CN102546494B - 一种水下盲均衡系统及方法 - Google Patents

Abstract

本发明提供一种水下盲均衡系统，该系统包含：盲均衡器，其特征在于，所述的系统还包含：水下独立分量分析子系统，该子系统为盲均衡系统的预处理部分；其中，该独立分析子系统引入了不同的信道特征函数及高斯白噪声，并引入了判决逻辑，用于对分离信号进行判决将噪声与源信号分离，且该独立分量分析子系统的输出信号为盲均衡器的输入信号。一种和独立分量分析相结合的盲均衡方法，该方法对传统的独立分量分析模型进行了改进，使其适用于水声通信系统中，并将此水下独立分量分析技术用于盲均衡器的前端，作为均衡器的预处理部分，构成了新的盲均衡方法。与传统盲均衡器相比，新方法输出信号星座图最为清晰、紧凑。

Description

一种水下盲均衡系统及方法

技术领域

本发明一种和独立分量分析结合的盲均衡方法(UN-ICA-CMA)，用于水声通信系统中，可以有效地克服由于多径衰落等原因带来的码间干扰，较好地完成信号的载波恢复，具体涉及一种水下盲均衡系统及方法。

背景技术

近年来，水声通信在军用及商用领域得到了广泛的关注，提高水下数据的传输效率和准确性成为研究的热点和难点。在带宽严重受限的水声信道通信时，由于多径衰落和频散而导致信号发生畸变，信道均衡是克服码间干扰的有效手段，盲均衡由于不需要训练序列，成为目前研究的热点。但是水声信道往往表现出严重的频率选择衰落和时间变化性，使接收信号失真严重，从而使均衡器在低信噪比的环境下性能下降。

独立分量分析是近年来发展起来的一种新的统计盲源分离技术，可以将隐含在观测信号中的独立因子分离出来，揭示数据内部信息。其基本思路是把多维观测信号按照独立的原则建立目标函数，通过优化算法将观测信号分解为若干独立成份。因此，采用独立分量分析将传感器接收到的信号进行处理，分离出源信号与噪声信号将是十分有意义的。

水声通信中，由于信道传输特性极其复杂，在接收端产生严重的码间干扰(ISI)，使接收到的信号产生严重的失身，克服ISI的一种有效方法，就是对信道进行均衡。盲均衡技术由于不需要训练序列，节省了水声信道的带宽，成为水声通信中的研究热点。其原理框图如说明书附图2所示。在众多盲均衡算法中，常数模算法(CMA)由于计算量小，性能稳定被广泛使用，许多研究者在此基础上进行改进，衍生了种类繁多的盲均衡算法。但是在这些盲均衡算法中，他们仅仅是局限于对盲均衡的系统结构的改变，并未考虑通过对输入信号进行预处理来提高均衡器的性能。水下环境复杂，使原本纯净的信号带有很大的噪声，即使均衡器的性能再好也无法较好地完成均衡任务，因此，对接收到的信号进行预处理，尽量地将噪声分离出一部分，能大大地提高均衡器的工作效率和性能。

发明内容

本发明的目的在于，为克服现有技术的盲均衡系统在低信噪比的环境下性能明显下降的问题，本发明提供一种水下盲均衡系统及方法。

本发明在接收信号输入盲均衡器之前首先对信号进行预处理有效提高接收端盲均衡系统的性能，即本发明提供一种水下盲均衡系统及方法。

为了实现上述技术目的，本发明提供一种水下盲均衡系统，该系统包含：盲均衡器，其特征在于，所述的系统还包含：水下独立分量分析子系统，该子系统为盲均衡系统的预处理部分；

其中，该独立分析子系统引入了不同的信道特征函数及高斯白噪声，并引入了判决逻辑，用于对分离信号进行判决将噪声与源信号分离，且该独立分量分析子系统的输出信号为盲均衡器的输入信号。

上述技术方案中，所述的盲均衡器采用常数模算法对均衡器的权向量进行更新。

本发明还提供一种采用独立分析子系统的盲均衡方法，该方法的盲均衡器之前还引入了独立分析子系统，该子系统引入了不同的信道特征函数及高斯白噪声，并引入了判决逻辑，所述的方法具体步骤如下：

1)接收机阵列接收到的信号为：

$x_i\left(n\right)=c_i^T\left(n\right)s\left(n\right)+w\left(n\right)$

其中，每个接收机接收到的信号构成混合矩阵x(n)＝[x₁(n)；x₂(n)；…x_N(n)]；

2)然后接收信号构成的混合矩阵进行白化处理；

z(n)＝V(n)x(n)；

3)对白化后的信号进行分离，分离后的输出为：

y(n)＝W(n)z(n)

其中，采用负熵作为目标函数，采用固定点算法作为优化算法，则分离矩阵W(n)按以下方式进行迭代：

W(n+1)＝W(n)+E{z(n)g(W(n)^Tz(n))}-E{g′(W(n)^Tz(n))}W(n)

另外，g(x)是负熵近似式中G(x)的导数并选取g(x)＝tan(ax)，a＝1；最后，将W进行归一化，即W(n)＝W(n)/||W(n)||；

4)通过选择逻辑进行判决，输出与源信号最为接近的信号，其判决准则如下：

若该支路传送第j个字符的平均测量误差记为：

e(n-j)＝y_i(n-j)-s(n-j)

则该支路传送M个字符的平均测量误差为

$E_i=\frac{1}{M}\left(\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}\right|e_j\left|\right)$

通过比较选择平均测量误差最小的一路作为输出。

5)若假设输入信号为y(n)，将信号输入盲均衡器中。

均衡器的输出信号可表示为：

z(n)＝f(n)^Ty(n)

根据常数模算法原理，其误差函数为：

e(n)＝|z(n)|²-R

其中，为信号模值，其权向量在迭代公式为

f(n+1)＝f(n)-μz(n)[|z(n)|²-R]y^*(n)

输出经过盲均衡器的信号z(n)。

本发明为了克服传统水下盲均衡技术性能差的缺陷，改进独立分量分析的模型，构造水下独立分量分析系统(UN-ICA)，并将此系统用于盲均衡器的前端，对均衡器的输入信号进行预处理，得到了结合独立分量分析的盲均衡方法(UN-ICA-CMA)。该方法中采用鲁棒性强的负熵作为非高斯度量，以收敛速度快的固定点算法作为优化算法，对接收到的水声信号进行分离，通过判决装置得到与发射信号最为接近的信号作为均衡器的输入信号，最后采用常数模算法对均衡器的权向量进行更新。此方法有效地提高了均衡器的工作性能，仿真结果验证了新方法的有效性。本发明优点在于，有效地提高了均衡器的工作性能，仿真结果验证了新方法的有效性。

附图说明

图1盲均衡系统等效基带模型；

图2是为传统的独立分量分析模型(ICA模型)；

图3是本发明构造的水下独立分量分析模型(UN-ICA模型)；

图4是结合本发明构造的独立分量分析模型的盲均衡系统的模型示意图(UN-ICA-CMA)；

图5-a是盲均衡系统的输入信号星座图；

图5-b是采用本发明的水下独立分量系统UN-ICA的输出星座仿真图；

图5-c是采用现有技术的盲均衡系统CMA输出星座仿真图；

图5-d是采用本发明的结合独立分量的盲均衡系统UN-ICA-CMA输出星座仿真图。

具体实施方式

下面结合附图和实施方案对新方法做进一步说明：

图1中，{s(n)}是独立同分布的发射信号序列；c(n)是未知信道的冲激响应向量(在实际中一般式慢变的)；{w(n)}是信道输出端的加性高斯白噪声向量。盲均衡是在只有接收序列y(n)已知的情况下，通过盲均衡算法自适应地调整均衡器抽头权系数向量f(n)，使得均衡器收敛后的输出序列z(n)为在某种意义上对a(n)的最佳估计，这时，z(n)与a(n)的偏差就很小，z(n)通过决策装置后的输出就基本上无失真的恢复了原发射信号a(n)。

图2为传统的独立分量分析模型(ICA模型)，s_i(i＝1，2…N)为第i个源信号，源信号矩阵可表示为S＝[S₁；S₂；…S_N]A为混合矩阵；X_i为第i个观测信号，观测信号矩阵可表示为X＝[X₁；X₂；…X_N]；V为白化矩阵；经过白化处理后的信号为Z＝[Z₁；Z₂；…Z_N]，W为分离矩阵，采用不同的算法分离矩阵的迭代形式将不同，Y_i为分离出来的第i个信号；Y＝[Y₁；Y₂；…Y_N]为分离后的矩阵。

图3为构造的水下独立分量分析模型(UN-ICA模型)，c_i(n)为第i路信道冲击响应，w(n)为高斯白噪声，x_i(n)为第i个接收机接收的信号，V(n)为白化矩阵，z(n)＝[z₁(n)；z₂(n)；…z_N(n)]为白化后的矩阵，y(n)＝[y₁(n)；y₂(n)；…y_N(n)]为分离后的矩阵，y(n)为经过选择逻辑后的输出信号。

图4为结合独立分量分析的盲均衡方法系统模型(UN-ICA-CMA)，由ICA预处理和盲均衡算法两部分组成，其中，ICA预处理即为图2所示原理。y(n)为经过预处理后盲均衡器的输入信号，f(n)为均衡器权向量，z(n)为均衡器的输出信号，ψ(·)为无记忆非线性函数。

图5-a、图5-b、图5-c和图5-d为仿真结果，为了验证新方法的有效性，采用三路水声信道，分别为，c₁＝[0.2，0.5，1，-0.1]，c₂＝[-0.35，0，0，1]，最小相位水声信道c₃＝[0.8264，-0.1653，0.1636]进行了仿真，仿真中，输入信号为4PSK信号，图5-c是为采用独立分量分析系统的盲均衡系统的输出星座图，图5-b是本发明在盲均衡系统的包含独立分量分析系统的输出星座图，将该信号输入盲均衡器得到图5-d所述采用独立分量分析系统的盲均衡系统的输出星座图；图5-b和图5-d表明新方法(UN-ICA-CMA)输出星座图最为清晰、紧凑。

1)由图2可知，接收机接收到的信号为

$x_i\left(n\right)=c_i^T\left(n\right)s\left(n\right)+w\left(n\right)$

每个接收机接收到的信号构成混合矩阵x(n)＝[x₁(n)；x₂(n)；…x_N(n)]。

2)对混合矩阵进行白化处理即

z(n)＝V(n)x(n)

3)对白化后的信号进行分离，则分离后的输出为

y(n)＝W(n)z(n)

注释：这里以鲁棒性强的负熵作为目标函数，以收敛速度快的固定点算法作为优化算法，此时分离矩阵W(n)按以下方式进行迭代

W(n+1)＝W(n)+E{z(n)g(W(n)^Tz(n))}-E{g′(W(n)^Tz(n))}W(n)

上式中，g(x)是负熵近似式中G(x)的导数，这里选取g(x)＝tan(ax)，a＝1。

最后，将W进行归一化，即W(n)＝W(n)/||W(n)||。

4)通过选择逻辑进行判决，输出与源信号最为接近的信号。其判决准则如下：

若该支路传送第j个字符的平均测量误差记为：

e(n-j)＝y_i(n-j)-s(n-j)

则该支路传送M个字符的平均测量误差为：

$E_i=\frac{1}{M}\left(\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}\right|e_j\left|\right)$

5)通过比较选择平均测量误差最小的-路作为输出。

若假设输入信号为y(n)，将信号输入盲均衡器中。

由图3可知，均衡器的输出信号可表示为

z(n)＝f(n)^Ty(n)

根据常数模算法原理，其误差函数为

e(n)＝|z(n)|²-R

其中，为信号模值，其权向量在迭代公式为f(n+1)＝f(n)-μz(n)[|z(n)|²-R]y^*(n)

6)输出信号z(n)

以上过程即为新方法实施方案。

需要说明的是，以上介绍的本发明的实施方案而并非限制。本领域的技术人员应当理解，任何对本发明技术方案的修改或者等同替代都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围内。

Claims (8)

1.一种水下盲均衡系统，该系统包含盲均衡器，其特征在于，所述的系统还包含：水下独立分量子系统，用于对输入所述盲均衡器的输入信号进行预处理；

其中，所述水下独立分量子系统采用独立分量分析模型，该水下独立分量子系统进一步包含：

若干路并联的接收机，所述每一路的接收机将所述源信号与该路信道的冲击响应相乘，再与高斯白噪声求和得到混合矩阵的一个向量，所述若干路接收机的输出端的信号构成混合矩阵；

白化处理单元，该单元采用白化矩阵对所述混合矩阵进行白化处理，得到白化的处理后矩阵；

分离单元，用于根据分离矩阵对经过所述白化处理后的矩阵信息进行分离，得到若干路并联的将噪声与源信号分离的接收信号；和

选择逻辑单元，用于对所述将噪声与源信号分离的接收信号通过选择逻辑进行判决，输入与所述源信号最接近的信号作为所述盲均衡器的输入信号。

2.根据权利要求1所述的水下盲均衡系统，其特征在于，所述盲均衡器采用常数模算法对其权向量进行更新。

3.根据权利要求2所述的水下盲均衡系统，其特征在于，所述盲均衡器包含：滤波器和盲均衡单元，所述盲均衡单元向所述滤波器输出盲均衡权向量。

4.根据权利要求1所述的水下盲均衡系统，其特征在于，所述分离单元采用负熵作为非高斯度量，以固定点算法作为优化算法实现对接收到的水声信号进行分离。

5.一种水下盲均衡方法，该方法基于权利要求1所述系统，包含：

对源信号采用水下独立分量预处理的步骤；

将所述预处理后的信号输入盲均衡器进行均衡输出的步骤；

其中，所述对源信号采用水下独立分量预处理的步骤为：采用鲁棒性强的负熵作为非高斯度量，以收敛速度快的固定点算法作为优化算法，对接收到的水声信号进行分离，通过判决装置得到与发射信号最为接近的信号作为均衡器的输入信号，最后采用常数模算法对均衡器的权向量进行更新。

6.根据权利要求5所述的水下盲均衡方法，其特征在于，所述分离后的输出为：

y(n)＝W(n)z(n)

其中，z(n)为均衡器的输出信号，采用负熵作为目标函数，采用固定点算法作为优化算法，则分离矩阵W(n)按以下方式进行迭代：

W(n+1)＝W(n)+E{z(n)g(W(n)^Tz(n))}-E{g'(W(n)^Tz(n))}W(n)

另外，g(x)是负熵近似式中G(x)的导数并选取g(x)＝tan(ax),a＝1；最后,将W进行归一化，即W(n)＝W(n)/||W(n)||。

7.根据权利要求5所述的水下盲均衡方法，其特征在于，所述判决装置采用的判决准则如下：

若该支路传送第j个字符的平均测量误差记为：

e(n-j)＝y_i(n-j)-s(n-j)

则该支路传送M个字符的平均测量误差为

$E_i=\frac{1}{M}\left(\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}\right|e_j\left|\right)$

通过比较选择平均测量误差最小的一路作为输出。

8.根据权利要求5所述的水下盲均衡方法，其特征在于，所述盲均衡器的输出信号表示为：

z(n)＝f(n)^Ty(n)

根据常数模算法原理，其误差函数为：

e(n)＝|z(n)|²-R

其中，为信号模值，其权向量在迭代公式为

f(n+1)＝f(n)-μz(n)[|z(n)|²-R]y^*(n)

输出经过盲均衡器的信号z(n)，均衡器抽头权系数向量f(n)。