CN109861764B - 用于水声ofdm迭代接收机的压缩感知信道估计方法 - Google Patents

用于水声ofdm迭代接收机的压缩感知信道估计方法 Download PDF

Info

Publication number
CN109861764B
CN109861764B CN201910154321.XA CN201910154321A CN109861764B CN 109861764 B CN109861764 B CN 109861764B CN 201910154321 A CN201910154321 A CN 201910154321A CN 109861764 B CN109861764 B CN 109861764B
Authority
CN
China
Prior art keywords
domain
channel
ofdm
matrix
iteration
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
CN201910154321.XA
Other languages
English (en)
Other versions
CN109861764A (zh
Inventor
王德清
王鑫
胡晓毅
付立群
岳蕾
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.)
Tongshi Technology Xiamen Co Ltd
Xiamen University
Original Assignee
Tongtest Technology Xiamen Co ltd
Xiamen 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 Tongtest Technology Xiamen Co ltd, Xiamen University filed Critical Tongtest Technology Xiamen Co ltd
Priority to CN201910154321.XA priority Critical patent/CN109861764B/zh
Publication of CN109861764A publication Critical patent/CN109861764A/zh
Application granted granted Critical
Publication of CN109861764B publication Critical patent/CN109861764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

用于水声OFDM迭代接收机的压缩感知信道估计方法,涉及水声通信领域。进行信道估计;进行信道均衡;进行交织;进行SISO译码。提出一种改进的SAMP算法——MSAMP算法。MSAMP算法不仅能够消除离散冲激响应的时域泄露问题,还继承了SAMP算法的优势,不需要稀疏度先验信息,只需要设定步长和时域扩展参数,即可进行准确的信道估计。MSAMP算法具有稀疏度自适应能力,能够在稀疏度未知的情况下,通过阶段性的增加I的大小来不断逼近实际信道的稀疏度,从而获得准确的信道估计。最大的创新点在于,本算法克服了离散冲激响应时域泄漏的影响,使得结果更加准确。

Description

用于水声OFDM迭代接收机的压缩感知信道估计方法
技术领域
本发明涉及水声通信领域,尤其是涉及用于水声OFDM迭代接收机的压缩感知信道估计方法。
背景技术
经过多年的发展,OFDM技术日渐成熟。由于OFDM技术能够有效地对抗水声信道时延扩展引起的码间干扰(Inter Symbol Interference)并且具有较高的频带利用率,因而被广泛的应用于高速水声通信。但水声信道是一个典型的时变信道,水声信道的时变特性会引起严重的多普勒扩展,使得OFDM水声通信系统的子载波之间发生载波间干扰(InterChannel Interference),导致系统的误码率性能严重恶化。迭代接收机是抵抗时变、抑制载波干扰的一种行之有效的方法。迭代接收即对信道进行估计和均衡,产生先验信息,根据先验信息将接收到的信号进行译码,并对码字检验不符合要求的信号重复均衡和译码(即迭代)以达到译码性能的接收方式。例如,参考文献[1]中的一种宽带自适应大迭代接收机就将传统的最小均方误差接收机和Turbo/LDPC码译码器结合在一起,构成了可以提供干扰抵消的大迭代接收机,参考文献[2]中的LDPC调制系统的联合迭代接收机线性优化方法也提出了一种能够提高LDPC编码调制性能的迭代接收机。
OFDM迭代接收机的两个核心部件分别是信道均衡器和信道估计器。目前OFDM水声通信系统中应用比较广泛的时变信道均衡算法主要有迫零(ZF)均衡和最小均方误差(MMSE)均衡。ZF均衡算法的复杂度主要由矩阵求逆决定,其复杂度为O(K3),K为子载波个数。ZF均衡具有噪声增强效应,因此性能比较差。而MMSE均衡能够抑制噪声增强,性能明显优于ZF均衡,但是MMSE均衡也需要进行矩阵求逆,因此复杂度也为O(K3)。为了降低矩阵求逆复杂度,参考文献[3]中提出了采用带状近似的OFDM频域信道矩阵进行分块均衡,显著降低了ICI均衡的复杂度,因而被广泛采用。用于水声OFDM通信系统的信道均衡器依赖于反映水声信道特性的频域信道矩阵,如何准确估计时变水声信道成为均衡的关键。
由于水声信道具有较大的时延扩展,离散信道冲激响应的长度通常比较大,如果要完整地计算出冲激响应,需要计算的抽头系数数量会很庞大,复杂度也相当高,难以实现。幸运的是大量水声实验证明水声信道具有稀疏特性,在如此情况下,虽然离散信道冲激响应序列较长,但其中大部分抽头系数很小甚至低于噪声门限,计算时可以忽略。因此,可以利用水声信道的稀疏特性,采用压缩感知理论,对少数比较大的抽头系数进行估计,从而实现信道估计。参考文献[4]利用水声信道在时延-多普勒频移域的稀疏特性,将压缩感知信道估计应用于时间频率双选择性信道估计中,采用OMP算法进行信道估计。参考文献[5]对OFDM水声通信系统压缩感知信道估计的几种常用稀疏重构算法进行对比。
实现压缩感知的信号重构方法有:凸优化算法和贪婪算法。由于凸优化算法的计算复杂度比较高,实际应用中难以实现,因此贪婪算法的应用更加广泛。贪婪算法中,有一类具有稀疏度自适应能力的算法,其最大特点是不需要稀疏度先验信息,最典型的是SAMP(Sparsity Adaptive Matching Persuit)算法。参考文献[6]详细介绍了SAMP算法。
SAMP算法引入了一个步长因子s,并将整个迭代过程分成不同的阶段。首先是初始化阶段,设置一个支撑集表示第k次迭代的索引集合,集合大小为一个步长因子。然后是迭代阶段,每次迭代过程中都会选取当前参数最小二乘解中最大的前s个索引集合放入支撑集中,同时计算当前迭代的残差的模值。若该模值不小于上一次迭代的残差模值,则重复迭代过程,并让支撑集增加一个步长因子。最后,如果满足当前残差的值小于某一阈值,或者当前残差模值小于上一次残差模值,即停止迭代,当前的支撑集大小就是稀疏度。由于SAMP算法采用了回溯的思想,同时使用后向追踪的方法,使其能够对先前迭代过程中的已选原子进行不断的回退筛选,从而保证了重建的全局最优性,并且具有较高的精度。但是,在OFDM时变稀疏信道估计中,水声系统的频带有限,接收端观测的离散冲激响应存在时域泄漏问题,即原来的非零抽头附近出现了一些幅度比较大的假抽头,使得系数比较小的抽头受到其影响而无法被分辨出来,导致SAMP算法在进行相关性检测时发生误判从而失效。
参考文献:
[1]中国专利CN 102325001A。
[2]中国专利CN 106506278B。
[3]Philip Schniter.Low-Complexity Equalization of OFDM in DoublySelective Channels[J].IEEE Transactions on Signal Processing,2004,52(4):1002-1011。
[4]吴少娟.基于压缩感知的水声信道估计技术研究[D].华南理工大学,2013。
[5]Y.Huang,L.Wan,S.Zhou,et al.Comparison of sparse recoveryalgorithms for channel estimation in underwater acoustic OFDM with data-driven sparsity learning[J].Physical Communication,2014,13:156-167。
[6]Thong T.Do,Lu Gan,NamNguyen,Trac D.Tran.Sparsityadaptive matchingpursuit algorithm for practical compressed sensing[C].AsilomarConference onSignals,Systems,andComputers,Pacific Grove,California,2008,10:581-587。
发明内容
本发明的目的是为了提高OFDM水声通信系统的可靠性和鲁棒性,用于解决普通压缩感知算法对水声信道稀疏度先验信息的依赖问题,同时解决在离散冲激响应求解过程中带来的时域泄漏问题,提供用于水声OFDM迭代接收机的压缩感知信道估计方法。
本发明包括以下步骤:
1)进行信道估计;
在步骤1)中,所述进行信道估计的具体方法可为:输入观测的导频向量zP、恢复矩阵Ψ、步长s和时延域扩展搜索参数Δ,输出抽头系数
Figure BDA0001982407590000031
采用MSAMP算法,所述MSAMP算法可采用MSAMP信道估计器,其具体步骤为:
步骤1.1:输入观测的导频向量zP、恢复矩阵Ψ、步长s、时延域扩展搜索参数Δ;然后初始化,令残差r=zP,索引集
Figure BDA0001982407590000032
时域索引集
Figure BDA0001982407590000033
D和S的大小为I,初始阶段I=s,即初始大小为一个步长;
步骤1.2:aj=0,计算矩阵Φ(aj)的每一列与残差r的内积绝对值并找出其中的极大值,将极大值最大的I列在Φ(aj)中的索引加入时延域索引集D;
步骤1.3:令
Figure BDA0001982407590000034
对时延域索引集D中的每一个元素dk,k=1,2,3,…,I,确定一个搜索区间[dk-Δ,dk+Δ],在区间内沿着多普勒域进行搜索,得到一个最匹配的原子,即对所有aj,计算Φ(aj)的第dk-Δ至dk+Δ列与残差r的内积绝对值,找到最大的内积绝对值所对应的列,将该列在Ψ中的索引加入索引集Λ;
步骤1.4:更新索引集,令S′=S∪Λ,计算
Figure BDA0001982407590000035
取ξ′中绝对值最大的I个元素组成集合
Figure BDA0001982407590000036
步骤1.5:计算残差
Figure BDA0001982407590000037
步骤1.6:迭代条件判断,若满足停止条件,则停止迭代,并输出
Figure BDA0001982407590000038
否则,若
Figure BDA0001982407590000039
则令I=I+s,重复步骤1.2~1.6;若
Figure BDA00019824075900000310
则令
Figure BDA00019824075900000311
重复步骤1.2~1.6。
2)进行信道均衡;
在步骤2)中,所述进行信道均衡的具体方法可为:输入观测的导频向量ZP、带状信道频域近似矩阵
Figure BDA0001982407590000041
采用MMSE均衡算法,假设以第k个子载波的为中心,Zk表示导频向量ZP在[k-D,k+D]范围内的子向量,Hk表示带状信道频域近似矩阵
Figure BDA0001982407590000042
在[k-D,k-2D]到[k+D,k+2D]范围内的子矩阵,则得到发送信号的矩阵s[k]的估计值:
Figure BDA0001982407590000043
式中
Figure BDA0001982407590000044
其中,hk=[H[k-D,k],…,H[k+D,k]]T
Figure BDA0001982407590000045
表示频域噪声方差,I表示K×K的单位矩阵;由于MMSE均衡器要求输出外部信息,因此令
Figure BDA0001982407590000046
Figure BDA0001982407590000047
Figure BDA0001982407590000048
由于OFDM水声通信系统采用基于GF(4)的LDPC码,在QPSK调制下,一个码符号刚好可以映射为一个星座符号,因此信道均衡的具体步骤为:
步骤2.1:将码符号c[n]经过星座映射和交织后成为数据符号s[m],即:
P(s[m]=αi)=Pext(c[n]=φ-1i))
步骤2.2:计算数据符号s[m]的均值
Figure BDA0001982407590000049
和方差
Figure BDA00019824075900000410
步骤2.3:计算s[k]的估计值:
Figure BDA00019824075900000411
3)进行交织;
在步骤3)中,所述进行交织的具体方法可为:将信道均衡得到的估计矩阵按行存入,按列读取。
4)进行SISO译码。
在步骤4)中,所述进行SISO译码的具体方法可为:输入交织后的信号,采用LDPC译码算法进行译码。
为了消除离散冲激响应的时域泄漏问题,本发明提出一种改进的SAMP算法——MSAMP(Modified SAMP)算法。MSAMP算法不仅能够消除离散冲激响应的时域泄露问题,还继承了SAMP算法的优势,不需要稀疏度先验信息,只需要设定步长和时域扩展参数,即可进行准确的信道估计。
本发明采用上述技术方案具有如下有益效果:
MSAMP算法具有稀疏度自适应能力,能够在稀疏度未知的情况下,通过阶段性的增加I的大小来不断逼近实际信道的稀疏度,从而获得准确的信道估计。最大的创新点在于,本算法克服了离散冲激响应时域泄漏的影响,使得结果更加准确。具体表现在步骤三,为了在离散的时延-多普勒域内估计出I个实际抽头所在的位置,先从时延域进行搜索,获得I个抽头在时延域的大致位置;然后根据这I个抽头的大致位置,沿多普勒域进行搜索,最终获得I个抽头的确定位置。在时延域内的搜索先进行极大值的判定,使假抽头被最大限度地排除在外,然后再进行最大值判定,就可以估计出时延域中实际抽头的所在位置。而SAMP算法相当于直接在时延-多普勒域内搜索I个实际抽头的所在位置,因此不可避免地受到假抽头的影响,从而导致算法失效。
由于MSAMP算法的影响,使得本迭代接收机不需要先验信息即可进行准确的信道估计与均衡,大大增加了本发明的适用范围和灵活性。
附图说明
图1是基于MSMP算法的OFDM迭代接收机结构。
图2是带状信道频域近似矩阵示意图。
图3是MSAMP算法的原理图。
图4是MSAMP算法的实现程序框图。
具体实施方式
以下实施例将结合附图对本发明作进一步的说明。
本发明实施例包括以下步骤:
1)进行信道估计,具体方法为:输入观测的导频向量zP、恢复矩阵Ψ、步长s和时延域扩展搜索参数Δ,输出抽头系数
Figure BDA0001982407590000051
采用MSAMP算法,所述MSAMP算法可采用MSAMP信道估计器,其具体步骤为:
步骤1.1:输入观测的导频向量zP、恢复矩阵Ψ、步长s、时延域扩展搜索参数Δ;然后初始化,令残差r=zP,索引集
Figure BDA0001982407590000052
时域索引集
Figure BDA0001982407590000053
D和S的大小为I,初始阶段I=s,即初始大小为一个步长;
步骤1.2:aj=0,计算矩阵Φ(aj)的每一列与残差r的内积绝对值并找出其中的极大值,将极大值最大的I列在Φ(aj)中的索引加入时延域索引集D;
步骤1.3:令
Figure BDA0001982407590000061
对时延域索引集D中的每一个元素dk,k=1,2,3,…,I,确定一个搜索区间[dk-Δ,dk+Δ],在区间内沿着多普勒域进行搜索,得到一个最匹配的原子,即对所有aj,计算Φ(aj)的第dk-Δ至dk+Δ列与残差r的内积绝对值,找到最大的内积绝对值所对应的列,将该列在Ψ中的索引加入索引集Λ;
步骤1.4:更新索引集,令S′=S∪Λ,计算
Figure BDA0001982407590000062
取ξ′中绝对值最大的I个元素组成集合
Figure BDA0001982407590000063
步骤1.5:计算残差
Figure BDA0001982407590000064
步骤1.6:迭代条件判断,若满足停止条件,则停止迭代,并输出
Figure BDA0001982407590000065
否则,若
Figure BDA0001982407590000066
则令I=I+s,重复步骤1.2~1.6;若
Figure BDA0001982407590000067
则令
Figure BDA0001982407590000068
重复步骤1.2~1.6。
2)进行信道均衡,具体方法为:输入观测的导频向量zP、带状信道频域近似矩阵
Figure BDA0001982407590000069
采用MMSE均衡算法,假设以第k个子载波的为中心,zk表示导频向量zp在[k-D,k+D]范围内的子向量,Hk表示带状信道频域近似矩阵
Figure BDA00019824075900000610
在[k-D,k-2D]到[k+D,k+2D]范围内的子矩阵,则得到发送信号的矩阵s[k]的估计值:
Figure BDA00019824075900000611
式中
Figure BDA00019824075900000612
其中,hk=[H[k-D,k],…,H[k+D,k]]T
Figure BDA00019824075900000613
表示频域噪声方差,I表示K×K的单位矩阵。通常MMSE均衡器要求输出外部信息,因此令
Figure BDA00019824075900000614
Figure BDA00019824075900000615
Figure BDA00019824075900000616
由于OFDM水声通信系统采用基于GF(4)的LDPC码,在QPSK调制下,一个码符号刚好可以映射为一个星座符号,因此信道均衡的具体步骤为:
步骤2.1:将码符号c[n]经过星座映射和交织后成为数据符号s[m],即:
P(s[m]=αi)=Pext(c[n]=φ-1i))
步骤2.2:计算数据符号s[m]的均值
Figure BDA00019824075900000617
和方差
Figure BDA00019824075900000618
步骤2.3:计算s[k]的估计值:
Figure BDA0001982407590000071
3)进行交织,具体方法为:将信道均衡得到的估计矩阵按行存入,按列读取。
4)进行SISO译码,具体方法为:输入交织后的信号,采用LDPC译码算法进行译码。
以下给出具体实施例。
水声OFDM迭代接收机如图1所示。由基于MSAMP信道估计器、软输入软输出(Soft-In Soft-Out,SISO)均衡器、SISO译码器组成,信道编码采用低密度奇偶校验码(Low-density Parity-check,LDPC)。水声OFDM迭代接收机在初次迭代过程中,信道估计利用导频符号估计频域信道矩阵;在后续的迭代过程中,信道估计不仅利用导频符号,还将SISO译码器输出的数据符号的软信息作为额外的导频符号进行频域信道矩阵的估计,以提高信道估计的精度。SISO均衡器的主要任务是根据接收的数据符号、信道估计得到的频域信道矩阵以及SISO译码器提供的先验信息,生成数据符号的后验信息。在初次迭代过程中,由于译码器没有提供先验信息,因此先验信息是基于数据符号等概率的假设生成的。SISO译码器只接收来自SISO均衡器的外部信息,因此SISO均衡器输出的后验信息要先去除SISO译码器上一次迭代过程中提供的先验信息,再经过解交织器才能送给SISO译码器。随后,SISO译码器将SISO均衡器提供的外部信息当作先验信息,计算每一个码符号的后验信息。同样SISO均衡器只接收来自SISO译码器的外部信息,因此SISO译码器输出的后验信息要去除SISO均衡器提供的先验信息,再经过交织器才能送给SISO均衡器。
以上所述水声OFDM迭代接收机具有如下特点:OFDM迭代接收机在迭代过程中译码器不断地提高输出的软信息的可信度;信道估计器则将译码器输出的数据符号的软信息作为额外导频,获得更为准确的信道估计;SISO均衡器则得益于信道估计精度的提高以及译码器提供的更为可靠的先验信息,获得更好的均衡效果,进而改善译码结果。
所述水声OFDM迭代接收机采用的信道估计器为基于MSAMP的信道估计器,技术方案如下所述。
首先建立基于压缩感知理论的信道估计模型。时变水声信道下OFDM系统的频域输入输出关系可以表示为:
z=HDs+w
式中,Z表示接受向量,s表示发送向量,w表示等效噪声向量(包含环境噪声和带外码间干扰),HD表示带状信道频域近似矩阵(图2):
Figure BDA0001982407590000081
其中,ΓD(ap)表示Γ(ap)的带状近似矩阵,其中第(m,k)个元素为
Figure BDA0001982407590000082
接着分别对时延域和多普勒域进行离散化,令
Figure BDA0001982407590000083
aj∈{amax,-amax+Δa,…,amax}
时延域的分辨率为
Figure BDA0001982407590000084
多普勒域的分辨率为Δa,那么OFDM频域信道矩阵可以表示为
Figure BDA0001982407590000085
式中,Nr=TCP/(T/N)+1,/Na=2amax,ξi,j表示时延域为τi,多普勒因子为aj的网格点上的抽头系数。
假设导频子载波组成的集合为Sp,导频子载波数量为KP=|SP|,则对于接收端来说,发送向量中只有导频子载波上的发送符号为已知,即
Figure BDA0001982407590000086
则OFDM时变稀疏信道估计模型为
Figure BDA0001982407590000087
式中
Figure BDA0001982407590000088
Figure BDA0001982407590000089
Figure BDA00019824075900000810
式中,w包含了导频子载波的频域噪声和未知数据符号对导频的码间干扰。zP表示KP×1的接收导频向量,S表示选择矩阵,它是由K×K的单位矩阵中抽取导频位置所对应的Kp行组成。ξ是一个NrNa×1的向量,其中的元素表示时延-多普勒域离散网格点上的抽头系数。由水声信道的稀疏特性可知,只有少数几个抽头系数的幅度比较大,其他的可以忽略,因此可以采用压缩感知的方法估计出ξ,从而获得OFDM频域信道矩阵
Figure BDA0001982407590000091
为了估计出ξ,采用MSAMP算法。算法的原理图见图3,具体描述如下:
(1)输入:观测的导频向量zP,恢复矩阵Ψ,步长s,时延域扩展搜索参数Δ。
(2)初始化:残差r=zP,索引集
Figure BDA0001982407590000092
时延域索引集
Figure BDA0001982407590000093
I=s。
(3)令aj=0,计算矩阵Φ(aj)的每一列与残差r的内积绝对值并找出其中的极大值,将极大值最大的I列在Φ(aj)中的索引加入时延域索引集D。
(4)对时延域索引集D中的每一个元素dk,k=1,…,I,确定一个搜索区间[dk-Δ,dk+Δ]。在区间[dk-Δ,dk+Δ]内沿着多普勒域进行搜索,得到一个最匹配的原子,即对所有aj,计算Φ(aj)的第dk-Δ至dk+Δ列与残差r的内积绝对值,找到最大的内积绝对值所对应的列,将该列在Ψ中的索引加入索引集Λ。
(5)令S′=S∪Λ,计算
Figure BDA0001982407590000094
取ξ′中绝对值最大的I个元素索引组成集合
Figure BDA0001982407590000095
(6)计算残差
Figure BDA0001982407590000096
(7)如果满足停止条件,则输出
Figure BDA0001982407590000097
并退出迭代;否则判断
Figure BDA0001982407590000098
是否成立。若成立,则令I=I+s,重复步骤(3)至(7);若不成立,则令
Figure BDA0001982407590000099
重复步骤(3)至(7)。
MSAMP算法在每一个阶段中,为了在离散的时延-多普勒域内估计出I个实际抽头的所在位置,它先在时延域进行搜索,获得I个抽头在时延域的大致位置;然后根据这I个抽头在时延域的大致位置,沿着多普勒域进行搜索,最终得到这I个抽头在时延-多普勒域中的位置。在时延域内的搜索先进行极大值的判定,使假抽头被最大限度地排除在外,然后再进行最大值判定,就可以估计出时延域中实际抽头的所在位置。
信道均衡器基于以上结果,采用基于带状信道矩阵的MMSE均衡。带状近似频域信道矩阵如图2所示,其中白色部分表示值为零的元素,灰色部分表示值为非零的元素,参数D越大说明对频域信道矩阵的近似程度越高,考虑的ICI范围也越大。采用带状近似的频域信道矩阵可以将OFDM的频域输入输出关系表示为
z=HDs+w
式中,HD表示带状近似的频域信道矩阵。基于带状近似的频域信道矩阵我们可以采用分块的MMSE均衡算法。假设以第k个子载波的为中心,则有
zk=Hksk+wk
式中
zk=[z[k-D],…,z[k+D]]T
sk=[s[k-2D],…,s[k+2D]]T
Figure BDA0001982407590000101
wk=[w[k-D],…,w[k+D]]T
则根据MMSE准则可以得到s[k]的估计值为
Figure BDA0001982407590000102
式中
Figure BDA0001982407590000103
其中,hk=[H[k-D,k],…,H[k+D,k]]T
Figure BDA0001982407590000104
表示频域噪声方差。通常MMSE均衡器要求输出外部信息,因此令
Figure BDA0001982407590000105
Figure BDA0001982407590000106
Figure BDA0001982407590000107
在OFDM迭代接收机中,上式的先验信息来自于LDPC译码器输出的外部信息。数据符号s[m]的均值和方差可以表示为
Figure BDA0001982407590000108
Figure BDA0001982407590000109
式中,αi表示星座符号,在QPSK调制下M=4。假设LDPC译码器输出的外部信息为对数似然比的形式Lext[n]=Lpost[n]-Lch[n],则基于该外部信息可以得到每一个码符号c[n]的外部概率
Figure BDA00019824075900001010
Figure BDA0001982407590000111
其中,a0,a1,…,aq-1表示GF(q)上的元素。由于OFDM水声通信系统采用基于GF(4)的LDPC码,在QPSK调制下,一个码符号刚好可以映射为一个星座符号。假设码符号c[n]经过星座映射和交织后成为数据符号s[m],则
P(s[m]=αi)=Pext(c[n]=φ-1i))
其中,φ-1(·)表示星座符号到码符号的逆映射。
在OFDM迭代接收机中,均衡器要求能够输出外部软信息,因此我们需要将MMSE均衡器的输出表示成对数似然比的形式。假设
Figure BDA0001982407590000112
服从均值为μk,i,方差为
Figure BDA0001982407590000113
高斯分布,则有
Figure BDA0001982407590000114
其中的均值和方差分别为
Figure BDA0001982407590000115
则外部信息的对数似然比形式可以由
Figure BDA0001982407590000116
计算。
MSAMP算法流程图见图4,即以下初始化和迭代部分。
1、初始化:
r=zP{初始化残差}
Figure BDA0001982407590000117
{初始化索引集}
Figure BDA0001982407590000118
{初始化时延域索引集}
L=s{初始化索引集的大小为一个步长}
aj=0{初始化多普勒频偏为}
2、迭代:
Figure BDA0001982407590000119
{更新时延域索引集}
Figure BDA00019824075900001110
{设置临时索引集}
Sk=Sk-1∪Λ{更新索引集}
Figure BDA00019824075900001111
{计算抽头系数}
Figure BDA00019824075900001112
{最大I个抽头系数的索引集}
Figure BDA0001982407590000121
{更新残差}
如果满足迭代终止条件(例如,达到预设的抽头个数或者迭代次数达到预设)则停止迭代。
否则,如果
Figure BDA0001982407590000122
那么更新索引集大小为I=I+s,更新多普勒频偏系数j=j+1,继续迭代。
如果
Figure BDA0001982407590000123
那么更新索引集
Figure BDA0001982407590000124
更新残差
Figure BDA0001982407590000125
迭代次数增加k=k+1,继续迭代。
3、均衡:
计算带状信道频域近似矩阵
Figure BDA0001982407590000126
Figure BDA0001982407590000127
计算hk=[H[k-D,k],…,H[k+D,k]]T
Figure BDA0001982407590000128
Figure BDA0001982407590000129
Figure BDA00019824075900001210
Figure BDA00019824075900001211
表示频域噪声方差。通常MMSE均衡器要求输出外部信息,因此令
Figure BDA00019824075900001212
根据MMSE准则得到
Figure BDA00019824075900001213
4、交织:将发送信号矩阵的估计值
Figure BDA00019824075900001214
按行存入,按列读取,并进行LDPC译码,判断译码结果是否满足迭代接收机终止条件,若不满足,则回到迭代步骤;否则输出译码结果。

Claims (1)

1.一种用于水声OFDM迭代接收机的压缩感知信道估计方法,其特征在于所述水声OFDM迭代接收机由基于MSAMP信道估计器、软输入软输出均衡器、SISO译码器组成,信道编码采用低密度奇偶校验码;水声OFDM迭代接收机在初次迭代过程中,信道估计利用导频符号估计频域信道矩阵;在后续的迭代过程中,信道估计不仅利用导频符号,还将SISO译码器输出的数据符号的软信息作为额外的导频符号进行频域信道矩阵的估计,以提高信道估计的精度;SISO均衡器根据接收的数据符号、信道估计得到的频域信道矩阵以及SISO译码器提供的先验信息,生成数据符号的后验信息;在初次迭代过程中,由于译码器没有提供先验信息,因此先验信息是基于数据符号等概率的假设生成的;SISO译码器只接收来自SISO均衡器的外部信息,SISO均衡器输出的后验信息要先去除SISO译码器上一次迭代过程中提供的先验信息,再经过解交织器才能送给SISO译码器;SISO译码器将SISO均衡器提供的外部信息当作先验信息,计算每一个码符号的后验信息;同样SISO均衡器只接收来自SISO译码器的外部信息,因此SISO译码器输出的后验信息要去除SISO均衡器提供的先验信息,再经过交织器才能送给SISO均衡器;
所述水声OFDM迭代接收机采用的信道估计器为基于MSAMP的信道估计器包括以下步骤:
首先建立基于压缩感知理论的信道估计模型,时变水声信道下OFDM系统的频域输入输出关系表示为:
z=HDs+w
式中,z表示接收向量,s表示发送向量,w表示等效噪声向量(包含环境噪声和带外码间干扰),HD表示带状信道频域近似矩阵:
Figure FDA0003419967160000011
其中,ΓD(ap)表示Γ(ap)的带状近似矩阵,第(m,k)个元素为:
Figure FDA0003419967160000012
接着分别对时延域和多普勒域进行离散化,令
Figure FDA0003419967160000013
aj∈{amax,-amax+Δa,…,amax}
时延域的分辨率为
Figure FDA0003419967160000021
多普勒域的分辨率为Δa,那么OFDM频域信道矩表示为:
Figure FDA0003419967160000022
式中,Nr=TCP/(T/N)+1,Na=2amax,ξi,j表示时延域为τi,多普勒因子为aj的网格点上的抽头系数;
假设导频子载波组成的集合为SP,导频子载波数量为KP=|SP|,则对于接收端来说,发送向量中只有导频子载波上的发送符号为已知,即:
Figure FDA0003419967160000023
则OFDM时变稀疏信道估计模型为:
Figure FDA0003419967160000024
式中
Figure FDA0003419967160000025
Figure FDA0003419967160000026
Figure FDA0003419967160000027
式中,w包含了导频子载波的频域噪声和未知数据符号对导频的码间干扰,zP表示KP×1的接收导频向量,S表示选择矩阵,是由K×K的单位矩阵中抽取导频位置所对应的Kp行组成;ξ是一个NrNa×1的向量,其中的元素表示时延-多普勒域离散网格点上的抽头系数;采用压缩感知的方法估计出ξ,从而获得OFDM频域信道矩阵:
Figure FDA0003419967160000028
为了估计出ξ,采用MSAMP算法,具体描述如下:
(1)输入:观测的导频向量zP,恢复矩阵Ψ,步长s,时延域扩展搜索参数Δ;
(2)初始化:残差r=zP,索引集
Figure FDA0003419967160000029
时延域索引集
Figure FDA00034199671600000210
I=s;
(3)令aj=0,计算矩阵Φ(aj)的每一列与残差r的内积绝对值并找出其中的极大值,将极大值最大的I列在Φ(aj)中的索引加入时延域索引集D;
(4)对时延域索引集D中的每一个元素dk,k=1,…,I,确定一个搜索区间[dk-Δ,dk+Δ];在区间[dk-Δ,dk+Δ]内沿着多普勒域进行搜索,得到一个最匹配的原子,即对所有aj,计算Φ(aj)的第dk-Δ至dk+Δ列与残差r的内积绝对值,找到最大的内积绝对值所对应的列,将该列在Ψ中的索引加入索引集Λ;
(5)令S′=S∪Λ,计算
Figure FDA0003419967160000031
取ξ′中绝对值最大的I个元素索引组成集合;
(6)计算残差
Figure FDA0003419967160000032
(7)如果满足停止条件,则输出
Figure FDA0003419967160000033
并退出迭代;否则判断
Figure FDA0003419967160000034
是否成立;若成立,则令I=I+s,重复步骤(3)~(7);若不成立,则令
Figure FDA0003419967160000035
重复步骤(3)~(7);
MSAMP算法在每一个阶段中,为了在离散的时延-多普勒域内估计出I个实际抽头的所在位置,它先在时延域进行搜索,获得I个抽头在时延域的大致位置;然后根据这I个抽头在时延域的大致位置,沿着多普勒域进行搜索,得到这I个抽头在时延-多普勒域中的位置;在时延域内的搜索先进行极大值的判定,使假抽头被最大限度地排除在外,然后再进行最大值判定,就估计出时延域中实际抽头的所在位置;
采用基于带状信道矩阵的MMSE均衡,参数D越大说明对频域信道矩阵的近似程度越高,考虑的ICI范围也越大;采用带状近似的频域信道矩阵将OFDM的频域输入输出关系表示为:
z=HDs+w
式中,HD表示带状近似的频域信道矩阵,基于带状近似的频域信道矩阵我们可以采用分块的MMSE均衡算法;假设以第k个子载波为中心,则有:
zk=Hksk+wk
式中
zk=[z[k-D],…,z[k+D]]T sk=[s[k-2D],…,s[k+2D]]T
Figure FDA0003419967160000036
wk=[w[k-D],…,w[k+D]]T
则根据MMSE准则得到s[k]的估计值为:
Figure FDA0003419967160000037
式中
Figure FDA0003419967160000038
其中,hk=[H[k-D,k],…,H[k+D,k]]T
Figure FDA0003419967160000041
表示频域噪声方差,MMSE均衡器要求输出外部信息,因此令
Figure FDA0003419967160000042
且:
Figure FDA0003419967160000043
Figure FDA0003419967160000044
在OFDM迭代接收机中,上式的先验信息来自于LDPC译码器输出的外部信息,数据符号s[m]的均值和方差表示为
Figure FDA0003419967160000045
Figure FDA0003419967160000046
式中,αi表示星座符号,在QPSK调制下M=4,假设LDPC译码器输出的外部信息为对数似然比的形式Lext[n]=Lpost[n]-Lch[n],则基于该外部信息得到每一个码符号c[n]的外部概率:
Figure FDA0003419967160000047
Figure FDA0003419967160000048
其中,a0,a1,…,aq-1表示GF(q)上的元素;由于OFDM水声通信系统采用基于GF(4)的LDPC码,在QPSK调制下,一个码符号映射为一个星座符号;假设码符号c[n]经过星座映射和交织后成为数据符号s[m],则:
P(s[m]=αi)=Pext(c[n]=φ-1i))
其中,φ-1(·)表示星座符号到码符号的逆映射;
在OFDM迭代接收机中,均衡器要求能够输出外部软信息,因此需要将MMSE均衡器的输出表示成对数似然比的形式;假设
Figure FDA0003419967160000049
服从均值为μk,i,方差为
Figure FDA00034199671600000410
高斯分布,则有:
Figure FDA00034199671600000411
其中的均值和方差分别为
Figure FDA00034199671600000412
则外部信息的对数似然比形式由
Figure FDA00034199671600000413
计算;
MSAMP算法的初始化和迭代部分为:
1、初始化:
r=zP{初始化残差}
Figure FDA0003419967160000051
{初始化索引集}
Figure FDA0003419967160000052
{初始化时延域索引集}
L=s{初始化索引集的大小为一个步长}
aj=0{初始化多普勒频偏为}
2、迭代:
Figure FDA0003419967160000053
{更新时延域索引集}
Figure FDA0003419967160000054
{设置临时索引集}
Sk=Sk-1∪Λ{更新索引集}
Figure FDA0003419967160000055
{计算抽头系数}
Figure FDA0003419967160000056
{最大I个抽头系数的索引集}
Figure FDA0003419967160000057
{更新残差}
若满足迭代终止条件,则停止迭代;
否则,如果
Figure FDA0003419967160000058
那么更新索引集大小为I=I+s,更新多普勒频偏系数j=j+1,继续迭代;
如果
Figure FDA0003419967160000059
那么更新索引集
Figure FDA00034199671600000510
更新残差
Figure FDA00034199671600000511
迭代次数增加k=k+1,继续迭代;
3、均衡:
计算带状信道频域近似矩阵
Figure FDA00034199671600000512
Figure FDA00034199671600000513
计算hk=[H[k-D,k],…,H[k+D,k]]T
Figure FDA00034199671600000514
Figure FDA00034199671600000515
Figure FDA00034199671600000516
Figure FDA0003419967160000061
表示频域噪声方差,MMSE均衡器要求输出外部信息,因此令
Figure FDA0003419967160000062
根据MMSE准则得到
Figure FDA0003419967160000063
4、交织:将发送信号矩阵的估计值
Figure FDA0003419967160000064
按行存入,按列读取,并进行LDPC译码,判断译码结果是否满足迭代接收机终止条件,若不满足,则回到迭代步骤;否则输出译码结果。
CN201910154321.XA 2019-03-01 2019-03-01 用于水声ofdm迭代接收机的压缩感知信道估计方法 Active CN109861764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910154321.XA CN109861764B (zh) 2019-03-01 2019-03-01 用于水声ofdm迭代接收机的压缩感知信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910154321.XA CN109861764B (zh) 2019-03-01 2019-03-01 用于水声ofdm迭代接收机的压缩感知信道估计方法

Publications (2)

Publication Number Publication Date
CN109861764A CN109861764A (zh) 2019-06-07
CN109861764B true CN109861764B (zh) 2022-07-01

Family

ID=66899522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910154321.XA Active CN109861764B (zh) 2019-03-01 2019-03-01 用于水声ofdm迭代接收机的压缩感知信道估计方法

Country Status (1)

Country Link
CN (1) CN109861764B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111314029B (zh) * 2020-03-03 2022-10-14 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于水声通信的基于先验信息的自适应迭代接收方法
CN111988256A (zh) * 2020-07-27 2020-11-24 南京信息工程大学 一种基于改进的自适应遗传算法的水声信道估计方法
CN115378781B (zh) * 2022-07-05 2024-05-10 深圳市深海箭鱼科技有限公司 水声ofdm通信系统的接收信号处理方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848043A (zh) * 2018-06-05 2018-11-20 哈尔滨工程大学 基于压缩感知的低复杂度水声稀疏时变信道估计方法
CN109039960A (zh) * 2018-06-26 2018-12-18 东南大学 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104717045B (zh) * 2013-12-12 2018-08-14 华为技术有限公司 一种导频排布确定方法及基站
CN106161326A (zh) * 2016-06-15 2016-11-23 江苏科技大学 一种水声块结构稀疏信道的快速估计方法
CN106656874B (zh) * 2017-01-10 2019-07-12 河海大学 一种基于压缩感知的移动ofdm系统信道估计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848043A (zh) * 2018-06-05 2018-11-20 哈尔滨工程大学 基于压缩感知的低复杂度水声稀疏时变信道估计方法
CN109039960A (zh) * 2018-06-26 2018-12-18 东南大学 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法

Also Published As

Publication number Publication date
CN109861764A (zh) 2019-06-07

Similar Documents

Publication Publication Date Title
CN109861764B (zh) 用于水声ofdm迭代接收机的压缩感知信道估计方法
KR100651036B1 (ko) 공간다중화 시스템에서 부분적인 구복호 기반 복잡도를줄이는 반복 복호 수신 장치 및 그 방법
CN113242189B (zh) 一种结合信道估计的自适应均衡软信息迭代接收方法
CN109743118B (zh) 一种时变双扩信道条件下的高频谱效率的ofdm水声通信方法
JP5123199B2 (ja) 通信システムにおける受信機のための複雑性を削減した検出および復号化
CN108270702B (zh) 基于MCMC的turbo迭代均衡检测方法
CN108847848B (zh) 一种基于信息后处理的极化码的bp译码算法
CN102624652B (zh) Ldpc解码方法和装置及接收终端
CN106549888B (zh) 一种基于gamp的联合双选信道估计与ftns检测方法
KR20080102393A (ko) Aimo 수신기를 제공하는 장치, 방법 및 컴퓨터 프로그램 생성물
CN110311872A (zh) 一种水声稀疏信道估计方法、系统、设备及存储介质
CN114401172A (zh) 一种基于Turbo均衡框架和VAMP的联合估计与检测方法
Bomfin et al. A novel iterative receiver design for CP-free transmission under frequency-selective channels
CN116346549A (zh) 采用卷积神经网络信道簇检测的水声信道稀疏估计方法
CN102811065A (zh) 基于线性最小均方误差估计的修正最小和解码方法
CN110324271B (zh) 一种基于压缩感知的限幅的f-ofdm系统收发机设计方法
Al-Rawi et al. Exploiting error-control coding and cyclic-prefix in channel estimation for coded OFDM systems
CN102299872A (zh) 水声ofdm判决二次信道均衡方法
CN106209312A (zh) 一种利用软判决的循环码参数盲识别算法
CN100561901C (zh) 低复杂度的多天线正交频分复用系统软入软出检测方法
Yang et al. An improved hybrid turbo equalizer for single carrier transmission with impulsive noise and isi
Wang et al. Sparsity adaptive channel estimation algorithm based on compressed sensing
CN111682924B (zh) 一种采用期望传播的双向频域Turbo均衡方法
Zheng et al. An adaptive sparse channel estimation algorithm for OFDM systems based on distributed compressive sensing
Hafez et al. Iterative channel estimation and Turbo decoding for OFDM systems

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
CB03 Change of inventor or designer information

Inventor after: Wang Deqing

Inventor after: Wang Xin

Inventor after: Hu Xiaoyi

Inventor after: Fu Liqun

Inventor after: Yue Lei

Inventor before: Hu Xiaoyi

Inventor before: Wang Xin

Inventor before: Wang Deqing

Inventor before: Fu Liqun

Inventor before: Yue Lei

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20220608

Address after: Xiamen City, Fujian Province, 361005 South Siming Road No. 422

Applicant after: XIAMEN University

Applicant after: Tongshi Technology (Xiamen) Co., Ltd

Address before: Xiamen City, Fujian Province, 361005 South Siming Road No. 422

Applicant before: XIAMEN University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant