CN103701728A - 一种基于间接信道函数跟踪的被动时反水声通信方法 - Google Patents

Abstract

本发明公开了一种基于间接信道函数跟踪的被动时反水声通信方法，首先利用接收信号的训练序列估计信道时延-多普勒扩展函数；分析多普勒扩展现象进行间接信道函数建模，然后对每个阵元的接收信号进行多普勒补偿，再将训练序列估计的间接信道函数求得的信道估计与多普勒补偿后的信号进行时间反转处理，采用卡尔曼/扩展卡尔曼滤波估计和跟踪间接信道函数，根据估计的间接信道函数归一化幅值判断是否更新多普勒补偿因子以及信道估计；最后利用小于十阶的判决反馈均衡器，从时反处理后的信号中恢复出发射符号。本发明利用对间接信道函数的跟踪对抗因环境时变造成的被动时间反转通信性能下降，从而实现水声信道快速变化环境中高速稳定上行水声通信。

Description

一种基于间接信道函数跟踪的被动时反水声通信方法

技术领域

本发明涉及水声通信领域，主要是一种基于间接信道函数跟踪的被动时反水声通信方法。

背景技术

由于水体内部存在的丰富动力过程、声学边界的作用以及水体中声速剖面梯度引起的折射以及颗粒的散射等因素，水声信道常常表现为严重的多径时延扩展、多普勒频移扩展与快速的时变特性，从而造成严重的码间干扰。传统的通信技术采用均衡技术对抗多径造成的码间干扰，对于时延扩展严重的水声信道，使得传统均衡器的阶数在几百数量级，计算量巨大。时反技术是一种在水声通信中对抗码间干扰的有效方法，且算法实现简单。然而，水声信道的时变性使得时间反转通信的性能显著下降，甚至无法实现通信。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于间接信道函数跟踪的被动时反水声通信方法，本发明在不同的信道环境中实现稳定的自适应信道更新的时反水声通信，同时控制信号处理系统的计算量。

本发明是通过以下技术方案来实现的：一种基于间接信道函数跟踪的被动时反水声通信方法包括以下步骤：

（1）利用接收信号的训练序列估计信道时延-多普勒扩展函数；分析多普勒扩展现象进行间接信道函数建模。

（2）根据步骤（1）得到的间接信道函数模型，对每个阵元的接收信号进行多普勒补偿。

（3）将训练序列估计的间接信道函数求得的信道估计与经过步骤（2）处理后的信号进行时间反转处理。

（4）在状态‐空间模型的基础上，利用连续的通信信号，采用卡尔曼/扩展卡尔曼滤波估计和跟踪间接信道函数。

（5）根据步骤（4）估计的间接信道函数归一化幅值判断是否更新多普勒补偿因子以及信道估计。若是，则更新步骤（2）与步骤（3）中的多普勒因子与信道估计。

（6）利用小于十阶的判决反馈均衡器，从步骤（3）进行时反处理后的信号中恢复出发射符号。

本发明的有益效果是，本发明根据间接信道函数的幅值归一化最大值自适应地判断何时更新多普勒补偿因子与信道估计，系统可以针对不同的应用环境自适应地调整更新频率。在变化快的环境中确保了通信质量，在变化慢的环境中减少了计算量。同时，采用扩展卡尔曼滤波跟踪估计间接信道函数，因间接信道函数时延扩展小于信道脉冲响应，本发明的计算量小于直接采用跟踪估计信道脉冲响应。本发明利用对间接信道函数的跟踪对抗因环境时变造成的被动时间反转通信性能下降，从而实现水声信道快速变化环境中高速稳定上行水声通信；由于间接信道函数的时延和随时间变化频率均小于原水声信道脉冲响应，即减小了跟踪算法的计算量，也显著减少判决反馈均衡器的阶数。

附图说明

图1是发射信号结构。

图2是基于间接信道函数跟踪的被动时间反转水声通信方法的流程图。

具体实施方式

下面结合附图详细描述本发明。

发射信号结构如图1所示，由前线性调频信号、训练序列、数据和后线性调频信号组成。其中，线性调频信号的选取满足BT>100，（B是其带宽，T为其脉冲时间宽度）。

记发射信号为s(t)，则第i个阵元接收到的信号可以表示为

$r_i\left(t\right)=s\left(t\right)\⊗h_i\left(t\right)---\left(1\right)$

其中，h_i(t)为发射源到第i个阵元的信道冲击响应；表示卷积运算。

如图2所示，本发明基于间接信道函数跟踪的被动时反水声通信方法包括以下步骤：

步骤1：利用接收信号的训练序列估计信道时延-多普勒扩展函数；分析多普勒扩展现象进行间接信道函数建模。

采用稀疏重构方法估计信道时延-多普勒扩展函数，根据估计结果分析多普勒扩展现象。当多普勒扩展函数近似表现为单峰时，间接信道函数通过估计的信道脉冲响应与实际信道脉冲响应的相关函数（Q函数）进行建模，即模式1；相反，当多普勒扩展函数表现为多峰时，间接信道函数通过估计的与实际的时延-多普勒扩展函数的相关函数进行建模，即模式2。

步骤2：根据步骤1得到的间接信道函数模型，对每个阵元的接收信号进行多普勒补偿。

针对模式1，选取第一个接收元的前后线性调频信号计算线性多普勒扩展因子α=T_re/T_tr-1，其中T_re是接收信号中前后线性调频信号间的时间间隔，T_tr是发射信号中前后线性调频信号的时间差，利用重采样补偿每一路的线性多普勒扩展。

针对模式2，根据估计的时延-多普勒扩展函数得到每个阵元上每条路径多普勒补偿因子，计算其多普勒补偿结果。假定第i个阵元存在不同多普勒频移的路径数为L，即多普勒扩展函数存在L个峰，则第l条路径经过多普勒补偿后的离散结果为：

$x_{\mathrm{il}}\left[n\right]=e^{-j2\mathrm{\π}{v}_{l}n}{r}_i\left[n\right]---\left(2\right)$

其中，v_l为对应于多普勒扩展函数中第l个峰的最大多普勒频移值，n为时间采样点；

步骤3：将训练序列估计的间接信道函数求得的信道估计与经过步骤2处理后的信号进行时间反转处理。

针对模式1，利用第i个接收元接收到的信号中的训练序列估计信道响应函数

进行被动时反处理，得到时反处理后的信号为：

$\begin{array}{c}y=s\left(t\right)\⊗[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{h}_i\left(t\right)\⊗{\hat{h}}_i^{*}(-t)]\\ \stackrel{\mathrm{\Δ}}{=}s\left(t\right)\⊗q\left(t\right)\end{array}---\left(3\right)$

其中，中括号部分是各信道冲击响应自相关的和，记为q(t)，即Q函数；*表示共轭运算；N为接收阵元总数。若环境是不随时间改变的，可以证明Q函数接近于单位冲激函数，即y(t)=s(t)，完全恢复出发射符号。由于环境是时变的，在实际应用中

针对模式2，利用第i个接收元接收到的信号中的训练序列估计信道时延-多普勒扩展函数（满足 ${\hat{u}}_i(\mathrm{\τ},v)={\∫}_{-\∞}^{\∞}{\hat{h}}_i(\mathrm{\τ},t)e^{-j2\mathrm{\πvt}}\mathrm{dt}$ ），进行被动时反处理，则第i个阵元时反处理后信号离散形式为

$y_i\left[n\right]=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{x}_{\mathrm{il}}\left[n\right]\⊗{\hat{u}}_i^{*}[-m,l]---\left(4\right)$

其中，τ为时延，v为多普勒频移，m为

离散后的时延变量。对于给定l，是时延变量m的函数。同样地，由于环境是时变的，在实际应用中 $u_i(\mathrm{\τ},v)\≠{\hat{u}}_i(\mathrm{\τ},v).$

步骤4：在状态-空间模型的基础上，利用连续的通信信号，采用卡尔曼/扩展卡尔曼滤波估计和跟踪间接信道函数。

随着环境时间变化频率的快慢不同，信道估计与多普勒补偿因子需要定期更新，以确保其与实际信道的近似度。本发明中，采用了基于状态空间模型的扩展卡尔曼滤波实现对间接信道函数的实时跟踪。

步骤5：根据步骤4估计的间接信道函数归一化幅值判断是否更新多普勒补偿因子以及信道估计。若是，则更新步骤2与步骤3中的多普勒因子与信道估计。

通过判断间接信道函数的最大幅值是否小于门限，确定是否更新多普勒补偿因子与信道估计。

针对模式1，若需要更新，则通过最小二乘估计利用已知的q(t)和

根据

估计得到h_i(t)，作为新的

用于接下来的时间反转处理。这就是自适应更新被动时反信道处理。

针对模式2，若需要更新，则通过最小二乘估计利用已知的间接信道函数 $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\underset{l^{\′}=1}{\overset{L}{\mathrm{\Σ}}}\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}{e}^{-j2\mathrm{\π}(v_l-v_{l^{\′}})(n-m)}{u}_i[n-m,l^{\′}]{\hat{u}}_i^{*}[-m,l]$ 和

估计得到u_i[m,l]与v_l，作为新的信道估计与多普勒补偿因子。其中，M为

离散后的最大时延。

步骤6：利用小于十阶的判决反馈均衡器，从步骤3进行时反处理后的信号中恢复出发射符号。

采用前馈、反馈阶数均小于十阶的判决反馈均衡器，进一步消除残余的码间干扰。

本发明采用时延与随时间变化频率较小的间接信道函数跟踪，而不再依赖于水声信道脉冲响应函数，降低了算法的计算量以及信道的更新频率。在实际应用中，本发明通过判断间接信道函数的归一化幅值来自适应地更新被动时反信道，降低了码间干扰，提高了时变信道中水声通信的可靠性。

Claims (5)

1.一种基于间接信道函数跟踪的被动时反水声通信方法，其特征在于，包括如下步骤：

（1）利用接收信号的训练序列估计信道时延-多普勒扩展函数；分析多普勒扩展现象进行间接信道函数建模。

（2）根据步骤1得到的间接信道函数模型，对每个阵元的接收信号进行多普勒补偿。

（3）将训练序列估计的间接信道函数求得的信道估计与经过步骤2处理后的信号进行时间反转处理。

（4）在状态‐空间模型的基础上，利用连续的通信信号，采用卡尔曼/扩展卡尔曼滤波估计和跟踪间接信道函数。

（5）根据步骤4估计的间接信道函数归一化幅值判断是否更新多普勒补偿因子以及信道估计。若是，则更新步骤2与步骤3中的多普勒因子与信道响应函数。

（6）利用小于十阶的判决反馈均衡器，从步骤3进行时反处理后的信号中恢复出发射符号。

2.根据权利要求1所述基于间接信道函数跟踪的被动时反水声通信方法，其特征在于，所述步骤1中：采用稀疏重构方法估计信道时延‐多普勒扩展函数，根据估计结果分析多普勒扩展现象。当多普勒扩展函数表现为单峰时，间接信道函数通过估计的信道脉冲响应与实际信道脉冲响应的相关函数进行建模，即模式1，所述相关函数为Q函数；相反，当多普勒扩展函数表现为多峰时，间接信道函数通过估计的与实际的时延‐多普勒扩展函数的相关函数进行建模，即模式2。

3.根据权利要求2所述基于间接信道函数跟踪的被动时反水声通信方法，其特征在于，所述步骤2具体为：

针对模式1，选取第一个接收元的前后线性调频信号计算线性多普勒扩展因子α=T_re/T_tr-1，其中T_re是接收信号中前后线性调频信号间的时间间隔，T_tr是发射信号中前后线性调频信号的时间差，利用重采样补偿每一路的线性多普勒扩展。

针对模式2，根据估计的时延-多普勒扩展函数得到每个阵元上每条路径多普勒补偿因子，计算其多普勒补偿结果。假定第i个阵元存在不同多普勒频移的路径数为L，即多普勒扩展函数存在L个峰，则第l条路径经过多普勒补偿后的离散结果为：

$x_{\mathrm{il}}\left[n\right]=e^{-j2\mathrm{\π}{v}_{l}n}{r}_i\left[n\right]$

其中，v_l为对应于多普勒扩展函数中第l个峰的最大多普勒频移值，n为时间采样点。

4.根据权利要求2所述基于间接信道函数跟踪的被动时反水声通信方法，其特征在于，所述步骤3具体为：

针对模式1，利用第i个接收元接收到的信号中的训练序列估计信道响应函数

进行被动时反处理，得到时反处理后的信号为：

$\begin{array}{c}y=s\left(t\right)\⊗[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{h}_i\left(t\right)\⊗{\hat{h}}_i^{*}(-t)]\\ \stackrel{\mathrm{\Δ}}{=}s\left(t\right)\⊗q\left(t\right)\end{array}$

其中，中括号部分是各信道冲击响应自相关的和，记为q(t)，即Q函数；*表示共轭运算；N为接收阵元总数。

针对模式2，利用第i个接收元接收到的信号中的训练序列估计信道时延-多普勒扩展函数（满足 ${\hat{u}}_i(\mathrm{\τ},v)={\∫}_{-\∞}^{\∞}{\hat{h}}_i(\mathrm{\τ},t)e^{-j2\mathrm{\πvt}}\mathrm{dt}$ ），进行被动时反处理，则第i个阵元时反处理后信号离散形式为：

$y_i\left[n\right]=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{x}_{\mathrm{il}}\left[n\right]\⊗{\hat{u}}_i^{*}[-m,l]$

其中，τ为时延，v为多普勒频移，m为

离散后的时延变量。对于给定l，

是时延变量m的函数。

5.根据权利要求2所述基于间接信道函数跟踪的被动时反水声通信方法，其特征在于，所述步骤5具体为：

针对模式1，若需要更新，则通过最小二乘估计利用已知的q(t)和

根据估计得到h_i(t)，作为新的用于接下来的时间反转处理。

针对模式2，若需要更新，则通过最小二乘估计利用已知的间接信道函数 $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\underset{l^{\′}=1}{\overset{L}{\mathrm{\Σ}}}\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}{e}^{-j2\mathrm{\π}(v_l-v_{l^{\′}})(n-m)}{u}_i[n-m,l^{\′}]{\hat{u}}_i^{*}[-m,l]$ 和

估计得到u_i[m,l]与v_l，作为新的信道估计与多普勒补偿因子。其中，M为

离散后的最大时延。

Images