应混合优化平滑l0范数的mimo水声信道估计方法 |
CN109995686A (zh) * | 2019-03-25 | 2019-07-09 | 哈尔滨工程大学 | 一种复数域稀疏水声信道估计方法 |
CN110311872A (zh) * | 2019-06-06 | 2019-10-08 | 中国科学院声学研究所 | 一种水声稀疏信道估计方法、***、设备及存储介质 |
CN111131097A (zh) * | 2019-12-27 | 2020-05-08 | 浙江大学 | Sc-mimo水声通信环境下的块对角稀疏贝叶斯信道估计方法 |
JP2020088575A (ja) * | 2018-11-22 | 2020-06-04 | 日本電信電話株式会社 | 水中音響通信システム及び受信装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11374658B2 (en) * | 2016-10-21 | 2022-06-28 | Northeastern University | Method and apparatus for wireless communications |
CN111147407B (zh) * | 2019-12-31 | 2022-09-09 | 哈尔滨哈船海洋信息技术有限公司 | 基于信道预测的tmsbl水声ofdm时变信道估计方法 |
CN112054973B (zh) * | 2020-08-28 | 2021-07-06 | 西北工业大学 | 一种最小均方误差稀疏水声信道估计方法 |
-
2020
- 2020-12-18 CN CN202011508369.5A patent/CN112737702B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462427A (zh) * | 2018-10-12 | 2019-03-12 | 南京信息工程大学 | 一种基于改进的自适应混合优化平滑l0范数的mimo水声信道估计方法 |
CN109088835A (zh) * | 2018-10-15 | 2018-12-25 | 哈尔滨工程大学 | 基于时间多重稀疏贝叶斯学习的水声时变信道估计方法 |
JP2020088575A (ja) * | 2018-11-22 | 2020-06-04 | 日本電信電話株式会社 | 水中音響通信システム及び受信装置 |
CN109995686A (zh) * | 2019-03-25 | 2019-07-09 | 哈尔滨工程大学 | 一种复数域稀疏水声信道估计方法 |
CN110311872A (zh) * | 2019-06-06 | 2019-10-08 | 中国科学院声学研究所 | 一种水声稀疏信道估计方法、***、设备及存储介质 |
CN111131097A (zh) * | 2019-12-27 | 2020-05-08 | 浙江大学 | Sc-mimo水声通信环境下的块对角稀疏贝叶斯信道估计方法 |
Non-Patent Citations (2)
Title |
---|
Parameterized interference Cancellation for Single-Carrier Underwater Acoustic Communications;葛威等;《IEEE》;20201030;全文 * |
多通道判决反馈均衡器的移动水声通信技术;韩笑等;《华中科技大学学报(自然科学版)》;20160831;第44卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112737702A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993280B (zh) | 一种基于深度学习的水下声源定位方法 | |
CN112737702B (zh) | 一种稀疏干扰背景下的mimo水声信道估计方法 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及*** | |
CN101387701B (zh) | 一种基于前向预测的被动时间反转混响抑制方法 | |
CN111131097B (zh) | Sc-mimo水声通信环境下的块对角稀疏贝叶斯信道估计方法 | |
CN110113279B (zh) | 一种移动跳频水声通信多普勒因子估计方法 | |
CN108646249B (zh) | 一种适用于部分均匀混响背景的参数化泄露目标检测方法 | |
CN114172490A (zh) | 一种基于Ekblom范数的鲁棒自适应噪声消除方法 | |
CN108152796B (zh) | 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法 | |
CN112054973B (zh) | 一种最小均方误差稀疏水声信道估计方法 | |
CN111650574B (zh) | 基于稀疏恢复的水下空时自适应处理方法及*** | |
CN117890853A (zh) | 基于粒子群优化补偿的单矢量水听器浅海多目标测向方法 | |
CN106685507A (zh) | 色噪声环境下基于约束Kalman波束形成方法 | |
CN111414580B (zh) | 一种低信混比条件下的混响抑制方法 | |
CN115687901A (zh) | 基于浅水声场相关性的水面水下目标分辨方法及设备 | |
CN113704685B (zh) | 一种基于垂直线列阵的深海盲解卷积方法 | |
CN115600120A (zh) | 基于期望最大化聚类的水下集群目标检测方法及*** | |
CN113671507A (zh) | 一种基于深海垂直阵的波导不变量估计方法 | |
CN115037386A (zh) | 一种仿生通讯信号模拟测试方法 | |
CN112636719B (zh) | 数据丢失和信道噪声干扰下的ilc***输入信号滤波方法 | |
CN111800363A (zh) | 一种改进的samp水声信道估计算法 | |
CN109799480B (zh) | 一种水下通信节点基于多途信道约束的长基线定位方法 | |
CN108957461B (zh) | 一种适用于水下长线阵的相位匹配波束形成方法 | |
CN111666688A (zh) | 一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法 | |
CN115015831B (zh) | 一种脉冲噪声和非均匀噪声联合影响下的大规模阵列目标方位估计方法 |
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 |