CN113872895B - 一种基于多任务贝叶斯压缩感知的水下信道估计方法 - Google Patents
一种基于多任务贝叶斯压缩感知的水下信道估计方法 Download PDFInfo
- Publication number
- CN113872895B CN113872895B CN202111225420.6A CN202111225420A CN113872895B CN 113872895 B CN113872895 B CN 113872895B CN 202111225420 A CN202111225420 A CN 202111225420A CN 113872895 B CN113872895 B CN 113872895B
- Authority
- CN
- China
- Prior art keywords
- updating
- channel
- channel estimation
- compressed sensing
- underwater
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于多任务贝叶斯压缩感知的水下信道估计方法,利用小波分解估计得到信道初始稀疏度,并采用多任务贝叶斯算法求解,得到各个信道的估计值。与现有技术相比,本发明能够在未知水声环境下实现对信道估计算法的自适应调整,并结合已有的压缩感知自适应算法的自适应思想,准确估计得到信道的状态信息;而且还能够估计出经过水声信道的发射信号,因此可以通过信道估计的方式,降低自身发射换能器对***的影响。
Description
技术领域
本发明涉及水声通信领域,特别是一种基于多任务贝叶斯压缩感知的水下信道估计方法。
背景技术
目前水下信道估计通常采用***导频训练的方式。传统的信道估计方法通常采用最小二乘算法(LMS),由于最小二乘算法容易被噪声干扰,并且子载波间干扰也会降低LMS算法的性能。ZHAO Y等人提出一种应用变换域滤波器的导频降噪方法,张晓利等人提出一种基于压缩感知的自适应稀疏水声信道估计算法,将压缩感知算法OMP/CoSaMP与硬门限LMS算法结合,对水声信道冲激响应进行估计;王永刚等人提出了基于导频的OFDM水下通信信道估计,对训练导频进行了改进,将水声信道看做梳状滤波器,利用改进的变换域滤波器导频降噪方法,改善子载波间干扰问题。但这些算法需要已知信道的稀疏性质,而在实际的水下坏境中,由于复杂的水下时空传播信道通常不满足稀疏性,因此不易采用稀疏类算法。
另外,水下双工通信***同时进行接收和发射操作。接收到的数据,经过了长距离的衰减变得十分微弱;而自身的发射信号,为了能够传播到更远的距离,通常需要大功率功放驱动换能器发射信号。因此,接收到的数据受到了自身发射信号的影响。
发明内容
本发明的目的是要解决现有技术中存在的不足,提供一种基于多任务贝叶斯压缩感知的水下信道估计方法。
为达到上述目的,本发明是按照以下技术方案实施的:
一种基于多任务贝叶斯压缩感知的水下信道估计方法,包括以下步骤:
S1、假设多输入多输出***有J个接收换能器,P个发射换能器,假设接收换能器接收到的数据为P个发射换能器发射数据为sp=(sp,0,sp,1,...,sp,L-1)T,p∈[P],第p个发射换能器到第j个接收换能器的信道为/>L是信道长度,则有第j个接收阵元的数据为:
其中,是噪声,/>是由发射数据生成的矩阵,如下:
令Φ=(S0,S1,...SP-1),则有:
xj=φhp,j+nj;
S2、采用多任务贝叶斯算法求解,得到各个信道的估计值。
进一步地,所述步骤S2具体包括:
S21、构造映射矩阵Φ=(S0,S1,...SP-1)=Φ1=Φ2=...=ΦJ;
S22、定义Φi=(Φi,1,Φi,2,...Φi,M×P),Σi,(j,j)是Σi的第j行j列的元素;
S23、While收敛;
S24、更新
S25、更新
S26、更新A=diag(α1,α2,...,αM×P);
S27、更新j=1,2,...,J,这里因为所有映射矩阵相同,因此只需要更新一次;
S28、更新i=1,2,..J,j=1,2,...,M×P,这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S29、更新i=1,2,..J,j=1,2,...,M×P这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S210、更新i=1,2,..J,j=1,2,...,M×P这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S211、更新
S212、输出信道的估计值。
与现有技术相比,本发明利用小波分解估计得到信道初始稀疏度,并结合已有的压缩感知自适应算法的自适应思想,准确估计得到信道的状态信息;而且还能够估计出经过水声信道的发射信号,因此可以通过信道估计的方式,降低自身发射换能器对***的影响。
附图说明
图1为仿真例1的ucembco与LMS方法估计的信道仿真估计结果。
图2为仿真例2的ucembco方法与LMS方法估计的信道的误差。
图3为仿真例3的ucembco方法与LMS方法估计的信道的误差。
图4为仿真例4的ucembco方法与LMS方法估计的信道的误差。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明,并不用于限定发明。
本实施例提供了一种基于多任务贝叶斯压缩感知的水下信道估计方法,包括以下步骤:
一种基于多任务贝叶斯压缩感知的水下信道估计方法,包括以下步骤:
S1、假设多输入多输出***有J个接收换能器,P个发射换能器,假设接收换能器接收到的数据为P个发射换能器发射数据为sp=(sp,0,sp,1,...,sp,L-1)T,p∈[P],第p个发射换能器到第j个接收换能器的信道为/>L是信道长度,则有第j个接收阵元的数据为:
其中,是噪声,/>是由发射数据生成的矩阵,如下:
令Φ=(S0,S1,...SP-1),则有:
Xj=φhp,j+nj;
S2、采用多任务贝叶斯算法求解,得到各个信道的估计值。
进一步地,所述步骤S2具体包括:
S21、构造映射矩阵Φ=(S0,S1,...SP-1)=Φ1=Φ2=...=ΦJ;
S22、定义Φi=(Φi,1,Φi,2,...Φi,M×P),Σi,(j,j)是Σi的第j行j列的元素;
S23、While收敛;
S24、更新
S25、更新
S26、更新A=diag(α1,α2,...,αM×P);
S27、更新j=1,2,...,J,这里因为所有映射矩阵相同,因此只需要更新一次;
S28、更新i=1,2,..J,j=1,2,...,M×P,这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S29、更新i=1,2,..J,j=1,2,...,M×P这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S210、更新i=1,2,..J,j=1,2,...,M×P这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S211、更新
S212、输出信道的估计值。
进一步地,为了验证本发明的能顾实现更高精度的信道估计,进行如下仿真实验:
仿真例1
设置单输入单输出的一个模型,发射信号为随机信号,信号长度为1024,添加5dB信噪比的高斯白噪声。设定信道长度为200。采用LMS算法作为对比,仿真结果如图1。从图1可以看出,采用本发明的方法ucembco估计得到的信道相比于LMS更加的准确。
仿真例2
假设一个1输入1输出信号模型,其中信道的长度设置为200,每一帧发射信号的长度为1024,发射信号为随机信号,添加0dB的高斯白噪声。共发射50帧信号,观察信道估计结果的误差情况。
由于一帧的长度较长,因此两种算法在第一帧的计算中已经收敛。Lms的方法绝对误差约为9,二ucembco的绝对误差小于1。仿真结果如图2所示,由图2可知,本发明的方法ucembco的误差远远低于lms方法,获得到更准确的信道估计结果。
仿真例3
假设一个1输入1输出信号模型,其中信道的长度设置为200,每一帧发射信号的长度为512,发射信号为随机信号。信噪比设置为-20dB到20dB,每间隔1dB进行一次计算。每个信噪比设置下,进行50次仿真,取误差的平均值。
仿真结果如图3所示,由图3可知,在[-20,20]dB信噪比区间内,本发明的方法ucembco的估计误差始终小于lms。说明本发明的方法ucembco方法始终优于lms方法,随着信噪比的增加,本发明的方法ucembco的估计误差迅速下降,在实际环境中采用本发明的方法ucembco能够获得较好的结果。
仿真例4
假设一个2输入2输出信号模型,其中信道的长度设置为20,发射信号的长度为1024,发射信号为随机信号,添加0dB的高斯白噪声。观察仿真结果如图4所示。由图4的结果显示,对于所有的信道,本发明的ucembco给出了十分准确的估计结果。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (1)
1.一种基于多任务贝叶斯压缩感知的水下信道估计方法,其特征在于,包括以下步骤:
S1、假设多输入多输出***有J个接收换能器,P个发射换能器,假设接收换能器接收到的数据为P个发射换能器发射数据为sp=(sp,0,sp,1,...,sp,L-1)T,p∈[P],第p个发射换能器到第j个接收换能器的信道为/>L是信道长度,则有第j个接收阵元的数据为:
其中,是噪声,/>是由发射数据生成的矩阵,如下:
令Φ=(S0,S1,...SP-1),则有:
xj=Φhp,j+nj,
S2、采用多任务贝叶斯算法求解,得到各个信道的估计值,具体包括:
S21、构造映射矩阵Φ=(S0,S1,...SP-1)=Φ1=Φ2=...=ΦJ;
S22、定义Φi=(Φi,1,Φi,2,...Φi,M×P),Σi,(j,j)是Σi的第j行j列的元素;
S23、While收敛;
S24、更新h(j)=α0ΣjΦj Txj;
S25、更新
S26、更新A=diag(α1,α2,...,αM×P);
S27、更新这里因为所有映射矩阵相同,因此只需要更新一次;
S28、更新这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S29、更新这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S210、更新这里因为所有映射矩阵相同,对于i的更新只计算一次即可;
S211、更新
S212、输出信道的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111225420.6A CN113872895B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多任务贝叶斯压缩感知的水下信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111225420.6A CN113872895B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多任务贝叶斯压缩感知的水下信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113872895A CN113872895A (zh) | 2021-12-31 |
CN113872895B true CN113872895B (zh) | 2023-12-12 |
Family
ID=78996925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111225420.6A Active CN113872895B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多任务贝叶斯压缩感知的水下信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113872895B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101580427B1 (ko) * | 2015-01-29 | 2015-12-28 | 한국해양대학교 산학협력단 | 시변 수중음향통신 채널을 위한 도플러 주파수 추정 및 수신방법 |
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 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
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 |
CN112104580A (zh) * | 2020-09-11 | 2020-12-18 | 中海石油(中国)有限公司湛江分公司 | 基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法 |
WO2021001870A1 (ja) * | 2019-07-01 | 2021-01-07 | 日本電信電話株式会社 | 通信装置及び通信方法 |
CN112737702A (zh) * | 2020-12-18 | 2021-04-30 | 哈尔滨工程大学 | 一种稀疏干扰背景下的mimo水声信道估计方法 |
CN113242191A (zh) * | 2021-05-07 | 2021-08-10 | 苏州桑泰海洋仪器研发有限责任公司 | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 |
-
2021
- 2021-10-21 CN CN202111225420.6A patent/CN113872895B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101580427B1 (ko) * | 2015-01-29 | 2015-12-28 | 한국해양대학교 산학협력단 | 시변 수중음향통신 채널을 위한 도플러 주파수 추정 및 수신방법 |
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 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
WO2021001870A1 (ja) * | 2019-07-01 | 2021-01-07 | 日本電信電話株式会社 | 通信装置及び通信方法 |
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 |
CN112104580A (zh) * | 2020-09-11 | 2020-12-18 | 中海石油(中国)有限公司湛江分公司 | 基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法 |
CN112737702A (zh) * | 2020-12-18 | 2021-04-30 | 哈尔滨工程大学 | 一种稀疏干扰背景下的mimo水声信道估计方法 |
CN113242191A (zh) * | 2021-05-07 | 2021-08-10 | 苏州桑泰海洋仪器研发有限责任公司 | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 |
Non-Patent Citations (3)
Title |
---|
Xuguang Long,Xinmin Ren,Zongwei Yang.Underwater Acoustic OFDM Channel Estimation Based on Bayesian Compressive Sensing.IEEE.2019,全文. * |
一种基于贝叶斯正交匹配追踪的水下多径稀疏信道估计方法;林格平;马晓川;鄢社锋;王敏;;声学技术(第05期);全文 * |
基于贝叶斯模型的稀疏水声信道估计算法研究;高新博;中国优秀硕士学位论文全文数据库;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113872895A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108712353B (zh) | 软迭代信道估计方法 | |
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 | |
CN111262803B (zh) | 一种基于深度学习的物理层安全通信方法、装置及*** | |
CN112968847B (zh) | 一种基于深度学习和数据导频辅助的信道估计方法 | |
CN112953862A (zh) | 一种基于深度学习的高速铁路场景信道估计方法 | |
CN114070354B (zh) | 基于gs迭代法的自适应分段矩阵逆跟踪mimo检测方法 | |
CN113872895B (zh) | 一种基于多任务贝叶斯压缩感知的水下信道估计方法 | |
CN109818888B (zh) | 一种脉冲干扰环境下的组稀疏水声信道估计方法 | |
CN112737702B (zh) | 一种稀疏干扰背景下的mimo水声信道估计方法 | |
CN108983144B (zh) | 改进维纳滤波器及基于该滤波器进行目标方位的估计方法 | |
CN113612542B (zh) | 应用于水下无线光通信***的基于变步长广义正交匹配追踪算法的非线性均衡方法 | |
CN112104580B (zh) | 基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法 | |
CN111726309B (zh) | 用于移动正交频分复用***的信道估计方法及其估计装置 | |
CN110677362B (zh) | 一种复数域水声信道自适应均衡方法 | |
CN113691473B (zh) | 一种基于凸优化的水下信道估计方法 | |
CN113612571B (zh) | 一种基于广义多分数傅里叶变换的多分量安全传输方法 | |
CN115208483A (zh) | 一种极地脉冲干扰下的水声通信方法 | |
CN110868244B (zh) | 一种基于信道穿刺的低复杂度通信信号检测方法 | |
CN110190908B (zh) | 一种最小化isi信道中非相干大规模simo***误码率的星座图设计方法 | |
KR102224641B1 (ko) | 하향링크 대용량 mimo 시스템 기반의 gs 프리코딩의 최적 반복횟수 추정 장치 및 그 방법 | |
Hu et al. | Using a New Channel Estimation Algorithm to Improve Underwater Acoustic Communication with Multiple Receivers | |
CN118054992A (zh) | 一种低复杂度的多输入多输出深海信道估计方法及水声通信*** | |
CN118118106A (zh) | 基于深度学习的超宽带信号特征分集接收检测方法及*** | |
CN114338294B (zh) | 一种超大规模多天线***中低复杂度的信道估计方法 | |
Widiarti et al. | Implementation adaptive decision feedback equalizer for time-reversal communication in shallow water environment |
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 |