CN106302298A - 一种消除正交频分复用水声通信系统限幅噪声的方法 - Google Patents

Abstract

本发明提供一种消除正交频分复用水声通信系统限幅噪声的方法，在发射端采用了限幅法降低峰均比。由于限幅法会产生带内干扰和带外噪声，降低通信系统的误码性能，因此利用限幅噪声的稀疏性，在接收端采用压缩感知法对限幅噪声进行估计和恢复。限幅噪声的估计受信道估计准确性的影响，为提高限幅噪声估计的准确度，提出了重叠压缩感知算法，在恢复限幅噪声的过程中利用了压缩感知信道估计法估计所得的信道信息和发射数据对限幅噪声进行估计，有效降低了限幅法对系统误码性能的影响。仿真和水池实验验证了该算法的有效性。

Description

一种消除正交频分复用水声通信系统限幅噪声的方法

技术领域

本发明涉及一种消除正交频分复用水声通信系统限幅噪声的方法，属于水声通信领域，涉及降低正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信系统峰值平均功率比(peak-to-average ratio,PAPR)中的限幅法产生的限幅噪声，对限幅噪声的恢复和去除问题，以降低其对系统误码性能的影响。

背景技术

水声通信为探寻海洋资源，监测海洋环境等方面提供了有利支持，因此目前国内外大量学者对其进行深入研究，但由于水声信道带宽有限、并且具有严重的多途干扰，是具有时变、频变和空变的复杂信道,因此信道估计方法以及可靠高速的水声通信方法成为了研究和关注的重点。多载波调制技术中OFDM技术以其高频谱利用率这一优势，近年来在带宽资源有限的水声高速通信中得到了广泛应用。然而OFDM技术存在较高的峰值平均功率比(PAPR)的缺陷，这一缺陷成为其在水声通信领域中广泛应用的障碍，并且PAPR会随着子载波数目的增加而增加。高PAPR会受水声发射机的功放线性动态范围的制约，产生削波失真，影响整个系统的误码率性能，同时还会增加模数转换器的复杂度并且降低它们的准确性，引起信号畸变，破坏OFDM子载波间的正交性，因此降低OFDM峰均比方法尤为重要。

国内外对于降低峰均比技术的研究主要分为以下几大类，编码技术，概率类技术，信号预畸变技术。在无线电领域，很多国内外学者针对降低OFDM峰均比进行了深入研究，但是在水声领域中该技术发展缓慢，由于水声信道的复杂性，算法的复杂度、参数的选择等诸多方面都影响着水声通信系统的性能，因此简单易于实现的降低峰均比方法，更适合水声通信领域。在以上三类技术中，信号预畸变类技术具有算法简单，计算复杂度不随子载波数目的增加而增加的优势，更适合信道带宽有限、子载波数目较多的OFDM水声通信，信号预畸变类技术中限幅类技术实现简单，在OFDM水声通信领域中得到了广泛的应用。但限幅是一个非线性过程，将导致严重的带内干扰和带外噪声，从而降低整个系统的误比特率性能和频谱效率，导致系统性能下降。在以往的水声通信中，为了降低限幅法对系统误码性能的影响，均采用提高限幅门限的方式，即以影响降低峰均比效果为代价，同时对系统误码性能的影响依然存在，未对限幅噪声进行处理，未从根本上解决限幅法产生的影响问题。本发明基于这一问题，提出重叠压缩感知方法，对限幅噪声进行恢复和消除处理，保证降低系统峰均比性能的前提下，提高了正交频分复用水声通信系统的误码性能。

压缩感知理论，表明当信号具有稀疏性，或者具有可压缩性时，就可以利用一个与变换基不相干的测量矩阵将变换所得的高维信号线性投影到一个低维空间上，得到测量信号。可以保证低维测量信号中包含了高维测量信号的全部信息，然后在处理时通过求解一个稀疏最优化问题就可以精确或高概率精确恢复出原信号。重建方法利用的是信号在某个域上具有稀疏性和可压缩性,通过给定信号更好的表征域，对稀疏信号进行估计。压缩感知信道估计就利用了水声信道的稀疏特性对水声信道进行估计，较传统信道估计均衡方法可减少导频信息或者优化导频信息来提高通信系统的频谱利用率。同时利用限幅噪声的稀疏性，本发明在通信系统接收端，提出了重叠压缩感知方法，对限幅噪声进行恢复的同时利用压缩感知信道估计的结果，该方法能够有效的恢复恢复限幅噪声，进而降低限幅噪声对通信系统性能的影响，提升通信系统误比特率性能和频谱效率。

发明内容

本发明的目的是针对限幅法产生的带内干扰和带外噪声降低OFDM水声通信系统性能而提供一种消除正交频分复用水声通信系统限幅噪声的方法。

本发明的目的是这样实现的：包括如下步骤：

步骤一：在发射端发射信号经过串并变换后经过IFFT模块，将频域信号转换成时域信号；

步骤二：对时域信号进行限幅操作，限幅比CR为其中σ为限幅前OFDM符号的平均能量，A为预先设定的限幅门限，限幅后符号表示为：

$s_{clipping}=\left\{\begin{array}{c}{s}_n,\left|s_n\right|\≤A\\ \mathrm{sgn}\left(s_n\right)\·A,else\end{array}\right.$

其中：s_clipping是限幅操作后的信号，sgn(·)是符号函数，s_n是限幅前的离散数据；

步骤三：对限幅后的信号进行串并转换，将并行数据转换为串行数据，数据经过水声信道到达接收端，而接收端限幅后的频域信号为：

$\stackrel{\‾}{S}\left(k\right)=S\left(k\right)+C\left(k\right)$

其中：k＝0,1,…N-1，S(k)为原始发射信号频域表达式，C(k)为限幅噪声的频域表达式，为限幅后的发射信号频域表达式；

步骤四：接收端将接收的时域数据经过FFT模块转换为频域数据，且经过水声信道后的接收信号的频域表达式为：

Y(k)＝H(k)(S(k)+C(k))+N(k),0≤k≤N-1

其中：Y(k)代表接收信号，H(k)是水声信道的传输函数、且为N×N维对角阵，限幅噪声由C＝[C₀,C₁,…C_N-1]^T表示、维度是N×1，N(k)是均值为0、方差为的高斯白噪声、维度是N×1，Y、S、C、N均为列向量；

步骤五：利用压缩感知方法，估计水声信道H^-1；

步骤六：利用信道信息估计得到发射信号，而发射信号S^eq等效为：S^eq＝H^-1Y＝S+C+H^{- 1}N，在从中选取M个观测量，在等式两端乘以选择矩阵P_RR，得到：P_RRS^eq＝P_RRFc+P_RRS+P_RRH^-1N；

步骤七：利用选取的信号处的观测量对限幅噪声进行重构，选择的是CS算法中OMP准则，重构后的噪声量为

P_RRS^eq与估计量的差值为：

$\tilde{S}=P_{RR}{S}^{eq}-P_{RR}\hat{S}=P_{RR}Fc+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}=\mathrm{\Φ}c+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}N$

其中：Φ＝P_RRF是维度为M×N的压缩感知观测矩阵，F是傅里叶变换矩阵；通过压缩感知方法可重构限幅噪声接收端，S^eq减去重构的限幅噪声频域量后的结果进行下一步的判决；

步骤八：对接收信号进行判决，得到发射信号的估计值，去除了限幅噪声对系统的影响。

本发明还包括这样一些结构特征：

1.步骤八中的判决式为：

本发明在发射端针对正交频分复用高峰均比的问题，采用了限幅法降低了通信系统的峰均比。限幅后的信号可表示为：s_c(n)＝s(n)+c(n)，其中s_c(n)为限幅后信号，s(n)为限幅前原始信号，c(n)为时域限幅噪声。在接收端采用了压缩感知的方法估计水声信道。将正交频分复用中的离散傅里叶变换和压缩感知技术关联起来，离散傅里叶变换相当于基矩阵Ψ，信道的频域观测数据相当于少部分观测量Ω。由于水声信道具有在时域上是稀疏的特点，满足压缩感知关于信号重建的条件，因此，水声信道可以通过压缩感知技术准确地恢复出来。基于限幅噪声会给通信系统带来带内干扰和带外噪声这一缺点，在接收端，利用限幅噪声的稀疏性，采用压缩感知方法，对限幅噪声进行恢复。

与现有技术相比，本发明的有益效果是：本发明通过仿真和水池实验验证了该方法的可行性，仿真中在保证降低峰均比效果的前提下，即使在较低信噪比情况下，仍可保持系统误码性能，本发明一种消除水声通信系统限幅噪声的方法，解决了以往利用限幅法降低OFDM水声通信系统峰均比时降低系统性能的问题，简单易行。从附图7中可以看出，即使当信噪比较低时，改进算法依然能提高系统的误码率，可较限幅法降低10^-1，较不恢复限幅噪声有5dB的增益，达到了有效提高通信系统误码性能的作用。

附图说明

图1是发射端加入限幅法降低PAPR流程图；

图2是接收端重叠压缩感知法恢复限幅噪声流程图；

图3是MP和OMP法估计水声信道比较图；

图4是MP和OMP估计的均方误差比较图；

图5是MP和OMP残差能量比较图；

图6是发明中方法-重叠压缩感知法恢复限幅噪声图；

图7是多途信道下误码率性能比较图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

本发明包括如下步骤：

步骤一：在发射端发射信号经过串并变换后经过IFFT模块，将频域信号转换成时域信号。

步骤二：对时域信号进行限幅操作，其中限幅比CR(Clipping Ratio)定义为其中σ为限幅前OFDM符号的平均能量。

步骤三：对限幅后的信号进行串并转换，将并行数据转换为串行数据，数据经过水声信道到达接收端。

步骤四：接收端将接收的时域数据经过FFT模块转换为频域数据。

步骤五：利用压缩感知方法，估计水声信道，得到H^-1。

步骤六：利用信道信息估计得到发射信号，同时在发射信号中选取M组可靠信息，即乘以选择矩阵P_RR。

步骤七：利用选取的信号处的观测量对限幅噪声进行重构，同样利用CS算法中OMP准则，重构后的噪声量用表示。

步骤八：最后经过判决式2对接收信号进行判决，去除限幅噪声对系统的影响。

本发明一种消除正交频分复用水声通信系统限幅噪声的方法，更为详尽的对本法进行描述：

在发射端，对OFDM水声通信系统时域信号做限幅处理。限幅后符号表示为：

$s_{clipping}=\left\{\begin{array}{c}{s}_n,\left|s_n\right|\≤A\\ \mathrm{sgn}\left(s_n\right)\·A,else\end{array}\right.,$

其中：s_clipping代表限幅操作后的信号，sgn(·)代表符号函数，A为预先设定的限幅门限，限幅比CR(Clipping Ratio)定义为其中σ为限幅前OFDM符号的平均能量。

在接收端，首先进行压缩感知信道估计。信道冲击响应表示为：其中N_p为多径数目，与环境和传播距离有关的第p条路径的复增益为A_p，τ_p代表第p条路径的时延。将OFDM中的离散傅里叶变换和压缩感知技术关联起来，离散傅里叶变换相当于基矩阵Ψ，信道的频域观测数据相当于少部分观测量Ω。由于水声信道具有在时域上是稀疏的特点，满足压缩感知关于信号重建的条件，因此，水声信道可以通过压缩感知技术准确的恢复出来。

在接收端，进行压缩感知恢复限幅噪声，限幅后的频域信号表达式为：其中k＝0,1,...N-1，其中S(k)为原始发射信号频域表达式，C(k)为限幅噪声的频域表达式，为限幅后的发射信号频域表达式。经过水声信道后的接收信号的频域表达式为：

Y(k)＝H(k)(S(k)+C(k))+N(k),0≤k≤N-1

其中：Y(k)代表接收信号，H(k)是水声信道的传输函数，为N×N维对角阵。限幅噪声由C＝[C₀,C₁,...C_N-1]^T表示，维度是N×1，N(k)是0均值，方差为的高斯白噪声，维度是N×1。Y,S,C,N均为列向量。

假设接收端信道估计和同步准确，经过水声信道，发射信号等效为：

S^eq＝H^-1Y＝S+C+H^-1N。

从中选取M个观测量，在等式两端乘以选择矩阵P_RR，得到：

P_RRS^eq＝P_RRFc+P_RRS+P_RRH^-1N

用上式减去估计量得：

$\tilde{S}=P_{RR}{S}^{eq}-P_{RR}\hat{S}=P_{RR}Fc+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}=\mathrm{\Φ}c+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}N$

其中：Φ＝P_RRF是维度为M×N的压缩感知观测矩阵，其中F是傅里叶变换矩阵。上式可以用压缩感知技术解决。通过压缩感知方法可重构限幅噪声接收端，S^eq减去重构的限幅噪声频域量得到最终结果。式中H通过压缩感知信道估计所得。利用压缩感知信道估计所得结果来恢复的限幅噪声，在接收端将限幅噪声去除，提高正交频分复用水声通信系统误码性能。

在接收端，由重构限幅噪声等式得，恢复限幅噪声过程中，需要利用信道H的信息，以及通过信道信息估计所得发射数据。因此提出重叠压缩感知恢复限幅噪声法，其中说明书附图2包含两个判决：

判决1：

判决2：

本发明一种消除正交频分复用水声通信系统限幅噪声的方法，压缩感知信道估计和压缩感知恢复限幅噪声采用了了贪婪重构算法中的OMP(Orthogonal Matching Pursuit)正交匹配追踪算法，对MP(Matching Pursuit)算法和OMP算法性能进行了比较，OMP性能较优。

其中OMP算法实现步骤如下：

1).初始化

k＝0，y₀＝0，e₀＝y，其中k是迭代次数，y₀是y的初始值，y为迭代结果，e₀为误差的初始值

2).递归提取

a.内积计算，<e_k,a_j>,a_j∈A/A_k，A/A_k代表原子字典A中去除前几次迭代选出的原子的残留原子库。

b.内积计算结果中选取最大值a_j作为

c.正交化，当k＞0时，将正交化，并用u_k+1表示，即

d.k次循环后,y近似表示为，

k次循环后的残差为：

3).判定残差，k值将一直增加，直到小于预设的信噪比能量的值。

Claims (2)

1.一种消除正交频分复用水声通信系统限幅噪声的方法，其特征在于：包括如下步骤：

步骤一：在发射端发射信号经过串并变换后经过IFFT模块，将频域信号转换成时域信号；

步骤二：对时域信号进行限幅操作，限幅比CR为其中σ为限幅前OFDM符号的平均能量，A为预先设定的限幅门限，限幅后符号表示为：

$s_{clipping}=\left\{\begin{array}{c}{s}_n,\left|s_n\right|\&le;A\\ \mathrm{sgn}\left(s_n\right)\&CenterDot;A,slse\end{array}\right.$

其中：s_clipping是限幅操作后的信号，sgn(·)是符号函数，s_n是限幅前的离散数据；

步骤三：对限幅后的信号进行串并转换，将并行数据转换为串行数据，数据经过水声信道到达接收端，而接收端限幅后的频域信号为：

$\stackrel{\&OverBar;}{S}\left(k\right)=S\left(k\right)+C\left(k\right)$

其中：k＝0,1,...N-1，S(k)为原始发射信号频域表达式，C(k)为限幅噪声的频域表达式，为限幅后的发射信号频域表达式；

步骤四：接收端将接收的时域数据经过FFT模块转换为频域数据，且经过水声信道后的接收信号的频域表达式为：

Y(k)＝H(k)(S(k)+C(k))+N(k),0≤k≤N-1

其中：Y(k)代表接收信号，H(k)是水声信道的传输函数、且为N×N维对角阵，限幅噪声由C＝[C₀,C₁,...C_N-1]^T表示、维度是N×1，N(k)是均值为0、方差为的高斯白噪声、维度是N×1，Y、S、C、N均为列向量；

步骤五：利用压缩感知方法，估计水声信道H^-1；

步骤六：利用信道信息估计得到发射信号，而发射信号S^eq等效为：S^eq＝H^-1Y＝S+C+H^-1N，在从中选取M个观测量，在等式两端乘以选择矩阵P_RR，得到：P_RRS^eq＝P_RRFc+P_RRS+P_RRH^-1N；

步骤七：利用选取的信号处的观测量对限幅噪声进行重构，选择的是CS算法中OMP准则，重构后的噪声量为

P_RRS^eq与估计量的差值为：

$\tilde{S}=P_{RR}{S}^{eq}-P_{RR}\hat{S}=P_{RR}Fc+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}=\mathrm{\&Phi;}c+P_{RR}(S-\hat{S})+P_{RR}{H}^{-1}N$

其中：Φ＝P_RRF是维度为M×N的压缩感知观测矩阵，F是傅里叶变换矩阵；通过压缩感知方法可重构限幅噪声接收端，S^eq减去重构的限幅噪声频域量后的结果进行下一步的判决；

步骤八：对接收信号进行判决，得到发射信号的估计值，去除了限幅噪声对系统的影响。

2.根据权利要求1所述的一种消除正交频分复用水声通信系统限幅噪声的方法，其特征在于：步骤八中的判决式为：