CN102624666A - 稀疏信道模型下多路收发的正交多载波水声通信循环译码方法 - Google Patents

Abstract

本发明提供的是一种稀疏信道模型下多路收发的正交多载波水声通信循环译码方法。在MIMO-OFDM系统中采用正交空时编码级联TCM编码，加入块状导频，估计第一个符号的信道并进行数据译码；利用第一个符号译码后数据作为更新后的块状导频对信道进行二次估计；利用压缩传感技术，对二次估计后信道重建，进行三次估计，用于下一个符号的译码。本发明的主要优点为：(1)针对水声信道的稀疏特性利用压缩传感技术重建信道，在缓慢时变的水声多途信道中可以实现可靠的通信。(2)利用空时编码技术和TCM技术对估计出的信道进行纠正，可以有效的克服信道衰落和信号干扰，从而提高通信的可靠性。(3)采用导频更新算法，不仅减少了导频的数量，还可以实时更新信道。

Description

稀疏信道模型下多路收发的正交多载波水声通信循环译码方法

技术领域

本发明涉及的是一种基于MIMO(多输入多输出)-OFDM(正交频分复用)空时编码的信道估计方法，具体涉及利用水声信道的稀疏性进行信道均衡并结合循环解码方法解决信道时变的问题。

背景技术

在水声信道环境中，可利用于通信的带宽资源非常有限，严重限制了通信的速率和质量。传统的单载波通信通过增加发射功率以提高信道容量的方法已达到饱和。在这一情况下，不需要增加可利用带宽或是提高发射功率而能使信道容量本质提高，从而实现高数据吞吐量，高可靠性通信的MIMO技术，结合高频谱利用率的OFDM方案成为近年来水声通信新的热点。

《MIMO-OFDM快衰落信道的压缩感知估计方法》于2012年12月发表在《电波科学学报》。该文章在MIMO-OFDM通信系统中采用压缩传感的方法实现对信道的重建与估计。与传统的信道估计方法相比在准确性上有一定的提高。但在低信噪比的条件下，效果很差。该文章还提出了一种导频设计方案，在一定程度上减少导频数量，提高通信效率。

发明内容

本发明的目的在于提供一种可以有效的克服信道衰落和信号干扰，能提高通信的可靠性的稀疏信道模型下多路收发的正交多载波水声通信循环译码方法。

本发明的目的是这样实现的：

(1)在MIMO-OFDM系统中采用正交空时编码级联TCM编码，加入块状导频，估计第一个符号的信道并进行数据译码；

(2)利用第一个符号译码后数据作为更新后的块状导频对信道进行二次估计；

(3)利用压缩传感技术，对二次估计后信道重建，进行三次估计，用于下一个符号的译码。

本发明提供了一种译码结构，主要应用MIMO-OFDM系统的空时编码方案中，发明了一种基于压缩传感技术，三次估计信道，实时更新信道的方法。发明中将STBC(空时编码)作为级联码外码，TCM编码作为级联码内码进行对通信原始数据的校验，提升解码后的数据的可靠性，采用压缩传感方法重建信道提高上述信道估计的准确性。并将解码后的数据当做参考训练序列，跟踪信道的变化，重新估计信道，完成块状导频循序的信道估计。

本发明的主要优点为：

(1)针对水声信道的稀疏特性利用压缩传感技术重建信道，在缓慢时变的水声多途信道中可以实现可靠的通信。

(2)利用空时编码技术和TCM技术对估计出的信道进行纠正，可以有效的克服信道衰落和信号干扰，从而提高通信的可靠性。

(3)采用导频更新算法，不仅减少了导频的数量，还可以实时更新信道。

附图说明

图1 TCM编码器一般结构图。

图2 TCM方案中的编码器的网格图。

图3 MIMO-OFDM CS(压缩传感)技术系统框图。

具体实施方式

下面结合附图举例对本发明做进一步说明：

1、正交空时编码级联TCM编码

本发明分别对数据和导频进行空时编码，如图3具体的系统实现方式如下：在一个OFDM符号持续时间段内对信息进行TCM编码作为级联码的内码。TCM编码方案如图1，图2所示。将映射后得符号进行空时分组编码，考虑某个时段的两个符号X₁和X₂，它们在两个连续的时隙被发射。在第一个时隙内，换能器Tr1、Tr2分别发送符号X₁和X₂；在第二个时隙内，Tr1、Tr2则分别发送符号

和

在接收端解块状导频，假设信道是瑞利衰落的，且信道H_1，1和信道H_2，1在连续两个时间间隔内保持不变，信噪比为ρ。考虑单个接收天线的情况，在第一个时隙接收信号Y₁可以表示为：

H和N则各自代表信道的传输矩阵和加性噪声向量。

而在第二个时隙接收信号可以表示为：

那么接收信号(其中第二个信号取共轭)可表示为：

假设接收机可以获得理想的信道状态，则接收机选择

和使得错误概率最小，即：

其中：

假设所有的输入符号都是等概率的，根据贝叶斯准则，最佳译码符号同样可以表示为

这里

显然，由于是联合高斯随机变量的线性组合和

也是联合高斯分布的，且是相互独立的，其均值为零。因此，求解最佳判决

和

简化为使得可能传输符号和矢量对应的元素之间的欧氏距离最小化，即

即可估计出信道的频域响应并对第一个OFDM数据符号进行第一次信道均衡得出信道

解级联码，得到获得编码增益的信息。

2、二次信道估计

在符号解码后，利用TCM编码纠正数据。作为下一个符号的块状导频。减少伪随机序列导频占用的比率。有效的提高了数据传输的有效性。此时，对符号进行第二次的信道估计得出

以此来跟踪信道的变化。适应水声信道的缓慢时变特性。

3、基于压缩传感技术的三次信道估计

水声信道频域响应呈现梳状衰落的特点，因此，在高斯加性噪声的影像下，频谱衰落位置附近的子信道所载信息出错的概率更大，由于浅海信道通常是稀疏的，这意味着由于多径时延带来的信道频域响应梳状衰减是周期的，也就是说OFDM各个子信道由于多径时延带来的衰减并非相互独立。因此在信道符合稀疏模型的前提下，根据CS(压缩传感)理论，通过合理的建立信道模型库，采用匹配追踪(Matching Pursuit，MP)等方法对

进行匹配，就可更加可靠地估计出信道的频域响应

基于CS的信道三次估计算法具体的实现方法如下：

1.根据CS理论，建立归一化模型库，即字典∩。

2.令残差

3.在字典∩中找出与残差R积最大的向量

及其对应的加权系数ω_j，即

记录第i次更新加权系数矩阵

4.更新字典∩。第i次更新后的字典∩_i满足公式

5.更新残差R。第i次更新后的残差满足公式

6.判断是否满足迭代终止条件。若残差R的能量远小于初始值

的能量软条件，或是i到达了最大迭代次数的硬条件，则迭代终止。否则算法重复执行步骤3-6，直到满足迭代终止条件为止。

经过上述流程处理后，可以得到信道的三次匹配结果即可作为下一时间段符号信道的初始估计值。

结合上述的方案，对每个符号逐次进行译码。得到完整的接收数据。

Claims (3)

1.一种稀疏信道模型下多路收发的正交多载波水声通信循环译码方法，其特征是：

(1)在MIMO-OFDM系统中采用正交空时编码级联TCM编码，加入块状导频，估计第一个符号的信道并进行数据译码；

(2)利用第一个符号译码后数据作为更新后的块状导频对信道进行二次估计；

(3)利用压缩传感技术，对二次估计后信道重建，进行三次估计，用于下一个符号的译码。

2.根据权利要求1所述的稀疏信道模型下多路收发的正交多载波水声通信循环译码方法，其特征是所述估计第一个符号的信道并进行数据译码的方法为：

将映射后的符号进行空时分组编码，某个时段的两个符号X₁和X₂在两个连续的时隙被发射；在第一个时隙内，换能器Tr1、Tr2分别发送符号X₁和X₂；在第二个时隙内，Tr1、Tr2则分别发送符号和

在接收端解块状导频，信道是瑞利衰落的、且信道H_1，1和信道H_2，1在连续两个时间间隔内保持不变，信噪比为ρ；在第一个时隙接收信号Y₁表示为：

$Y_1\left(1\right)=\sqrt{\mathrm{\ρ}}(H_{\mathrm{1,1}}{X}_1+H_{\mathrm{2,1}}{X}_2)+N_1\left(1\right)$

H和N则各自代表信道的传输矩阵和加性噪声向量；

而在第二个时隙接收信号表示为：

$Y_1\left(2\right)=\sqrt{\mathrm{\ρ}}(-H_{\mathrm{1,1}}{X}_2^{*}+H_{\mathrm{2,1}}{X}_1^{*})+N_1\left(2\right)$

那么接收信号表示为：

$Y=\left[\begin{array}{c}{Y}_1\left(1\right)\\ Y_1^{*}\left(2\right)\end{array}\right]$

$=\sqrt{\mathrm{\ρ}}\left[\begin{array}{cc}{H}_{\mathrm{1,1}}& H_{\mathrm{2,1}}\\ H_{\mathrm{2,1}}^{*}& -H_{\mathrm{1,1}}^{*}\end{array}\right]\left[\begin{array}{c}{X}_1\\ X_2\end{array}\right]+\left[\begin{array}{c}{N}_1\left(1\right)\\ N_1^{*}\left(2\right)\end{array}\right]$

其中第二个信号取共轭；

接收机获得理想的信道状态，则接收机选择

和

使得错误概率最小，即：

$({\hat{X}}_1,{\hat{X}}_2)=\underset{(X_1,X_2)}{\arg \max }P(X_1,X_2|H^{H}Y,H_{\mathrm{1,1}},H_{\mathrm{2,1}})$

其中：

$H=\left[\begin{array}{cc}{H}_{\mathrm{1,1}}& H_{\mathrm{2,1}}\\ H_{\mathrm{2,1}}^{*}& -H_{\mathrm{1,1}}^{*}\end{array}\right]$

设所有的输入符号都是等概率的，根据贝叶斯准则，最佳译码符号表示为

$({\hat{X}}_1,{\hat{X}}_2)=\underset{(X_1,X_2)}{\arg \max }P\left(H^{H}Y\right|X_1,X_2,H_{\mathrm{1,1}},H_{\mathrm{2,1}})$

这里

$H^{H}Y=\sqrt{\mathrm{\ρ}}\left[\begin{array}{cc}{\left|H_{\mathrm{1,1}}\right|}^2+{\left|H_{\mathrm{2,1}}\right|}^2& 0\\ 0& {\left|H_{\mathrm{1,1}}\right|}^2+{\left|H_{\mathrm{2,1}}\right|}^2\end{array}\right]\left[\begin{array}{c}{X}_1\\ X_2\end{array}\right]+\left[\begin{array}{c}{N}_1^{\′}\left(1\right)\\ N_1^{\′}\left(2\right)\end{array}\right]$

$\left[\begin{array}{c}{N}_1^{\′}\left(1\right)\\ N_1^{\′}\left(2\right)\end{array}\right]=\left[\begin{array}{cc}{H}_{\mathrm{1,1}}& H_{\mathrm{2,1}}\\ H_{\mathrm{2,1}}^{*}& -H_{\mathrm{1,1}}^{*}\end{array}\right]\left[\begin{array}{c}{N}_1\left(1\right)\\ N_1^{*}\left(2\right)\end{array}\right]$

由于是联合高斯随机变量的线性组合N′₁(1)和N′₁(2)也是联合高斯分布的，且是相互独立的，其均值为零；求解最佳判决

和

简化为使得可能传输符号和矢量H^HY对应的元素之间的欧氏距离最小化，即

$X_1=\underset{X_1}{\arg \max }|H_{\mathrm{1,1}}^{*}{Y}_1\left(1\right)+H_{\mathrm{2,1}}{Y}_1^{*}\left(2\right)-\sqrt{\mathrm{\ρ}}({\left|H_{\mathrm{1,1}}\right|}^2+{\left|H_{\mathrm{2,1}}\right|}^2)X_1|$

$X_2=\underset{X_2}{\arg \max }|H_{\mathrm{2,1}}^{*}{Y}_1\left(1\right)-H_{\mathrm{1,1}}{Y}_1^{*}\left(2\right)-\sqrt{\mathrm{\ρ}}({\left|H_{\mathrm{1,1}}\right|}^2+{\left|H_{\mathrm{2,1}}\right|}^2)X_2|.$

3.根据权利要求1或2所述的稀疏信道模型下多路收发的正交多载波水声通信循环译码方法，其特征是所述利用压缩传感技术，对二次估计后信道重建，进行三次估计的具体的实现方法如下：

(1)建立归一化模型库，即字典Ψ；

(2)令残差R＝H″；

(3)在字典Ψ中找出与残差R积最大的向量

及其对应的加权系数ω_j，即

记录第i次更新加权系数矩阵W_i＝[W_i-1，ω_i，j]；

(4)更新字典Ψ，第i次更新后的字典Ψ_i满足公式

(5)更新残差R，第i次更新后的残差满足公式

(6)判断是否满足迭代终止条件，若残差R的能量小于初始值H″的能量软条件，或是i到达了最大迭代次数的硬条件，则迭代终止；否则算法重复执行步骤(3)-(6)，直到满足迭代终止条件为止。

Images