CN109150772A - 一种基于正交匹配追踪的水声信道时延估计方法 - Google Patents
一种基于正交匹配追踪的水声信道时延估计方法 Download PDFInfo
- Publication number
- CN109150772A CN109150772A CN201810769806.5A CN201810769806A CN109150772A CN 109150772 A CN109150772 A CN 109150772A CN 201810769806 A CN201810769806 A CN 201810769806A CN 109150772 A CN109150772 A CN 109150772A
- Authority
- CN
- China
- Prior art keywords
- time delay
- estimated
- estimates
- delay
- model
- 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.)
- Granted
Links
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
- H04L25/0202—Channel estimation
- H04L25/0212—Channel estimation of impulse response
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于正交匹配追踪的水声信道时延估计方法,包括:初始化:残差待估幅度向量与字典矩阵ξest,路径索引q=0;输入:采样间隔Δt,最大迭代次数Q,迭代停止条件χ1,χ2;迭代:通过两步搜索模型找到精估时延及其两侧采样点;将所得采样点带入基于连续时域内积函数的时延估计模型,得到待估时延利用所得待估时延构造新原子并与之前原子进行正交化,得到待估原子利用最小二乘法计算当前路径q对应的幅度值更新变量:残差字典矩阵待估幅度向量判断是否满足迭代停止条件或者输出信道估计结果本发明可在降低计算复杂度的同时提高时延估计精度,可用于实现高效高精度低复杂度的信道估计模型。
Description
技术领域
本发明涉及一种水声信道时延估计方法,特别是一种基于正交匹配追踪的水声信道时延估计方法。
背景技术
近年来,由于正交频分复用(OFDM)技术的高带宽利用率及其多径信道均衡的低复杂度使其广泛地应用于水声通信系统中,实际应用中大部分OFDM系统采用相干接收机,这使得信道估计的精度变得十分重要。作为具有较少计算量的贪婪算法,正交匹配追踪(OMP)成为压缩感知(CS)分支中最受欢迎的算法之一。每次迭代中,基于OMP算法的信道估计器先估计出信道的时延信息,接着通过求解最小二乘(LS)问题来最小化拟合误差。为了实现更精确的时延估计和信道估计,OMP算法常常采用比基带采样间隔更精细的时延网格来构建字典矩阵。而OMP的主要计算量集中在字典矩阵的转置与向量的乘法运算上,极大的字典矩阵原子个数导致OMP算法需要极高的计算复杂度。由于水下传感器节点的成本以及布放操作较为昂贵,能量补充极其困难,这就导致了估计精度和计算复杂度的权衡问题,因此需要研究低复杂度的水声信道估计技术。目前国内外许多学者都对此进行了研究,但大部分技术的计算复杂度仍取决于时延网格精度,且每次迭代都需建立新的字典矩阵及计算对应的内积。
中国专利说明书CN102244624A中公开了一种基于正交匹配追踪的稀疏信道估计方法。该方法只是引用了经典的OMP算法来进行信道估计,并没有明显降低计算复杂度,且没有应用到水声领域。中国专利说明书CN106027445A公开了一种水声块结构稀疏特性的信道估计方法。该方法从降低水声信道的稀疏度入手,通过降低OMP所需的导频数量来降低估计所需的计算复杂度。而本文直接从OMP算法的原理考虑,通过引入戈策尔(Goertzel)算法来降低OMP所需的计算复杂度。
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在降低计算复杂度的同时提高时延估计精度的基于正交匹配追踪的水声信道时延估计方法。
为解决上述技术问题,本发明一种基于正交匹配追踪的水声信道时延估计方法,包括以下步骤:
步骤1:初始化:残差待估幅度向量ξest,字典矩阵路径索引q=0;
步骤2:输入:采样间隔Δt,最大迭代次数Q,迭代停止条件判断值χ1,χ2;
步骤3:迭代:q=q+1,当q>Q时,执行步骤4,否则执行以下步骤:
(3-1):通过两步搜索模型找到精估时延及其两侧采样点;
(3-2):将(3-1)所得采样点带入基于连续时域内积函数的时延估计模型,得到待估时延
(3-3):利用(3-2)所得待估时延构造新原子并与之前原子进行正交化,得到待估原子
(3-4):利用最小二乘法计算当前路径q对应的幅度值
(3-5):更新变量:残差字典矩阵待估幅度向量
(3-6):判断是否满足迭代停止条件,当‖rq+1-rq||2<χ1或者||rq+1||2<χ2时,停止迭代,执行步骤4,否则跳转至步骤3;
步骤4:输出信道估计结果
本发明还包括:
1.步骤(3-1)所述的两步搜索模型是基于戈策尔算法的两步搜索模型,构造步骤如下:
步骤1:先进行NP次离散傅里叶逆变换运算(IDFT),NP对应于基带采样间隔估计出一个时延tcoa;
步骤2:在粗估时延tcoa附近采用更小的采样间隔利用戈策尔算法计算粗估时延tcoa附近几个时延采样位置的离散傅里叶逆变换值即内积,并在一定搜索区间内选取内积最大值对应的时延作为精估时延tb。
2.步骤(3-2)所述的基于连续时域内积函数φ(t)的时延估计模型为:
其中NP,DP分别为导频个数和导频间隔,T为一个OFDM符号块时长。
本发明的有益效果:1.本发明针对均匀导频OFDM系统由频域导频观测向量与字典矩阵原子的埃米尔特内积导出一种基于OMP时延估计的闭式解,利用该解可显著提高时延估计精度。
2.本发明结合戈策尔算法提出一种两级搜索策略大大降低OMP算法在搜索最佳估计样本时的计算复杂度。
3.本发明可在降低计算复杂度的同时提高时延估计精度,可用于实现高效高精度低复杂度的信道估计模型中,为水声通信装置或系统实现节省能源与高效运行上的双赢。
附图说明
图1为单条路径的内积函数示意图;
图2为基于戈策尔算法的两步搜索策略流程图;
图3为基于正交匹配追踪的信道估计模型流程图;
图4为传统OMP算法与本发明的复杂度比较图;
具体实施方式
本发明涉及的是一种基于正交匹配追踪的水声信道时延估计方法。下面将结合附图对本发明进行详细说明。
A.CP-OFDM系统与水声多径信道模型
本发明所涉及的OFDM系统采用循环前缀模式。假定一个OFDM符号块包含K个子载波,每个子载波上的发送符号为s[k]。一个OFDM符号块时长为T,循环前缀的时长为Tcp,载波频率为fc。因此,待发送的OFDM符号时域表达式如下,
假设信道在一个符号持续时间内保持不变,本文的信道模型为具有L条路径的多径信道,每条径的幅度与时延分别为Al和τl(l=0,1,...,L-1),并假设信道中有多普勒偏移fd。接收端经下变频和滤波处理后的信号为
其中w(t)是加性噪声。信号经采样和去循环前缀操作后(假设循环前缀的长度大于信道最大时延)送入快速傅里叶变换(FFT)解调器中,得到如下矩阵-向量形式的频域输入输出关系式:
其中分别代表接收信号的频域观测向量、发送符号向量、加性噪声向量。
其中ε=fdT表示归一化多普勒因子。
为了不失一般性,假设一组均匀分布的导频子载波索引为{-K/2,-K/2+DP,-K/2+2DP,…},共有其中NP,DP分别为导频个数和导频间隔。将发送符号向量s拆分为导频向量sP和数据向量sD,即s=sP+sD,这里sP(sD)仅在导频(数据)位置不为零。
通常,经多普勒补偿之后,残余的多普勒频移也会被限制,因此(4)式中的矩阵Cε可近似为主对角线附近为非零项的带状矩阵。进一步假设,导频间隔DP足够大,载波间干扰可被忽略。综上,可得到(3)式中导频项的频域输入输出关系式:
其中
对导频位置的频域观测量进行补偿,得到如下表达式:
v[m]=(iD[mDp]+w[mDp])/sP[mDp]
其中m=0,1,...,Np-1。通过上述表达式可将(5)式表示为
这里是字典矩阵,加性噪声项v包含环境噪声项和数据子载波对导频子载波的干扰。
B.基于连续时域内积函数的时延估计模型
将OMP估计中的过采样时延网格表示为其中λ为过采样因子,λ取正整数。在传统OMP算法的第l次迭代中,时延τl被估计为埃米尔特内积最大值所对应的时延值,公式如下:
其中是导频补偿频域观测量与字典矩阵对应于时延τ'的列向量(原子)之间的内积绝对值,该值也可以被表示成连续函数φ(t)在时延τ'处的函数值(采样值)。
现选取一条时延为τ0,等效幅度为ξ[0]的路径为说明对象,忽略噪声的影响,导频补偿频域观测量与字典矩阵对应于时延t的列向量之间的内积函数可表示为如下形式:
利用(8)式的内积函数,如图1所示,选取三个采样点φ(ta),φ(tb),φ(tc)。在内积函数φ(t)中,选择的采样点离函数峰值点越近,估计结果受噪声和其他路径的影响越小。因此,选择的采样点tb离峰值点越近,选择的采样间隔Δt越小,估计结果越准确。上述采样点之间的关系如下:tb-ta=tc-tb=Δt
如图1所示,内积函数φ(t)的主瓣宽度为为了进行正确的插值运算,选中的三个采样点ta=tb-Δt,tb,tc=tb+Δt对应的函数值应全部处于主瓣内,这样φ(t)中的项才会为正值。设t'b=tb-τ0,则三个采样值分别化简为和此三个采样点可推导出如下关系式:
(9)式左右两端乘上|ξ[0]|,另则即为待估路径的时延。
其闭式表达形式为:
C.基于戈策尔算法的两步搜索模型
为了选出最优的三个样本值{tb-Δt,tb,tb+Δt},本发明提出一种能够降低计算复杂度的两步搜索策略,流程如图2所示。
在均匀导频OFDM系统中,利用正交匹配追踪估计信道时,需要计算导频观测向量与字典矩阵原子之间的内积,内积计算通常利用离散傅里叶逆变换(IDFT)实现,因此OMP每次迭代中搜索最优解都需要λNP次IDFT运算。为了降低IDFT的运算次数,本发明在每次迭代过程中采用两步搜索策略,详细实施步骤为:步骤1)先进行NP次(对应于基带采样间隔)IDFT运算,粗估出一个时延tcoa,步骤2)在tcoa附近利用戈策尔算法使用更精细的采样间隔进行IDFT运算即内积运算,步骤3)将上步中的得到的内积进行比较操作,得到时延搜索方向,步骤4)在沿时延搜索方向的搜索区域中找到内积极大值对应的时延即精估时延tb,步骤5)在精估时延左右两侧各选取一个采样位置,加上精估时延位置,共计三个采样点。戈策尔算法可以计算单点的IDFT,因此利用该算法计算粗估时延tcoa附近几个时延采样位置的IDFT值(内积),可达到降低运算复杂度的目的。
D.基于正交匹配追踪的信道估计模型
构建流程如图3所示,具体步骤如下:
步骤1:初始化:残差待估幅度向量与字典矩阵ξest,路径索引q=0;
步骤2:输入:采样间隔Δt,最大迭代次数Q,迭代停止条件χ1,χ2;
步骤3:迭代:q=q+1,当q>Q时,执行步骤4,否则执行以下步骤:
(3-1)通过两步搜索模型找到精估时延及其两侧采样点;
(3-2)将(3-1)所得采样点带入基于连续时域内积函数的时延估计模型,得到待估时延
(3-3)利用(3-2)所得待估时延构造新原子并与之前原子进行正交化,得到待估原子
(3-4)利用最小二乘法计算当前路径q对应的幅度值
(3-5)更新变量:残差字典矩阵待估幅度向量
(3-6)判断是否满足迭代停止条件,当||rq+1-rq||2<χ1或者||rq+1||2<χ2时,停止迭代,执行步骤4,否则跳转至步骤3;
步骤4:输出信道估计结果
以上步骤流程仅为说明本发明的技术思想,并不用以限制本发明,凡是在本发明提出的技术方案、技术思想、引进方法上所做的任何改动、改进等,均落入本发明保护范围之内。
Claims (3)
1.一种基于正交匹配追踪的水声信道时延估计方法,其特征在于,包括以下步骤:
步骤1:初始化:残差待估幅度向量ξest,字典矩阵路径索引q=0;
步骤2:输入:采样间隔Δt,最大迭代次数Q,迭代停止条件判断值χ1,χ2;
步骤3:迭代:q=q+1,当q>Q时,执行步骤4,否则执行以下步骤:
(3-1):通过两步搜索模型找到精估时延及其两侧采样点;
(3-2):将(3-1)所得采样点带入基于连续时域内积函数的时延估计模型,得到待估时延
(3-3):利用(3-2)所得待估时延构造新原子并与之前原子进行正交化,得到待估原子
(3-4):利用最小二乘法计算当前路径q对应的幅度值
(3-5):更新变量:残差字典矩阵待估幅度向量
(3-6):判断是否满足迭代停止条件,当||rq+1-rq‖2<χ1或者‖rq+1‖2<χ2时,停止迭代,执行步骤4,否则跳转至步骤3;
步骤4:输出信道估计结果
2.根据权利要求1所述的一种基于正交匹配追踪的水声信道时延估计方法,其特征在于:步骤(3-1)所述的两步搜索模型是基于戈策尔算法的两步搜索模型,构造步骤如下:
步骤1:先进行NP次离散傅里叶逆变换运算(IDFT),NP对应于基带采样间隔估计出一个时延tcoa;
步骤2:在粗估时延tcoa附近采用更小的采样间隔利用戈策尔算法计算粗估时延tcoa附近几个时延采样位置的离散傅里叶逆变换值即内积,并在一定搜索区间内选取内积最大值对应的时延作为精估时延tb。
3.根据权利要求1所述的一种基于正交匹配追踪的水声信道时延估计方法,其特征在于:步骤(3-2)所述的基于连续时域内积函数的时延估计模型为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810769806.5A CN109150772B (zh) | 2018-07-13 | 2018-07-13 | 一种基于正交匹配追踪的水声信道时延估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810769806.5A CN109150772B (zh) | 2018-07-13 | 2018-07-13 | 一种基于正交匹配追踪的水声信道时延估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109150772A true CN109150772A (zh) | 2019-01-04 |
CN109150772B CN109150772B (zh) | 2021-02-19 |
Family
ID=64800578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810769806.5A Active CN109150772B (zh) | 2018-07-13 | 2018-07-13 | 一种基于正交匹配追踪的水声信道时延估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109150772B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113286A (zh) * | 2019-05-06 | 2019-08-09 | 厦门大学 | 一种基于正交匹配追踪的低复杂度水声信道估计算法 |
CN110602016A (zh) * | 2019-09-18 | 2019-12-20 | 哈尔滨工程大学 | 一种基于图像反卷积的水声信道时延估计方法 |
CN110677318A (zh) * | 2019-09-18 | 2020-01-10 | 哈尔滨工程大学 | 一种基于线性调频z变换的水声信道时延估计方法 |
CN111726308A (zh) * | 2020-06-15 | 2020-09-29 | 哈尔滨工程大学 | 基于频响预插值的正交匹配追踪信道估计方法 |
CN113923085A (zh) * | 2021-12-14 | 2022-01-11 | 中国地质大学(北京) | 一种水声通信系统多发射端并行稀疏信道估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102387115A (zh) * | 2011-12-20 | 2012-03-21 | 北京邮电大学 | 一种ofdm导频方案设计及信道估计方法 |
US20120082252A1 (en) * | 2010-09-30 | 2012-04-05 | Ramesh Annavajjala | Method for Estimating Time-Varying and Frequency-Selective Channels |
CN104780128A (zh) * | 2015-04-14 | 2015-07-15 | 哈尔滨工程大学 | 一种水声ofdma上行通信稀疏信道估计与导频优化方法 |
CN107454024A (zh) * | 2017-07-24 | 2017-12-08 | 哈尔滨工程大学 | 一种基于虚拟时间反转镜的水声ofdm‑mfsk信道均衡方法 |
-
2018
- 2018-07-13 CN CN201810769806.5A patent/CN109150772B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120082252A1 (en) * | 2010-09-30 | 2012-04-05 | Ramesh Annavajjala | Method for Estimating Time-Varying and Frequency-Selective Channels |
CN102387115A (zh) * | 2011-12-20 | 2012-03-21 | 北京邮电大学 | 一种ofdm导频方案设计及信道估计方法 |
CN104780128A (zh) * | 2015-04-14 | 2015-07-15 | 哈尔滨工程大学 | 一种水声ofdma上行通信稀疏信道估计与导频优化方法 |
CN107454024A (zh) * | 2017-07-24 | 2017-12-08 | 哈尔滨工程大学 | 一种基于虚拟时间反转镜的水声ofdm‑mfsk信道均衡方法 |
Non-Patent Citations (1)
Title |
---|
尹艳玲等: "基于基追踪去噪的水声正交频分复用稀疏信道估计", 《物理学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110113286A (zh) * | 2019-05-06 | 2019-08-09 | 厦门大学 | 一种基于正交匹配追踪的低复杂度水声信道估计算法 |
CN110602016A (zh) * | 2019-09-18 | 2019-12-20 | 哈尔滨工程大学 | 一种基于图像反卷积的水声信道时延估计方法 |
CN110677318A (zh) * | 2019-09-18 | 2020-01-10 | 哈尔滨工程大学 | 一种基于线性调频z变换的水声信道时延估计方法 |
CN110602016B (zh) * | 2019-09-18 | 2022-01-07 | 哈尔滨工程大学 | 一种基于图像反卷积的水声信道时延估计方法 |
CN111726308A (zh) * | 2020-06-15 | 2020-09-29 | 哈尔滨工程大学 | 基于频响预插值的正交匹配追踪信道估计方法 |
CN111726308B (zh) * | 2020-06-15 | 2022-08-02 | 哈尔滨工程大学 | 基于频响预插值的正交匹配追踪信道估计方法 |
CN113923085A (zh) * | 2021-12-14 | 2022-01-11 | 中国地质大学(北京) | 一种水声通信系统多发射端并行稀疏信道估计方法 |
CN113923085B (zh) * | 2021-12-14 | 2022-03-15 | 中国地质大学(北京) | 一种水声通信系统多发射端并行稀疏信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109150772B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109150772A (zh) | 一种基于正交匹配追踪的水声信道时延估计方法 | |
CN107426120B (zh) | 一种基于最小均方误差的水声ofdm-mfsk信道均衡方法 | |
CN109660478B (zh) | 一种基于改进的Park频域训练序列的定时频率同步方法 | |
CN107911133A (zh) | 一种移动水声通信的多普勒因子估计及补偿方法 | |
CN102404268B (zh) | 高速移动环境下莱斯信道中多普勒频偏估计与补偿方法 | |
JP5250336B2 (ja) | タイミング同期方法およびその装置、並びにプリアンブルおよびその生成方法と装置 | |
CN110113286B (zh) | 一种基于正交匹配追踪的低复杂度水声信道估计算法 | |
CN107222438B (zh) | 高速移动sc-fdma系统的简化bem信道估计方法 | |
CN108562883B (zh) | 一种多载波雷达系统的最大似然距离估计算法 | |
CN101018219B (zh) | 一种空频信号处理方法 | |
CN111416782B (zh) | 一种基于空载波的ofdm系统频偏估计分析方法 | |
CN107454032A (zh) | 一种基于子载波间幅值积的ofdm频偏估计方法 | |
CN108737299A (zh) | 一种低复杂度的lmmse信道估计方法 | |
CN103036820A (zh) | 一种基于参考信号的多小区信道估计方法和装置 | |
CN104836770A (zh) | 一种基于相关平均与加窗的定时估计方法 | |
CN110798416A (zh) | OFDM系统中基于局部搜索Capon的CFO估计算法 | |
CN110677318A (zh) | 一种基于线性调频z变换的水声信道时延估计方法 | |
CN106357584B (zh) | 基于块状导频的迭代相关符号定时估计方法 | |
CN111726308B (zh) | 基于频响预插值的正交匹配追踪信道估计方法 | |
CN110661735B (zh) | 一种基于正交匹配追踪稀疏信道估计的时延估计方法 | |
KR100653724B1 (ko) | 직교주파수다중분할 방식을 이용한 이동통신시스템의주파수 옵셋의 추정방법 | |
CN102938746A (zh) | 基于复指数基扩展模型的信道估计方法和信道估计器 | |
CN102158440A (zh) | 一种基于最优遗忘因子的半盲rls信道估计方法 | |
CN108683624B (zh) | 基于干扰自抵消技术的突发ofdm频偏估计方法 | |
CN111817990A (zh) | Ofdm系统中基于最小均方误差的一种信道估计改进算法 |
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 |