基于压缩感知的水声OFDM系统信道估计方法研究
发布时间：2021-09-15 15:31
正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）是一种多载波传输技术,目前已被广泛应用于水声通信系统以提高传输速度与频谱效率。信道估计技术可通过估计信道状态信息（Channel Sate Information,CSI）提高接收端数据解调的正确率。但是,传统信道估计方法需要插入大量导频信息才能取得较好的估计效果,严重浪费了频谱资源。由于水声信道具有稀疏性,将压缩感知（Compressing Sensing,CS）用于信道估计可提高频谱效率和估计性能。然而,目前信道估计中常用的重构算法大多需要已知信道稀疏度,严重制约了算法应用。特别是,由于水声信道具有严重的时延扩展与多普勒扩展,使得信道估计中的测量矩阵的列数较多,导致信道估计的复杂度较高。基于此,本文对基于CS的信道估计进行了以下研究:1.通过研究分析发现,由于信道条件良好的缓慢时变水声信道时变特性不明显,在一个OFDM符号周期内,忽略载波间干扰（Inter-carrier Interference,ICI）的影响即可获得较好的估计效果。基于此,本文针对良好信道基于BELLH...
【文章来源】：青岛科技大学山东省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
水声通信示意图
青岛科技大学研究生学位论文112水声OFDM系统压缩信道估计相关原理2.1引言本章主要介绍基于压缩感知的水声正交频分复用（OrthogonalFrequencyDivisionMultiplexing，OFDM）系统信道估计方法相关的基本原理，包括水声信道的基本传播特性、水声OFDM通信的基本理论以及压缩感知理论等，为后文详细介绍本文所提的具体信道估计方法提供必要的理论基矗2.2水声信道特性由于水下环境复杂导致声传播折射与反射等现象较多，且声波在水中具有传播速度慢与可用频带低等缺陷，导致水声信道成为目前最复杂的一类通信信道。本小节将在声速、传播损失、时变多径、声传播模型、环境噪声与外部干扰等方面介绍水声信道。2.2.1声速的影响因素与变化趋势水下声波传播速度低是声通信中存在的问题之一。水中声速的传播主要取决于水温、盐度与压力这三个因素，而这三个因素均可表示为水声的函数，如图2.1[66]所示。（a）盐度随深度的变化（b）压力随深度的变化（c）温度随深度的变化图2.1声速的影响因素及变化规律Fig.2.1Influencingfactorsandchangingrulesofsoundvelocity由图2.1可知，这三个因素均随深度的增加而增加。一般海面的声速约为
基于压缩感知的水声OFDM系统信道估计方法研究121500m/s，约为空气中声速的4倍，但仍比光速小5个数量级。一般认为当盐度增长一个单位时，声速约增加1.4m/s。当水深增加1km，声速增加约17m/s。但是，上述数值均为粗略的定性或定量估计，实际的声速由于多因素的影响呈现出非线性变化趋势。经过不断的研究，相关学者总结了声速随水深的变化规律，如图2.2所示。图2.2声速随水深的变化剖面图Fig.2.2Sectionalviewofsoundvelocitywithwaterdepth由图2.2可知，随深度的不同，声速被分为四层，从水面到水底依次为表面层、季节性温跃层、恒定温跃层和深等温层。表面层最深约几十米，该层的温度和盐度由于风的混合影响一般变化不大，因此声速可认为是常量。季节性和恒定温跃层中的声速主要受温度的影响最大。由图2.1可看出，温度随水深的增加逐渐降低，因此声速亦呈现负梯度趋势，这两层压力与盐度的增加无法补偿温度降低的影响。这两层的区别是，季节性温跃层由于相对较浅，因此受季节影响负梯度趋势会随着季节的变化而变化，而恒定温跃层由于相对较深，因此受季节影响校深等温层位于最底层，该层水温基本恒定，因此声速受压力与盐度的影响较大。由于声波在不同水深的速度变化规律不同，研究者们将声波传播的信道分为了浅海声信道与深海声信道两种。由图2.2可知，在浅海中，由于声速为常量，因此声波为直线传播，且会受到海面与海底的反射，如图2.3（a）所示。在深海中，声波的方向会发生变化。由图2.2可看出，恒定温跃层和深等温层交界处的声速最小，
【参考文献】：
期刊论文
[1]A Novel Training Sequence Applied to DCS-Based Channel Estimation[J]. Weizhang Xu,Xinle Yu,Yanfei Li,Lu Si,Zhanxin Yang. 中国通信. 2018(11)
[2]Joint Channel Estimation and Decoding Design for 5G-Enabled V2V Channel[J]. Xuanfan Shen,Yong Liao,Xuewu Dai,Ming Zhao,Kai Liu,Dan Wang. 中国通信. 2018(07)
[3]基于压缩感知的OFDM稀疏信道估计导频优化算法[J]. 薛艳明,彭云柯,高飞. 北京理工大学学报. 2017(05)
[4]OFDM压缩感知信道估计中导频图案设计[J]. 胡健生,宋祖勋,张倩,郭淑霞. 北京理工大学学报. 2016(11)
[5]深水水道形态定量分析及沉积模拟——以西非Gengibre油田为例[J]. 张文彪,陈志海,刘志强,许华明,林煜,王静伟,徐睿. 石油学报. 2015(01)
[6]单载波频域均衡中的水声信道频域响应与噪声估计[J]. 张歆,张小蓟,邢晓飞,姜丽伟. 物理学报. 2014(19)
[7]OFDM水声通信中基于压缩传感的稀疏信道估计[J]. 冉茂华,黄建国,付辉敬. 系统工程与电子技术. 2011(05)
[8]水声通信技术研究进展[J]. 程恩,袁飞,苏为,高春仙,曾文俊,孙海信,胡晓毅. 厦门大学学报(自然科学版). 2011(02)
[9]MRC空间分集与Turbo编码在水声OFDM系统中的性能研究[J]. 谢哲,张宏滔,王忠康. 声学与电子工程. 2011(01)
[10]水声通信与水声网络的发展与应用[J]. 许肖梅. 声学技术. 2009(06)
博士论文
[1]OFDM水声信道估计与均衡技术研究[D]. 余方园.哈尔滨工业大学 2016
[2]OFDM系统时变信道估计算法研究[D]. 郭起霖.北京邮电大学 2013
硕士论文
[1]水声信道的建模和估计方法的研究[D]. 陆思宇.南京邮电大学 2015
本文编号：3396334
【文章来源】：青岛科技大学山东省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
水声通信示意图
青岛科技大学研究生学位论文112水声OFDM系统压缩信道估计相关原理2.1引言本章主要介绍基于压缩感知的水声正交频分复用（OrthogonalFrequencyDivisionMultiplexing，OFDM）系统信道估计方法相关的基本原理，包括水声信道的基本传播特性、水声OFDM通信的基本理论以及压缩感知理论等，为后文详细介绍本文所提的具体信道估计方法提供必要的理论基矗2.2水声信道特性由于水下环境复杂导致声传播折射与反射等现象较多，且声波在水中具有传播速度慢与可用频带低等缺陷，导致水声信道成为目前最复杂的一类通信信道。本小节将在声速、传播损失、时变多径、声传播模型、环境噪声与外部干扰等方面介绍水声信道。2.2.1声速的影响因素与变化趋势水下声波传播速度低是声通信中存在的问题之一。水中声速的传播主要取决于水温、盐度与压力这三个因素，而这三个因素均可表示为水声的函数，如图2.1[66]所示。（a）盐度随深度的变化（b）压力随深度的变化（c）温度随深度的变化图2.1声速的影响因素及变化规律Fig.2.1Influencingfactorsandchangingrulesofsoundvelocity由图2.1可知，这三个因素均随深度的增加而增加。一般海面的声速约为
基于压缩感知的水声OFDM系统信道估计方法研究121500m/s，约为空气中声速的4倍，但仍比光速小5个数量级。一般认为当盐度增长一个单位时，声速约增加1.4m/s。当水深增加1km，声速增加约17m/s。但是，上述数值均为粗略的定性或定量估计，实际的声速由于多因素的影响呈现出非线性变化趋势。经过不断的研究，相关学者总结了声速随水深的变化规律，如图2.2所示。图2.2声速随水深的变化剖面图Fig.2.2Sectionalviewofsoundvelocitywithwaterdepth由图2.2可知，随深度的不同，声速被分为四层，从水面到水底依次为表面层、季节性温跃层、恒定温跃层和深等温层。表面层最深约几十米，该层的温度和盐度由于风的混合影响一般变化不大，因此声速可认为是常量。季节性和恒定温跃层中的声速主要受温度的影响最大。由图2.1可看出，温度随水深的增加逐渐降低，因此声速亦呈现负梯度趋势，这两层压力与盐度的增加无法补偿温度降低的影响。这两层的区别是，季节性温跃层由于相对较浅，因此受季节影响负梯度趋势会随着季节的变化而变化，而恒定温跃层由于相对较深，因此受季节影响校深等温层位于最底层，该层水温基本恒定，因此声速受压力与盐度的影响较大。由于声波在不同水深的速度变化规律不同，研究者们将声波传播的信道分为了浅海声信道与深海声信道两种。由图2.2可知，在浅海中，由于声速为常量，因此声波为直线传播，且会受到海面与海底的反射，如图2.3（a）所示。在深海中，声波的方向会发生变化。由图2.2可看出，恒定温跃层和深等温层交界处的声速最小，
【参考文献】：
期刊论文
[1]A Novel Training Sequence Applied to DCS-Based Channel Estimation[J]. Weizhang Xu,Xinle Yu,Yanfei Li,Lu Si,Zhanxin Yang. 中国通信. 2018(11)
[2]Joint Channel Estimation and Decoding Design for 5G-Enabled V2V Channel[J]. Xuanfan Shen,Yong Liao,Xuewu Dai,Ming Zhao,Kai Liu,Dan Wang. 中国通信. 2018(07)
[3]基于压缩感知的OFDM稀疏信道估计导频优化算法[J]. 薛艳明,彭云柯,高飞. 北京理工大学学报. 2017(05)
[4]OFDM压缩感知信道估计中导频图案设计[J]. 胡健生,宋祖勋,张倩,郭淑霞. 北京理工大学学报. 2016(11)
[5]深水水道形态定量分析及沉积模拟——以西非Gengibre油田为例[J]. 张文彪,陈志海,刘志强,许华明,林煜,王静伟,徐睿. 石油学报. 2015(01)
[6]单载波频域均衡中的水声信道频域响应与噪声估计[J]. 张歆,张小蓟,邢晓飞,姜丽伟. 物理学报. 2014(19)
[7]OFDM水声通信中基于压缩传感的稀疏信道估计[J]. 冉茂华,黄建国,付辉敬. 系统工程与电子技术. 2011(05)
[8]水声通信技术研究进展[J]. 程恩,袁飞,苏为,高春仙,曾文俊,孙海信,胡晓毅. 厦门大学学报(自然科学版). 2011(02)
[9]MRC空间分集与Turbo编码在水声OFDM系统中的性能研究[J]. 谢哲,张宏滔,王忠康. 声学与电子工程. 2011(01)
[10]水声通信与水声网络的发展与应用[J]. 许肖梅. 声学技术. 2009(06)
博士论文
[1]OFDM水声信道估计与均衡技术研究[D]. 余方园.哈尔滨工业大学 2016
[2]OFDM系统时变信道估计算法研究[D]. 郭起霖.北京邮电大学 2013
硕士论文
[1]水声信道的建模和估计方法的研究[D]. 陆思宇.南京邮电大学 2015
本文编号：3396334
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3396334.html
