本發(fā)明涉及水聲通信信道估計(jì)算法技術(shù)領(lǐng)域，尤其是一種適用于多普勒失真水聲信道的估計(jì)方法。

背景技術(shù)：

水聲信道中顯著的多普勒效應(yīng)和嚴(yán)重的多徑擴(kuò)展給高速穩(wěn)定的通信帶來了很大的挑戰(zhàn)。在水聲系統(tǒng)中，聲波的傳輸速度為1500m/s，遠(yuǎn)遠(yuǎn)低于陸地?zé)o線通信中電磁波的傳播速度。因此，收發(fā)端移動(dòng)引起的多普勒效應(yīng)十分顯著，表現(xiàn)為引起時(shí)域上信號(hào)的壓縮或擴(kuò)展。因此，多普勒效應(yīng)被處理為多普勒擴(kuò)展因子。另一方面，嚴(yán)重的多徑效應(yīng)是由水下環(huán)境中大量的反射導(dǎo)致。由于聲波傳播速度慢，多徑延時(shí)大，造成了嚴(yán)重的符號(hào)間干擾。為充分了解水聲信道特點(diǎn)并克服其帶來的挑戰(zhàn)，對(duì)水聲信道精確的建模和估計(jì)十分重要。

如很多實(shí)驗(yàn)觀察到的一樣，不同路徑的信號(hào)經(jīng)歷不同的多普勒擴(kuò)展，在不同的時(shí)間點(diǎn)到達(dá)且具有不同的能量，接收信號(hào)是這些不同路徑信號(hào)的疊加。所以多擴(kuò)展多時(shí)延(multi-scalemulti-lag，msml)信道模型能夠較好的描述水聲信道的特點(diǎn)，為很多文獻(xiàn)采用。根據(jù)msml信道模型，每一條路徑可以被參數(shù)化為多普勒擴(kuò)展因子、時(shí)延和幅度三個(gè)參數(shù)。然而，嚴(yán)重的多徑效應(yīng)使得msml信道的估計(jì)過于復(fù)雜。為了克服這個(gè)困難，很多研究者提出利用水聲信道的稀疏特性，即大部分信道能量集中在較小的范圍內(nèi)。所以，msml信道模型中，只有較少的抽頭系數(shù)是非零的，需要被估計(jì)出來。因此，計(jì)算復(fù)雜度可以顯著降低，并且很多利用信道稀疏特性的壓縮感知算法得到了應(yīng)用。

基于壓縮感知的算法主要分為兩類：動(dòng)態(tài)規(guī)劃方法，如匹配追蹤(matchingpursuit，mp)；線性規(guī)劃方法，如基追蹤(basispursuit，bp)。bp算法較高的計(jì)算復(fù)雜度限制了其應(yīng)用，而mp算法得到了較為廣泛的應(yīng)用且出現(xiàn)了很多改進(jìn)算法。

mp算法通過迭代選取字典中與接收信號(hào)相關(guān)性最大的列來進(jìn)行信道估計(jì)，并且在每次迭代結(jié)束時(shí)，從接收信號(hào)中減去相應(yīng)的估計(jì)分量。在此基礎(chǔ)上，通過使剩余信號(hào)與已選出的每一列正交，提出了正交匹配追蹤(orthogonalmatchingpursuit，omp)算法，omp算法具有更優(yōu)的估計(jì)精度和收斂速度。同時(shí)，也有一些算法提出自適應(yīng)估計(jì)路徑數(shù)，如稀疏自適應(yīng)匹配追蹤(sparsityadaptivematchingpursuit，samp)算法和自適應(yīng)步長samp算法。進(jìn)一步，為了降低計(jì)算量，有文獻(xiàn)提出使用快速傅里葉變換簡化omp算法，但該方法降低的計(jì)算量有限因?yàn)槠洳]有改變字典本身的大小。另一種降低計(jì)算量的方法是分步估計(jì)時(shí)延和多普勒擴(kuò)展，該方法僅適用于各條路徑的多普勒擴(kuò)展相差較小且經(jīng)過了粗補(bǔ)償?shù)那闆r。

因此，mp算法及其改進(jìn)算法的不足之處在于其估計(jì)精度依賴于字典的大小，估計(jì)精度越高則字典的列數(shù)越多，因而計(jì)算量也就更大。對(duì)于時(shí)延-多普勒擴(kuò)展較大的水聲信道，mp算法的計(jì)算復(fù)雜度限制了高精度的參數(shù)估計(jì)，因而本發(fā)明提出了一種可以降低復(fù)雜度同時(shí)有較高的估計(jì)精度的估計(jì)算法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題在于，提供一種適用于多普勒失真水聲信道的估計(jì)方法，能夠有較快的收斂速度和較高的估計(jì)精度。

為解決上述技術(shù)問題，本發(fā)明提供一種適用于多普勒失真水聲信道的估計(jì)方法，包括如下步驟：

(1)在問題空間中初始化魚群位置，計(jì)算相應(yīng)的適應(yīng)度值，并將群體中最優(yōu)適應(yīng)度值和對(duì)應(yīng)的位置記錄在公告板上，進(jìn)入子迭代過程；

(2)每一條人工魚在其視野范圍內(nèi)執(zhí)行聚群和追尾行為或覓食行為，更新自身位置和適應(yīng)度值并更新公告板；

(3)當(dāng)子迭代次數(shù)大于設(shè)定值的一半時(shí)，若公告板中最優(yōu)適應(yīng)度值大于設(shè)定閾值且不發(fā)生變化，則將一半的人工魚位置設(shè)置為最優(yōu)適應(yīng)度值對(duì)應(yīng)的位置；

(4)循環(huán)執(zhí)行子迭代過程并不斷調(diào)整步長，直至達(dá)到最大子迭代次數(shù)；

(5)從公告板中得到最優(yōu)位置，作為一條路徑的參數(shù)，得到相應(yīng)的信號(hào)分量，用以更新殘余信號(hào)，進(jìn)入下一次迭代。

優(yōu)選的，步驟(1)中，問題空間即為路徑參數(shù)可能的取值空間，包括時(shí)延和多普勒擴(kuò)展因子的取值范圍，一般認(rèn)為最大時(shí)延擴(kuò)展為訓(xùn)練序列的時(shí)間長度，最大多普勒擴(kuò)展為收發(fā)端最大相對(duì)運(yùn)動(dòng)速度與聲波在海水中的速度的比值。

優(yōu)選的，步驟(1)中，人工魚p的適應(yīng)度值的計(jì)算公式為：

其中r(t)為接收信號(hào)，s(t)為訓(xùn)練序列，xp為人工魚p的位置，為以xp為時(shí)延-多普勒參數(shù)得到的訓(xùn)練序列。

優(yōu)選的，步驟(2)中，覓食行為是：人工魚p在其視野范圍內(nèi)隨機(jī)選取一個(gè)位置，若該位置的適應(yīng)度值大于當(dāng)前位置的適應(yīng)度值，則向該位置移動(dòng)一步；否則繼續(xù)嘗試，若嘗試次數(shù)大于設(shè)定的最大值仍未成功，則隨機(jī)移動(dòng)一步。

優(yōu)選的，步驟(2)中，聚群行為是：人工魚p在其視野范圍內(nèi)有q個(gè)同伴，若q>0，計(jì)算q個(gè)同伴的中心位置xc和相應(yīng)的適應(yīng)度值yc，若yc/q>λyp，其中λ為擁擠度因子，則p向xc移動(dòng)一步；若yc/q≤λyp或q＝0，則執(zhí)行覓食行為。

優(yōu)選的，步驟(2)中，追尾行為是：人工魚p在其視野范圍內(nèi)內(nèi)有q個(gè)同伴，若q>0，找到具有最優(yōu)適應(yīng)度值的同伴xq，若其適應(yīng)度值yq滿足yq/q>λyp，則p向xq移動(dòng)一步，若yq/q≤λyp或q＝0，則執(zhí)行覓食行為。

優(yōu)選的，步驟(4)中，第k次子迭代步長的調(diào)整方法是：

其中，δ為初始步長，k為第k次子迭代，kmax為子迭代最大次數(shù)。

優(yōu)選的，步驟(5)中，更新剩余信號(hào)的方法是：

其中，sl和分別為估計(jì)出的第l條路徑的時(shí)延-多普勒信號(hào)和路徑幅值。

本發(fā)明的有益效果為：本發(fā)明提供的一種多普勒失真水聲信道估計(jì)方案，每一次迭代包含一個(gè)子迭代過程和利用估計(jì)出的參數(shù)更新剩余信號(hào)的過程；在子迭代中，自適應(yīng)步長調(diào)整和人工魚位置調(diào)整將使得在最優(yōu)值附近的搜索更為精確；該方案有較快的收斂速度和較高的估計(jì)精度，在計(jì)算量和估計(jì)準(zhǔn)確度上均優(yōu)于omp算法。

附圖說明

圖1為本發(fā)明的用bellhop產(chǎn)生的水聲信道聲線圖。

圖2為本發(fā)明在信道1中，多普勒擴(kuò)展因子估計(jì)的歸一化均方誤差隨信噪比的變化而變化的仿真曲線示意圖。

圖3為本發(fā)明在信道1中，時(shí)延估計(jì)誤差隨信噪比的變化而變化的仿真曲線示意圖。

圖4為本發(fā)明在信道1中，剩余信號(hào)能量比隨信噪比的變化而變化的仿真曲線示意圖。

圖5為本發(fā)明在信道2中，多普勒擴(kuò)展因子估計(jì)的歸一化均方誤差隨信噪比的變化而變化的仿真曲線示意圖。

圖6為本發(fā)明在信道2中，時(shí)延估計(jì)誤差隨信噪比的變化而變化的仿真曲線示意圖。

圖7為本發(fā)明在信道2中，剩余信號(hào)能量比隨信噪比的變化而變化的仿真曲線示意圖。

具體實(shí)施方式

一種適用于多普勒失真水聲信道的估計(jì)方法，在魚群算法的基礎(chǔ)上，以迭代的方式分離多徑分量，每一次的迭代過程包含一個(gè)子迭代和利用估計(jì)出的參數(shù)對(duì)殘余信號(hào)的更新；在子迭代中，自適應(yīng)的調(diào)整人工魚的位置和步長。包括如下步驟：

(1)在問題空間中初始化魚群位置，計(jì)算相應(yīng)的適應(yīng)度值，并將群體中最優(yōu)適應(yīng)度值和對(duì)應(yīng)的位置記錄在公告板上，進(jìn)入子迭代過程；

(2)每一條人工魚在其視野范圍內(nèi)執(zhí)行聚群和追尾行為或覓食行為，更新自身位置和適應(yīng)度值并更新公告板；

(3)當(dāng)子迭代次數(shù)大于設(shè)定值的一半時(shí)，若公告板中最優(yōu)適應(yīng)度值大于設(shè)定閾值且不發(fā)生變化，則將一半的人工魚位置設(shè)置為最優(yōu)適應(yīng)度值對(duì)應(yīng)的位置；

(4)循環(huán)執(zhí)行子迭代過程并不斷調(diào)整步長，直至達(dá)到最大子迭代次數(shù)；

(5)從公告板中得到最優(yōu)位置，作為一條路徑的參數(shù)，得到相應(yīng)的信號(hào)分量，用以更新殘余信號(hào)，進(jìn)入下一次迭代。

步驟(1)中，問題空間即為路徑參數(shù)可能的取值空間，包括時(shí)延和多普勒擴(kuò)展因子的取值范圍，一般認(rèn)為最大時(shí)延擴(kuò)展為訓(xùn)練序列的時(shí)間長度，最大多普勒擴(kuò)展為收發(fā)端最大相對(duì)運(yùn)動(dòng)速度與聲波在海水中的速度的比值。

步驟(1)中，人工魚p的適應(yīng)度值的計(jì)算公式為：

其中r(t)為接收信號(hào)，s(t)為訓(xùn)練序列，xp為人工魚p的位置，為以xp為時(shí)延-多普勒參數(shù)得到的訓(xùn)練序列。

步驟(2)中，覓食行為是：人工魚p在其視野范圍內(nèi)隨機(jī)選取一個(gè)位置，若該位置的適應(yīng)度值大于當(dāng)前位置的適應(yīng)度值，則向該位置移動(dòng)一步；否則繼續(xù)嘗試，若嘗試次數(shù)大于設(shè)定的最大值仍未成功，則隨機(jī)移動(dòng)一步。

步驟(2)中，聚群行為是：人工魚p在其視野范圍內(nèi)有q個(gè)同伴，若q>0，計(jì)算q個(gè)同伴的中心位置xc和相應(yīng)的適應(yīng)度值yc，若yc/q>λyp，其中λ為擁擠度因子，則p向xc移動(dòng)一步；若yc/q≤λyp或q＝0，則執(zhí)行覓食行為。

步驟(2)中，追尾行為是：人工魚p在其視野范圍內(nèi)內(nèi)有q個(gè)同伴，若q>0，找到具有最優(yōu)適應(yīng)度值的同伴xq，若其適應(yīng)度值yq滿足yq/q>λyp，則p向xq移動(dòng)一步，若yq/q≤λyp或q＝0，則執(zhí)行覓食行為。

步驟(4)中，第k次子迭代步長的調(diào)整方法是：

其中，δ為初始步長，k為第k次子迭代，kmax為子迭代最大次數(shù)。

步驟(5)中，更新剩余信號(hào)的方法是：

其中，sl和分別為估計(jì)出的第l條路徑的時(shí)延-多普勒信號(hào)和路徑幅值。

如圖1所示，msml水聲信道模型可以表示為：

其中，l是信道抽頭數(shù).al(t)是第l條路徑的時(shí)變路徑幅度，在較短的時(shí)間內(nèi)可以認(rèn)為保持恒定。τl和al分別是第l條路徑的時(shí)延和多普勒擴(kuò)展因子，δ(t)是單位沖激響應(yīng)函數(shù):

令s(t)表示發(fā)射信號(hào)，相應(yīng)的接收信號(hào)r(t)可以寫成：

其中w(t)是加性噪聲。

考慮到水聲信道的稀疏特性，只有少數(shù)抽頭系數(shù)非零。所以，信道估計(jì)的復(fù)雜度大大減小。

在接收端，采用iafsa進(jìn)行水聲信道估計(jì)。令xp表示人工魚p的位置：

其中p為魚群大小，n為維數(shù)。這里n＝2，為多普勒擴(kuò)展因子a，為時(shí)延τ。

則位置xp對(duì)應(yīng)的適應(yīng)度值為：

其中r(t)為接收信號(hào)，s(t)為訓(xùn)練序列，xp為人工魚p的位置，為xp為時(shí)延‐多普勒參數(shù)得到的訓(xùn)練序列。yp實(shí)際上就是路徑幅度，因此

定義兩條人工魚xp和xq之間的距離為

人工魚的覓食行為：

令人工魚p的當(dāng)前位置為xp，其在視野范圍內(nèi)隨機(jī)選取位置xv。如果yv>yp，則該魚將向xv,移動(dòng)一步，即：

其中δ是步長，這個(gè)過程將重復(fù)i次直到有一個(gè)xv滿足要求；否則，該人工魚將在視野范圍內(nèi)隨機(jī)選取一點(diǎn)。

人工魚的聚群行為：

令xp為人工魚p的當(dāng)前位置，其視野范圍內(nèi)有q個(gè)同伴，如果q>0，計(jì)算這q個(gè)同伴的中心位置：

定義λ為擁擠度因子，如果yc/q>λyp，則人工魚p將會(huì)向xc移動(dòng)一步；否則，將執(zhí)行覓食行為。若q＝0人工魚也將執(zhí)行覓食行為。

人工魚的追尾行為：

人工魚p的視野范圍內(nèi)有q個(gè)同伴，如果q>0，找到具有最大適應(yīng)度值yq的同伴xq。若yq/q>λyp,人工魚p將向xq移動(dòng)一步，若yq/q≤λyp或者q＝0，人工魚p將執(zhí)行覓食行為。

詳細(xì)的算法步驟如下：

輸入：

發(fā)射信號(hào)向量s；接收信號(hào)向量r；路徑數(shù)l；閾值ε。

初始化：

設(shè)置剩余信號(hào)re＝r擁擠度因子λ，視野范圍d，步長δ，嘗試次數(shù)i，最大子迭代次數(shù)kmax，設(shè)置l＝1。

迭代：

(1)在問題空間內(nèi)隨機(jī)初始化魚群位置xp(p＝1,…,p)，計(jì)算相應(yīng)的適應(yīng)度值yp(p＝1,…,p)，并將最優(yōu)適應(yīng)度值yopt及其對(duì)應(yīng)的位置xopt記錄到公告板中。

(2)設(shè)置計(jì)數(shù)器k＝1。

(3)執(zhí)行聚群和追尾行為，更新人工魚位置。

(4)計(jì)算相應(yīng)的適應(yīng)度值并更新公告板。

(5)當(dāng)k>kmax/2時(shí)，如果公告板保持不變且yopt>ε，將一半的魚位置調(diào)整為xopt。

(6)設(shè)置k＝k+1，并調(diào)整步長為跳轉(zhuǎn)到步驟3循環(huán)執(zhí)行，直至k>kmax。

(7)從公告板選擇最優(yōu)位置xopt作為路徑l的時(shí)延和多普勒因子估計(jì)值，得到相應(yīng)的時(shí)延-多普勒訓(xùn)練序列sl，和最優(yōu)適應(yīng)度值yopt作為路徑l的幅度估計(jì)值更新剩余信號(hào)：

(8)如果l＝l，停止迭代；否則，l＝l+1，跳至步驟1.

輸出：

估計(jì)參數(shù)對(duì)

注：路徑數(shù)l可以在信號(hào)同步階段獲得；閾值ε根據(jù)接收端所能夠檢測到的信號(hào)能量值來設(shè)定。

圖2—圖7給出了不同信道條件下，多普勒擴(kuò)展因子估計(jì)的歸一化均方誤差、時(shí)延估計(jì)誤差和剩余信號(hào)能量比隨信噪比的變化而變化的仿真曲線，并與omp算法做了比較。其中，信道1的參數(shù)設(shè)置為：路徑數(shù)l＝10，各路徑信號(hào)的到達(dá)時(shí)間隨機(jī)分布在0～25ms，且將最小路徑時(shí)延設(shè)為0。歸一化路徑幅值均勻分布，多普勒擴(kuò)展因子隨機(jī)分布在[1,1.02],精確到4位小數(shù)。采用長度為511的偽隨機(jī)序列作訓(xùn)練序列，且用二進(jìn)制相移鍵控調(diào)制。載波頻率為10khz,采樣率為20khz。對(duì)于omp算法，所構(gòu)造的字典多普勒因子分辨率為1×10^-4，時(shí)延分辨率為0.1ms,多普勒擴(kuò)展為0.02，時(shí)延擴(kuò)展為25ms,這也是iafsa的問題空間。

iafsa的參數(shù)設(shè)置為：魚群大小為50，擁擠度因子為0.3，視野范圍為[0.005,1.0ms],初始步長為0.2，最大子迭代次數(shù)等于10，最大嘗試次數(shù)等于10，閾值ε＝0.2。

信道2采用bellhop產(chǎn)生：水深為100m,收發(fā)端水平距離2000m,發(fā)射端固定在80m深處，接收端位于50m深處，以15m/s的水平速度向發(fā)射端靠近，聲速設(shè)定為1500m/s。海面和海底的反射系數(shù)分別為-0.9和0.7，聲線圖如圖1所示。iafsa的參數(shù)與信道1中相同，僅將問題空間中多普勒擴(kuò)展改為0.01。

從仿真圖可見，在所有的實(shí)施例中本發(fā)明的性能都明顯優(yōu)于omp算法。在計(jì)算復(fù)雜度上：設(shè)訓(xùn)練序列長度為kl，對(duì)于omp算法，字典中的列數(shù)為n＝nanτ，為時(shí)延和多普勒網(wǎng)格數(shù)之積。因此，一次迭代的乘積運(yùn)算為ρ＝nkl。對(duì)于信道1，nτ＝250，na＝200，因而n＝5×10⁴；對(duì)于信道2，nτ＝250，na＝100，因而n＝2.5×10⁴。

而對(duì)于iafsa,信道1和信道2中，每一次迭代包含的子迭代過程中，人工魚分別執(zhí)行聚群和追尾行為，最差的情況下需要搜索2i次，因而一次迭代的乘積運(yùn)算為ρ＝klpkmax2i，即ρ＝1×10⁴?？梢?，本發(fā)明的計(jì)算復(fù)雜度優(yōu)于omp算法。

盡管本發(fā)明就優(yōu)選實(shí)施方式進(jìn)行了示意和描述，但本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，只要不超出本發(fā)明的權(quán)利要求所限定的范圍，可以對(duì)本發(fā)明進(jìn)行各種變化和修改。