CN108737303B - 一种水下无人平台远程稳健通信方法 - Google Patents

一种水下无人平台远程稳健通信方法 Download PDF

Info

Publication number
CN108737303B
CN108737303B CN201810519878.4A CN201810519878A CN108737303B CN 108737303 B CN108737303 B CN 108737303B CN 201810519878 A CN201810519878 A CN 201810519878A CN 108737303 B CN108737303 B CN 108737303B
Authority
CN
China
Prior art keywords
signal
channel
filter
vector
feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810519878.4A
Other languages
English (en)
Other versions
CN108737303A (zh
Inventor
生雪莉
阮业武
陆典
殷敬伟
韩笑
杨超然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Publication of CN108737303A publication Critical patent/CN108737303A/zh
Application granted granted Critical
Publication of CN108737303B publication Critical patent/CN108737303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03178—Arrangements involving sequence estimation techniques
    • H04L25/03248—Arrangements for operating in conjunction with other apparatus
    • H04L25/03254—Operation with other circuitry for removing intersymbol interference
    • H04L25/03267—Operation with other circuitry for removing intersymbol interference with decision feedback equalisers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明涉及一种水下无人平台远程稳健通信方法，利用水声信道通常关于时间是非对称的物理特性，利用时间反转器与自适应多通道判决反馈均衡器相结合形成双向自适应多通道判决反馈均衡器，进行了基于单矢量水听器的双向自适应多通道判决反馈均衡器均衡；本发明引入误差反馈滤波回路，形成双向自适应多通道误差反馈判决反馈均衡器从而进行基于单矢量的双向自适应多通道误差反馈判决反馈均衡器均衡。本发明减小信号判决出错的机率，进一步降低了均衡误码率，将过去时刻的误差反馈到均衡器中，降低均衡器中误差信号间的相关性，从而更进一步地降低了均衡后的误码率，有效提高了接收机的稳健性，进一步提高接收机均衡性能。

Description

一种水下无人平台远程稳健通信方法
技术领域
本发明涉及一种水下通信方法，特别是一种水下无人平台远程稳健通信方法。
背景技术
海洋是一个随机时变、空变的复杂水声信道。在水声通信中，除了严重的多途干扰，水声信号在传播过程中的传播路径损耗、多径衰落及多普勒效应，都会引起信号的畸变，使接收机收到的信号产生严重的码间干扰，从而使通信质量下降，甚至导致通信过程无法有效地进行。自适应多通道判决反馈信道均衡技术是高速水声通信中有效抑制码间干扰的手段之一。其是空间分集技术和和自适应判决反馈均衡技术的有效结合，不仅能利用垂直信道空间相关半径小的物理特性进行抗信道衰落、提高接收信号质量，还能在高信噪比条件下有效抑制时变信道中的多途干扰。但是这种利用垂直阵进行接收的接收机尺寸通常较大。
由于水下无人平台(如UUV等)自身需要保持一定的运动速度和运动灵敏度，所以采用大尺寸接收阵进行抗信道衰落和环境噪声的方法在水下无人平台上并不适用。所以研究性能稳健、尺寸较小、误码率更低的接收机对进一步提高水下无人平台的通信性能是十分有意义的。
《一种基于单矢量传感器的水声自适应判决反馈均衡方法》(申请号CN201510504768.7)利用了矢量水听器的振速偶极子指向性、声压与水平振速的联合处理可获得单边带指向性波束，理论上可获得约4.8dB的线性组合增益，有效地抑制环境噪声，提高接收信噪比；以及利用了矢量场中声压与垂直振速是非相干的物理特性进行了分集处理，理论上可获得约3dB的分集增益。相对于单标量水听器的自适应判决反馈均衡方法，该方法可以提高接收信噪比和均衡处理增益，有效降低了均衡误码率。但是判决反馈均衡器结构自身存在着一定的缺点，即必须假定过去时刻的判决信息是正确的，否则会出现错误传播现象，从而导致后面均衡结果全都出错。
发明内容
针对上述现有技术，本发明要解决的技术问题是提供一种能够有效降低均衡后的误码率，有效提高接收机的稳健性的水下无人平台远程稳健通信方法。
为解决上述技术问题，本发明一种水下无人平台远程稳健通信方法,包括以下步骤:
步骤一：发射信号设计，具体为：
发射信号包括：线性调频信号、保护间隔、矩形脉冲信号、训练序列、通信信号；
其中，线性调频信号作为同步信号；矩形脉冲信号用于测出声源的方位角；保护间隔用于避免同步信号和通信信号经过信道传输后混叠、无法区分；训练序列用于利用已知的训练序列对均衡器中的滤波器权系数进行训练学习，使均衡器中的滤波器权系数和信道匹配；通信信号传输需要传输的信息；训练序列和通信信号均为由基带信号d(n)经过正交相移键控映射和脉冲整形后的调制信号；
步骤二：信号发射与接收，具体为：
经过步骤一正交相移键控调制和脉冲整形后的发射信号S(t)经过时变矢量信道，即与信道冲激响应函数进行卷积运算，然后加上各向同性的非相干的高斯白噪声；
经过矢量水听器采集后的输出的声压信号Xp(t)、x方向振速信号Xvx(t)、y方向振速信号Xvy(t)、和z方向振速信号Xvz(t)分别表示为：
Figure BDA0001674539420000021
Figure BDA0001674539420000022
Figure BDA0001674539420000023
Figure BDA0001674539420000024
其中hp(t)为声压信道，hvx(t)为x方向振速信道，hvy(t)为y方向振速信道，hvz(t)为z方向振速信道，np、nvx、nvy和nvz分别表示声压通道与振速通道的环境噪声、是各向同性的非相干的高斯白噪声；
步骤三：方位估计，具体为：
S1：对接收信号进行滤波后，利用水平振速信号Xvx(t)、Xvy(t)中的同步头，通过有源平均声强器对声源相对于接收机的水平方位角度
Figure BDA0001674539420000025
进行估计，即：
Figure BDA0001674539420000026
Figure BDA0001674539420000027
其中Slfm(t)为发射线性调频信号样本，As为信号拷贝相关峰值，Δx、Δy为干扰小项，
Figure BDA0001674539420000028
Figure BDA0001674539420000029
分别为vx振速方向、vy振速方向的平均声强，τ代表时延，Δx、Δy为干扰小项；
则声源相对于接收机的水平方位估计角
Figure BDA0001674539420000031
为：
Figure BDA0001674539420000032
S2：进行水平振速合成，合成振速信号Xvc为：
Figure BDA0001674539420000033
S3：声压信号与合成振速信号进行线性组合，即：
Xp+2vc＝Xp+2Xvc (9)
步骤四：信道均衡，具体为：
将解调和降采样后的垂直振速信号Xvz和组合信号Xp+2vc作为双向自适应多通道误差反馈判决反馈均衡器的输入信号；
正向自适应多通道误差反馈判决反馈均衡器均衡过程：
S1：自适应多通道误差反馈判决反馈均衡器的前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量建立
当在n时刻时，前馈滤波器的输入信号向量Xp+2vc(n)、Xvz(n)和滤波器权系数向量Wf1(n)、Wf2(n)分别表示为：
Xp+2vc(n)＝[xp+2vc(n+L),xp+2vc(n+L-1),...,xp+2vc(n)] (10)
Xvz(n)＝[xvz(n+L),xvz(n+L-1),...,xvz(n)] (11)
Wf1(n)＝[wf1(-L),wf1(-L-1),...,wf1(0)] (12)
Wf2(n)＝[wf2(-L),wf2(-L-1),...,wf2(0)] (13)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量可分别表示为：
Figure BDA0001674539420000034
Wb1(n)＝[wb1(1),wb1(2),...,wb1(M)] (15)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量可分别表示为：
E1(n)＝[e1(n-1),e1(n-2),...,e1(n-M)] (16)
We1(n)＝[we1(1),we1(2),...,we1(M)] (17)
前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量可分别用X1(n)、W1(n)表示如下：
X1(n)＝[Xp+2vc(n),Xvz(n),D1(n),E1(n)]T (18)
W1(n)＝[Wf1(n),Wf2(n),Wb1(n),We1(n)]T (19)
其中[·]T表示对矩阵向量[·]进行转置；
S2：计算自适应多通道误差反馈判决反馈均衡器的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y1(n)＝X1 T(n)W1(n)＝W1 T(n)X1(n) (20)
S3：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure BDA0001674539420000041
S4：根据均衡残差利用递推最小二乘法自适应更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k1(n)：
Figure BDA0001674539420000042
其中p1(n)为相关矩阵的逆，λ1为遗忘因子；
更新相关矩阵的逆：
P1(n)＝λ1 -1[P1(n-1)-k1(n)X1 T(n)P1(n-1)] (23)
更新均衡器的权向量：
W1(n)＝W1(n-1)+k1(n)e1 *(n) (24)
其中e1 *(n)为e1(n)的共轭，n+1时刻依次重复上述的S1至S4过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡；输出所有时刻的输出序列Y1；
反向自适应多通道误差反馈判决反馈均衡器均衡过程：
S1：对输入信号先进行时间反转
在反向自适应多通道误差反馈判决反馈均衡中，首先对输入信号进行时间反转处理，即：
Figure BDA0001674539420000051
反向自适应多通道误差反馈判决反馈均衡器的前馈滤波器的输入信号向量表示为
Figure BDA0001674539420000052
和
Figure BDA0001674539420000053
S2：对时间反转后的输入信号进行自适应多通道误差反馈判决反馈均衡
自适应多通道误差反馈判决反馈均衡器的前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量建立：
当在n时刻时，前馈滤波器的输入信号向量
Figure BDA0001674539420000054
和滤波器权系数向量Wf3(n)、Wf4(n)分别表示为：
Figure BDA0001674539420000055
Figure BDA0001674539420000056
Wf3(n)＝[wf3(-L),wf3(-L-1),...,wf3(0)] (27)
Wf4(n)＝[wf4(-L),wf4(-L-1),...,wf4(0)] (28)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量分别表示为：
Figure BDA0001674539420000057
Wb2(n)＝[wb2(1),wb2(2),...,wb2(M)] (30)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量分别表示为：
E2(n)＝[e2(n-1),e2(n-2),...,e2(n-M)] (31)
We2(n)＝[we2(1),we2(2),...,we2(M)] (32)
所以前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量分别用X2(n)、W2(n)表示如下：
Figure BDA0001674539420000058
W2(n)＝[Wf3(n),Wf4(n),Wb2(n),We2(n)]T (34)
其中[·]T表示对矩阵向量[·]进行转置；
S3：计算自适应多通道误差反馈判决反馈均衡器的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y2(n)＝X2 T(n)W2(n)＝W2 T(n)X2(n) (35)
S4：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure BDA0001674539420000061
S5：根据均衡残差利用递推最小二乘法自适应更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k2(n)：
Figure BDA0001674539420000062
其中p2(n)为相关矩阵的逆，λ2为遗忘因子；
更新相关矩阵的逆：
P2(n)＝λ2 -1[P2(n-1)-k2(n)X2 T(n)P2(n-1)] (38)
更新均衡器的权向量：
W2(n)＝W2(n-1)+k2(n)e2 *(n) (39)
其中e2 *(n)为e2(n)的共轭，n+1时刻依次重复上述的S2至S5过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡，输出所有时刻的输出序列Y2；
S6：对均衡后的结果再进行时间反转
对自适应多通道误差反馈判决反馈均衡器的均衡后序列进行时间反转，即：
Figure BDA0001674539420000063
反向自适应多通道误差反馈判决反馈均衡器的输出序列向量为
Figure BDA0001674539420000064
对正向均衡和反向均衡的输出信号进行等增益合并，即：
Figure BDA0001674539420000065
对Y进行检测判决，得到均衡后的输出基带序列
Figure BDA0001674539420000066
利用
Figure BDA0001674539420000067
和发射信号的基带信号序列d(n)计算出均衡后的误码率。
本发明的有益效果：本发明利用水声信道通常关于时间是非对称的物理特性，利用时间反转器与自适应多通道判决反馈均衡器相结合形成双向自适应多通道判决反馈均衡器Two-way Adaptive multi-channel decision feedback equalizer：TW-AMDFE)，进行了基于单矢量水听器的TW-AMDFE均衡；本发明引入误差反馈滤波回路，对双TW-AMDFE进行改进，形成双向自适应多通道误差反馈判决反馈均衡器(Two-way Adaptive multi-channel decision feedback equalizerusing error feedback：TW-EFB-AMDFE)，从而进行基于单矢量的TW-EFB-AMDFE均衡。
这不仅能利用矢量水听器的振速偶极子指向性、声压与水平振速的联合处理可获得单边带指向性波束，有效地抑制环境噪声，提高接收信噪比，以及利用了矢量场中声压与垂直振速是非相干的物理特性进行了分集处理，理论上可获得约3dB的分集增益，这使接收机能接收到更远处的声源信号。在此基础上，双向判决反馈均衡器利用正向均衡与反向均衡的性能差异减小信号判决出错的机率，进一步降低了均衡误码率，这本质上也相当于是一种分集。同时引入误差反馈滤波回路对双向判决反馈均衡器结构进行进一步优化，即将过去时刻的误差反馈到均衡器中，降低均衡器中误差信号间的相关性，从而更进一步地降低了均衡后的误码率，有效提高了接收机的稳健性，进一步提高接收机均衡性能。
附图说明
图1是无人平台水声通信系统示意图；
图2是基于单矢量的TW-EFB-AMDFE均衡的流程示意图；
图3是发射信号帧结构示意图；
图4是双向自适应多通道误差反馈判决反馈均衡器框图；
图5是自适应多通道误差反馈判决反馈均衡器原路框图；
图6(a)是SNR＝10dB时变信道中基于单矢量的AMDFE均衡结果；
图6(b)是SNR＝10dB时变信道中基于单矢量的TW-AMDFE均衡结果；
图6(c)是SNR＝10dB时变信道中基于单矢量的TW-EFB-AMDFE均衡结果；
图7是时变信道中基于单矢量的AMDFE、TW-AMDFE和TW-EFB-AMDFE均衡误码率比较曲线
具体实施方式
下面结合附图，详细说明本发明提供的一种基于单矢量的TW-EFB-AMDFE均衡方法。
在根据本发明的一个实施例中，图1为无人平台水声通信系统示意图。
图2为基于单矢量的TW-EFB-AMDFE均衡的流程示意图。根据本实施例，从发射信号设计到均衡输出的流程如下：
一、发射信号设计
发射信号包含：线性调频信号(LFM)、保护间隔、矩形脉冲(CW信号)信号、训练序列(training)、通信信号(data)五部分，信号的帧结构设计如图3所示，每一帧的信号结构依次保护间隔、LFM、保护间隔、CW信号、保护间隔、training、data、training、保护间隔、LFM，信号是一帧一帧的重复发射。
LFM信号是当作同步信号使用，即用接收信号与发射的LFM信号样本进行拷贝相关，当出现很强的相关峰值时，即为接收到了完整的发射LFM信号，而保护间隔和信号的长度是已知的，则可以准确判断出信号的到达时刻。
CW信号是用于测向，即将矢量水听器输出的CW信号输入平均声强器，从而测出声源的方位角。
保护间隔的作用是为了避免同步信号和通信信号经过信道传输后完全混叠在一起而区分不开。
训练序列的作用是利用已知的训练序列对均衡器中的滤波器权系数进行训练学习，使均衡器中的滤波器权系数和信道匹配。
通信信号的作用就是传输用户需要传输的信息。
训练序列和通信信号均是由基带信号d(n)经过正交相移键控(QPSK)映射和脉冲整形后的调制信号。因为基带信号波形通常是矩形脉冲，其频谱很宽，不利于传输，脉冲整形技术是将输入信号的频带压缩，把传输码变成适宜在信道传输的基带信号波形。
二、信号发射与接收
首先经过脉冲整形和调制的发射信号用S(t)表示。用时变矢量信道模型模拟出收发接收机间的矢量信道，即声压信道为hp(t)，x方向振速信道为hvx(t)，y方向振速信道为hvy(t)，z方向振速信道hvz(t)。发射信号经过信道，即发射信号与信道冲激响应函数进行卷积运算，然后再加上各向同性的非相干的高斯白噪声，所以模拟发射信号经过矢量信道到达接收机，经过矢量水听器采集后的输出声压信号与振速信号可分别表示为：
矢量水听器输出的声压信号：
Figure BDA0001674539420000081
矢量水听器输出的x方向振速信号：
Figure BDA0001674539420000082
矢量水听器输出的y方向振速信号：
Figure BDA0001674539420000083
矢量水听器输出的z方向振速信号：
Figure BDA0001674539420000084
其中np，nvx，nvy，nvz分别表示声压通道与振速通道的环境噪声，它们是各向同性的非相干的高斯白噪声。
三、方位估计
其次对接收信号Xp(t)、Xvx(t)、Xvy(t)、Xvz(t)进行滤波后，利用水平振速信号Xvx(t)、Xvy(t)中的同步头(即LFM信号)通过有源平均声强器对声源相对于接收机的水平方位角度
Figure BDA0001674539420000091
进行估计，即：
Figure BDA0001674539420000092
Figure BDA0001674539420000093
其中Slfm(t)为发射LFM信号样本；As为信号拷贝相关峰值；
Figure BDA0001674539420000094
分别为vx振速方向、vy振速方向的平均声强，其中
Figure BDA0001674539420000095
表示对x求期望；τ代表时延；Δx、Δy为干扰小项。
所以声源相对于接收机的水平方位估计角
Figure BDA0001674539420000096
为：
Figure BDA0001674539420000097
根据估计出来的水平方位角，则可进行水平振速合成，即合成振速信号Xvc为：
Figure BDA0001674539420000098
所以声压信号与合成振速信号进行线性组合，即：
Xp+2vc＝Xp+2Xvc (49)
四、信道均衡
将解调和降采样后的垂直振速信号Xvz和组合信号Xp+2vc作为双向自适应多通道误差反馈判决反馈均衡器的输入信号；
图4中为TW-EFB-AMDFE原理框图。其由一个自适应多通道误差反馈判决反馈均衡器(Adaptive multi-channeldecision feedback equalizerusing error feedback：EFB-AMDFE)和一个反向自适应多通道误差反馈判决反馈均衡器(即结合了时间反转的EFB-AMDFE)组成，其中EFB-AMDFE的原理框图如图5中的点划线框部分所示，点划线框左侧为EFB-AMDFE的输入信号，右侧为EFB-AMDFE的输出信号。假设EFB-AMDFE中的前馈滤波器(Feed Forward Filter：FFF)均为L+1阶，反馈滤波器(Feed Back Filter：FBF)为M阶，误差反馈滤波器(Error feedback filter:EFBF)为N阶。其中
Figure BDA0001674539420000099
表示为x的时间序列进行时间反转。附图5是对附图4中的EFB-AMDFE的补充说明，图5中所标记的量是通用量。物理量的下标是为了区别正向均衡和反向均衡中的不同。后面的同理。正向均衡的下标为“1”，反向均衡的下标为“2”。唯一特殊之处为：正向均衡的前馈滤波器权系数向量表示为Wf1(n)、Wf2(n)；反向均衡的前馈滤波器权系数向量表示为Wf3(n)、Wf4(n)；
正向自适应多通道误差反馈判决反馈均衡器均衡过程：
S1：EFB-AMDFE的FFF、FBF和EFBF的输入信号向量和滤波器权系数向量建立
当在n时刻时，前馈滤波器的输入信号向量Xp+2vc(n)、Xvz(n)和滤波器权系数向量Wf1(n)、Wf2(n)分别表示为：
Xp+2vc(n)＝[xp+2vc(n+L),xp+2vc(n+L-1),...,xp+2vc(n)] (50)
Xvz(n)＝[xvz(n+L),xvz(n+L-1),...,xvz(n)] (51)
Wf1(n)＝[wf1(-L),wf1(-L-1),...,wf1(0)] (52)
Wf2(n)＝[wf2(-L),wf2(-L-1),...,wf2(0)] (53)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量可分别表示为：
Figure BDA0001674539420000101
Wb1(n)＝[wb1(1),wb1(2),...,wb1(M)] (55)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量可分别表示为：
E1(n)＝[e1(n-1),e1(n-2),...,e1(n-M)] (56)
We1(n)＝[we1(1),we1(2),...,we1(M)] (57)
所以前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量可分别用X1(n)、W1(n)表示如下：
X1(n)＝[Xp+2vc(n),Xvz(n),D1(n),E1(n)]T (58)
W1(n)＝[Wf1(n),Wf2(n),Wb1(n),We1(n)]T (59)
其中[·]T表示对矩阵向量[·]进行转置；
S2：计算EFB-AMDFE的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y1(n)＝X1 T(n)W1(n)＝W1 T(n)X1(n) (60)
S3：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure BDA0001674539420000102
S4：根据均衡残差利用RLS自适应算法更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k1(n)：
Figure BDA0001674539420000111
其中p1(n)为相关矩阵的逆，λ1为遗忘因子。
更新相关矩阵的逆：
P1(n)＝λ1 -1[P1(n-1)-k1(n)X1 T(n)P1(n-1)] (63)
更新均衡器的权向量：
W1(n)＝W1(n-1)+k1(n)e1 *(n) (64)
其中e1 *(n)为e1(n)的共轭，n+1时刻依次重复上述的S1至S4过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡，最后输出所有时刻的输出序列Y1。
反向自适应多通道误差反馈判决反馈均衡器其实就是由一个EFB-AMDFE和时间反转组合而成的，所以均衡原理和流程与EFB-AMDFE是相同并同步进行的，不同之处在于其输入信号序列为EFB-AMDFE的输入序列进行时间反转后的序列，而其输出序列为EFB-AMDFE均衡完后的序列进行时间反转后再输出。
反向自适应多通道误差反馈判决反馈均衡器均衡过程：
S1：对输入信号先进行时间反转
在反向自适应多通道误差反馈判决反馈均衡中，首先需要对输入信号进行时间反转处理，即：
Figure BDA0001674539420000112
所以反向自适应多通道误差反馈判决反馈均衡器的前馈滤波器的输入信号向量表示为
Figure BDA0001674539420000113
和
Figure BDA0001674539420000114
S2：对时间反转后的输入信号进行自适应多通道误差反馈判决反馈均衡
自适应多通道误差反馈判决反馈均衡器的前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量建立。
当在n时刻时，前馈滤波器的输入信号向量
Figure BDA0001674539420000115
和滤波器权系数向量Wf3(n)、Wf4(n)分别表示为：
Figure BDA0001674539420000116
Figure BDA0001674539420000117
Wf3(n)＝[wf3(-L),wf3(-L-1),...,wf3(0)] (67)
Wf4(n)＝[wf4(-L),wf4(-L-1),...,wf4(0)] (68)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量可分别表示为：
Figure BDA0001674539420000118
Wb2(n)＝[wb2(1),wb2(2),...,wb2(M)] (70)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量可分别表示为：
E2(n)＝[e2(n-1),e2(n-2),...,e2(n-M)] (71)
We2(n)＝[we2(1),we2(2),...,we2(M)] (72)
所以前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量可分别用X2(n)、W2(n)表示如下：
Figure BDA0001674539420000121
W2(n)＝[Wf3(n),Wf4(n),Wb2(n),We2(n)]T (74)
其中[·]T表示对矩阵向量[·]进行转置；
S3：计算自适应多通道误差反馈判决反馈均衡器的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y2(n)＝X2 T(n)W2(n)＝W2 T(n)X2(n) (75)
S4：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure BDA0001674539420000122
S5：根据均衡残差利用递推最小二乘法自适应更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k2(n)：
Figure BDA0001674539420000123
其中p2(n)为相关矩阵的逆，λ2为遗忘因子。
更新相关矩阵的逆：
P2(n)＝λ2 -1[P2(n-1)-k2(n)X2 T(n)P2(n-1)] (78)
更新均衡器的权向量：
W2(n)＝W2(n-1)+k2(n)e2 *(n) (79)
其中e2 *(n)为e2(n)的共轭，n+1时刻依次重复上述的S2至S5过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡，最后输出所有时刻的输出序列Y2。
S6：对均衡后的结果再进行时间反转
对自适应多通道误差反馈判决反馈均衡器的均衡后序列进行时间反转，即：
Figure BDA0001674539420000124
所以反向自适应多通道误差反馈判决反馈均衡器的输出序列向量为
Figure BDA0001674539420000131
最后对正向均衡和反向均衡的输出信号进行等增益合并，即：
Figure BDA0001674539420000132
利用y即可画出均衡后的星座图。对Y进行检测判决，即进行反映射，得到均衡后的输出基带序列
Figure BDA0001674539420000133
利用
Figure BDA0001674539420000134
和发射信号的基带信号序列d(n)则可以进行计算出均衡后的误码率。
下面考察基于单矢量的TW-EFB-AMDFE的均衡性能。分别对基于单矢量的AMDFE均衡、基于单矢量的TW-AMDFE均衡和TW-EFB-AMDFE均衡进行仿真。
仿真条件：采样频率为fs＝48kHz；载频fc＝6kHz；同步头为脉冲长度为0.2s的LFM信号，CW信号的脉冲长度为0.2s，频率带宽为4kHz，频率下限为4kHz的线性调频信号；调制方式为QPSK相位调制；通信速率为2kbps；升余弦滚降系数为0.7；遗忘因子为0.99965；发射深度为20m，接收深度为40m，收发间距为1000m的时变矢量信道，信道时延扩展为50ms。前馈滤波器阶数为55，反馈滤波器阶数为54，误差反馈滤波器阶数为35。仿真均衡后的星座图和均衡后误码率曲线分别如图6和图7所示。
由图6的比较分析可知，TW-EFB-AMDFE均衡后的星座图比AMDFE均衡后的星座图更收敛，输出增益也比AMDFE的约高3.7dB；TW-EFB-AMDFE均衡后的星座图比TW-AMDFE均衡后的星座图更收敛，输出增益也比TW-AMDFE的约高1.2dB；由图7中两者均衡后的误码率曲线的比较可知，在同一信噪比条件下，TW-EFB-AMDFE均衡后的误码率比AMDFE和TW-AMDFE均衡后的误码率都低。综上所述可知，基于单矢量的TW-EFB-AMDFE的均衡性能比AMDFE和TW-AMDFE的均衡性能更好，说明引入误差反馈回路的双向均衡方法能进一步提高AMDFE的均衡性能。

Claims (1)

1.一种水下无人平台远程稳健通信方法，其特征在于：包括以下步骤：
步骤一：发射信号设计，具体为：
发射信号包括：线性调频信号、保护间隔、矩形脉冲信号、训练序列、通信信号；
其中，线性调频信号作为同步信号；矩形脉冲信号用于测出声源的方位角；保护间隔用于避免同步信号和通信信号经过信道传输后混叠、无法区分；训练序列用于利用已知的训练序列对均衡器中的滤波器权系数进行训练学习，使均衡器中的滤波器权系数和信道匹配；通信信号传输需要传输的信息；训练序列和通信信号均为由基带信号d(n)经过正交相移键控映射和脉冲整形后的调制信号；
步骤二：信号发射与接收，具体为：
经过步骤一正交相移键控调制和脉冲整形后的发射信号S(t)经过时变矢量信道，即与信道冲激响应函数进行卷积运算，然后加上各向同性的非相干的高斯白噪声；
经过矢量水听器采集后的输出的声压信号Xp(t)、x方向振速信号Xvx(t)、y方向振速信号Xvy(t)、和z方向振速信号Xvz(t)分别表示为：
Figure FDA0002688972120000011
Figure FDA0002688972120000012
Figure FDA0002688972120000013
Figure FDA0002688972120000014
其中hp(t)为声压信道，hvx(t)为x方向振速信道，hvy(t)为y方向振速信道，hvz(t)为z方向振速信道，np、nvx、nvy和nvz分别表示声压通道与振速通道的环境噪声、是各向同性的非相干的高斯白噪声；
步骤三：方位估计，具体为：
S1：对接收信号进行滤波后，利用水平振速信号Xvx(t)、Xvy(t)中的同步头，通过有源平均声强器对声源相对于接收机的水平方位角度
Figure FDA0002688972120000015
进行估计，即：
Figure FDA0002688972120000016
Figure FDA0002688972120000021
其中Slfm(t)为发射线性调频信号样本，As为信号拷贝相关峰值，Δx、Δy为干扰小项，
Figure FDA0002688972120000022
Figure FDA0002688972120000023
分别为vx振速方向、vy振速方向的平均声强，τ代表时延，Δx、Δy为干扰小项；
则声源相对于接收机的水平方位估计角
Figure FDA0002688972120000024
为：
Figure FDA0002688972120000025
S2：进行水平振速合成，合成振速信号Xvc为：
Figure FDA0002688972120000026
S3：声压信号与合成振速信号进行线性组合，即：
Xp+2vc＝Xp+2Xvc (9)
步骤四：信道均衡，具体为：
将解调和降采样后的垂直振速信号Xvz和组合信号Xp+2vc作为双向自适应多通道误差反馈判决反馈均衡器的输入信号；
正向自适应多通道误差反馈判决反馈均衡器均衡过程：
S1：自适应多通道误差反馈判决反馈均衡器的前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量建立，假设自适应多通道误差反馈判决反馈均衡器的前馈滤波器均为L+1阶，反馈滤波器为M阶，
当在n时刻时，前馈滤波器的输入信号向量Xp+2vc(n)、Xvz(n)和滤波器权系数向量Wf1(n)、Wf2(n)分别表示为：
Xp+2vc(n)＝[xp+2vc(n+L),xp+2vc(n+L-1),...,xp+2vc(n)] (10)
Xvz(n)＝[xvz(n+L),xvz(n+L-1),...,xvz(n)] (11)
Wf1(n)＝[wf1(-L),wf1(-L-1),...,wf1(0)] (12)
Wf2(n)＝[wf2(-L),wf2(-L-1),...,wf2(0)] (13)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量可分别表示为：
Figure FDA0002688972120000027
Wb1(n)＝[wb1(1),wb1(2),...,wb1(M)] (15)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量可分别表示为：
E1(n)＝[e1(n-1),e1(n-2),...,e1(n-M)] (16)
We1(n)＝[we1(1),we1(2),...,we1(M)] (17)
前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量可分别用X1(n)、W1(n)表示如下：
X1(n)＝[Xp+2vc(n),Xvz(n),D1(n),E1(n)]T (18)
W1(n)＝[Wf1(n),Wf2(n),Wb1(n),We1(n)]T (19)
其中[·]T表示对矩阵向量[·]进行转置；
S2：计算自适应多通道误差反馈判决反馈均衡器的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y1(n)＝X1 T(n)W1(n)＝W1 T(n)X1(n) (20)
S3：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure FDA0002688972120000031
S4：根据均衡残差利用递推最小二乘法自适应更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k1(n)：
Figure FDA0002688972120000032
其中P1(n)为相关矩阵的逆，λ1为遗忘因子；
更新相关矩阵的逆：
P1(n)＝λ1 -1[P1(n-1)-k1(n)X1 T(n)P1(n-1)] (23)
更新均衡器的权系数向量：
W1(n)＝W1(n-1)+k1(n)e1 *(n) (24)
其中e1 *(n)为e1(n)的共轭，n+1时刻依次重复上述的S1至S4过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡；输出所有时刻的输出序列Y1；
反向自适应多通道误差反馈判决反馈均衡器均衡过程：
s1：对输入信号先进行时间反转
在反向自适应多通道误差反馈判决反馈均衡中，首先对输入信号进行时间反转处理，即：
Figure FDA0002688972120000041
反向自适应多通道误差反馈判决反馈均衡器的前馈滤波器的输入信号向量表示为
Figure FDA0002688972120000042
和
Figure FDA0002688972120000043
s2：对时间反转后的输入信号进行自适应多通道误差反馈判决反馈均衡
自适应多通道误差反馈判决反馈均衡器的前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量建立：
当在n时刻时，前馈滤波器的输入信号向量
Figure FDA0002688972120000044
和滤波器权系数向量Wf3(n)、Wf4(n)分别表示为：
Figure FDA0002688972120000045
Figure FDA0002688972120000046
Wf3(n)＝[wf3(-L),wf3(-L-1),...,wf3(0)] (27)
Wf4(n)＝[wf4(-L),wf4(-L-1),...,wf4(0)] (28)
当在n时刻时，反馈滤波器的输入信号向量和反馈滤波器的权系数向量分别表示为：
Figure FDA0002688972120000047
Wb2(n)＝[wb2(1),wb2(2),...,wb2(M)] (30)
当在n时刻时，误差反馈滤波器的输入信号向量和误差反馈滤波器的权系数向量分别表示为：
E2(n)＝[e2(n-1),e2(n-2),...,e2(n-M)] (31)
We2(n)＝[we2(1),we2(2),...,we2(M)] (32)
所以前馈滤波器、反馈滤波器和误差反馈滤波器的输入信号向量和滤波器权系数向量分别用X2(n)、W2(n)表示如下：
Figure FDA0002688972120000048
W2(n)＝[Wf3(n),Wf4(n),Wb2(n),We2(n)]T (34)
其中[·]T表示对矩阵向量[·]进行转置；
s3：计算自适应多通道误差反馈判决反馈均衡器的均衡输出信号
自适应多通道误差反馈判决反馈均衡器判决检测前的信号为：
y2(n)＝X2 T(n)W2(n)＝W2 T(n)X2(n) (35)
s4：计算均衡残差
自适应多通道误差反馈判决反馈均衡器n时刻的残差为：
Figure FDA0002688972120000051
s5：根据均衡残差利用递推最小二乘法自适应更新均衡器权系数
计算自适应均衡算法递归最小二乘法中的卡尔曼增益向量k2(n)：
Figure FDA0002688972120000052
其中P2(n)为相关矩阵的逆，λ2为遗忘因子；
更新相关矩阵的逆：
P2(n)＝λ2 -1[P2(n-1)-k2(n)X2 T(n)P2(n-1)] (38)
更新均衡器的权系数向量：
W2(n)＝W2(n-1)+k2(n)e2 *(n) (39)
其中e2 *(n)为e2(n)的共轭，n+1时刻依次重复上述的s2至s5过程进行n+1时刻的信息均衡，直至通信信号结束时停止均衡，输出所有时刻的输出序列Y2；
s6：对均衡后的结果再进行时间反转
对自适应多通道误差反馈判决反馈均衡器的均衡后序列进行时间反转，即：
Figure FDA0002688972120000053
反向自适应多通道误差反馈判决反馈均衡器的输出序列向量为
Figure FDA0002688972120000054
对正向均衡和反向均衡的输出信号进行等增益合并，即：
Figure FDA0002688972120000055
对Y进行检测判决，得到均衡后的输出基带序列
Figure FDA0002688972120000056
利用
Figure FDA0002688972120000057
和发射信号的基带信号序列d(n)计算出均衡后的误码率。
CN201810519878.4A 2018-04-12 2018-05-28 一种水下无人平台远程稳健通信方法 Active CN108737303B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810326847 2018-04-12
CN2018103268477 2018-04-12

Publications (2)

Publication Number Publication Date
CN108737303A CN108737303A (zh) 2018-11-02
CN108737303B true CN108737303B (zh) 2020-12-22

Family

ID=63935447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810519878.4A Active CN108737303B (zh) 2018-04-12 2018-05-28 一种水下无人平台远程稳健通信方法

Country Status (1)

Country Link
CN (1) CN108737303B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109921811B (zh) * 2019-02-28 2020-07-17 厦门大学 一种水声通信方法
CN110460394B (zh) * 2019-07-17 2021-06-11 哈尔滨工程大学 一种基于水声时变信道相关性的自适应资源分配方法
CN115085829B (zh) * 2022-05-18 2023-08-29 珠海云洲智能科技股份有限公司 一种存在多径衰落干扰下的灵敏度的测试方法及电子设备
CN115996065B (zh) * 2023-03-23 2023-06-30 北京理工大学 应用于时变水声信道的稳健自适应turbo均衡方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103957176A (zh) * 2014-04-30 2014-07-30 华南理工大学 一种自适应rls判决反馈均衡系统及其实现方法
CN105207964A (zh) * 2015-08-17 2015-12-30 哈尔滨工程大学 一种基于单矢量传感器的水声自适应判决反馈均衡方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103957176A (zh) * 2014-04-30 2014-07-30 华南理工大学 一种自适应rls判决反馈均衡系统及其实现方法
CN105207964A (zh) * 2015-08-17 2015-12-30 哈尔滨工程大学 一种基于单矢量传感器的水声自适应判决反馈均衡方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Spatial diversity and equalizers in single carrier underwater acoustic communications";GeWei,etc;《2017 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC)》;20171025;全文 *
"基于双向判决反馈均衡器的水声通信海试试验研究";韩笑等;《兵工学报》;20160315;第37卷(第3期);全文 *

Also Published As

Publication number Publication date
CN108737303A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108737303B (zh) 一种水下无人平台远程稳健通信方法
Singer et al. Signal processing for underwater acoustic communications
US9608738B2 (en) System and method for broadband doppler compensation
Song et al. Improvement of time-reversal communications using adaptive channel equalizers
KR100346316B1 (ko) 다중경로환경에서통신신호를수신하는방법및송신기간간섭을감소시키면서통신신호들을수신하는방법
US6687188B2 (en) Underwater telemetry apparatus and method
CN105207964B (zh) 一种基于单矢量传感器的水声自适应判决反馈均衡方法
CN113259291B (zh) 利用水声连续信号动态多普勒跟踪实现的相位补偿方法
CN101272188B (zh) 相干通信技术的快速自优化自适应信号处理方法及装置
Ebihara et al. Basic study of orthogonal signal division multiplexing for underwater acoustic communication: A comparative study
JP5159839B2 (ja) 信号到来角度の推定装置、推定方法、および通信システム
US20060062336A1 (en) Method of channel estimation
Jiang et al. Sparse channel estimation for long range underwater acoustic communication
US6763064B1 (en) Block decision directed equalization method and apparatus
Han et al. Experimental demonstration of single carrier underwater acoustic communication using a vector sensor
CN116366170A (zh) 一种相关噪声下矢量水听器声压振速信号的合并方法
WO2021001870A1 (ja) 通信装置及び通信方法
WO2014126630A1 (en) System and method for broadband doppler compensation
CN111291511A (zh) 一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法
CN105372644A (zh) 一种基于动态重修正的自适应波束形成方法及系统
Bozzi et al. Vector sensor beam steering for underwater acoustic communications
CN111431823A (zh) 一种分路径水声信道跟踪方法
Choi et al. Underwater acoustic vector communication using particle velocities in shallow water
CN110995386B (zh) 基于波束赋形和多普勒因子多级补偿技术的定时同步方法
CN112332930B (zh) 一种移动条件下的时间反转方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant