迭代稀疏水声信道估计与均衡技术研究

发布时间：2020-04-25 01:11

【摘要】：典型的水声信道通常表现为稀疏特性,基于最小二乘(Least Square,LS)技术的信道估计方法在稀疏信道条件下存在噪声加强的问题,并没有充分利用水声信道的稀疏特性,导致信道估计性能较差;另外,水声信道多途扩展严重,进而导致极其严重的频率选择性衰落。基于压缩感知的稀疏信道估计方法可以精确重构信号,基于现代编码技术的Turbo均衡技术可以实现迭代均衡和译码,在严重的多途信道条件下性能优异。因此,本文将压缩感知理论运用于水声信道估计,展开了迭代信道估计与均衡技术研究。首先,介绍压缩感知基础理论,研究了基于OMP(Orthogonal Matching Pursuit,OMP)和MMP(Multipath Matching Pursuit,MMP)算法的稀疏水声信道估计方法,将DCD(Dichotomous Coordinate Descent,DCD)迭代技术运用于OMP和MMP算法中,解决了OMP和MMP稀疏信道估计算法中矩阵求逆带来的运算量大以及数值不稳定性问题。将交叉验证(Cross Validation,CV)统计技术运用于OMP-DCD和MMP-DCD算法,使得贪婪迭代算法不需要稀疏度与噪声级别等先验知识,提高了算法的估计精度,提出了OMP-DCD-CV和MMP-DCD-CV稀疏信道估计算法。针对带限的水声通信系统在干扰严重的水声环境中性能严重恶化问题,将TDCS(Transformation Domain Communication System,TDCS)引入水声通信领域,提出了基于两种稀疏信道估计算法的TDCS,提高了水声窄带干扰环境下的水声通信系统的频谱利用率以及稳健性。然后,开展了稀疏信道条件下的迭代信道估计与均衡技术的研究。回顾了Turbo码的基本原理,包括编码器结构、编码原理、编码网格图等,基于软入软出的迭代译码思想,研究了基于MAP(Maximum a Posteriori,MAP)及其简化形式的Log-MAP译码算法,最后介绍了Turbo均衡基本思想与原理,介绍了基于MMSE(Minimum mean Square Error,MMSE)的软入软出Turbo均衡,开展水声单载波迭代稀疏信道估计与均衡技术的研究。最后,进行仿真分析与单载波试验数据处理。数值仿真部分,对基于压缩感知的信道估计算法的重构精度进行仿真分析,对水声单载波迭代稀疏信道估计与均衡系统仿真,对基于MMP-DCD-CV稀疏信道估计算法的水声TDCS进行仿真分析。单载波试验数据处理部分,通过处理松花湖湖试数据验证论文的各种算法的性能并进行仿真分析。
【图文】：

曲线,稀疏信道,估计算法,运算量

图 4.1 稀疏信道估计算法的运算量曲线与 OMP-DCD 算法的均方误差性能曲线如图 4.2 所示。仿真条件，OMP-DCD 算法量化位数 6bM = ，初始化步长δ 的最大幅值 H，仿真 1000 次。从图中可以看出，OMP-DCD 算法的均方误差法，但是 OMP-DCD 算法的复杂度更低

性能曲线,均方误差,性能曲线,稀疏信道

图 4.1 稀疏信道估计算法的运算量曲线与 OMP-DCD 算法的均方误差性能曲线如图 4.2 所示。仿真条件，OMP-DCD 算法量化位数 6bM = ，初始化步长δ 的最大幅值 H，仿真 1000 次。从图中可以看出，OMP-DCD 算法的均方误差
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U666.7

【参考文献】