CN110166386B - 一种基于递归混沌码的水声通信均衡译码方法 - Google Patents

Abstract

本申请公开了一种基于递归混沌码的水声通信均衡译码方法，该方法包括：步骤1，编码发送端将信源信息序列输入至递归混沌模型，进行递归混沌编码，生成符号帧序列，并生成信息子帧，并将信号调制后的信息子帧，发送至编码接收端；步骤2，编码接收端对接收到的信息子帧进行解调，生成符号序列，并根据符号序列和信源信息序列中的信息片段数量，生成联合均衡译码树；步骤3，编码接收端计算各分枝中符号序列与实际接收到的符号序列的欧氏距离，选取欧氏距离最小的分枝，记作译码结果。通过本申请中的技术方案，提高了水声通信系统的误码率性能，降低了水声信道强码间串扰的影响以及联合均衡译码算法的复杂度，提高了水声信道传输的可靠性。

Description

一种基于递归混沌码的水声通信均衡译码方法

技术领域

本申请涉及水声通信的技术领域，具体而言，涉及一种基于递归混沌码的水声通信均衡译码方法。

背景技术

水声通信技术已广泛应用在钻井平台的水下设备控制、海洋环境监控、水下航行器间的信息交换等国防与经济建设的多个领域。相比于无线电通信，水声通信中，信号到达接收端所经过的传播路径一般不唯一，导致到达时间存在不同的延时，进而引发严重码间串扰。同时由于海水对于声波的吸收效应等原因，水声信道的可用带宽严重受限。此外，由于水体运动等原因，水声信道还具有很强的时变效应。为此，需要针对水声信道的特点设计与之相适应的水声通信系统。

而现有技术中，较为先进的接收端结构是基于迭代联合均衡译码思想的Turbo均衡译码方法，一方面，该方法采用的递归系统卷积码没有足够的信息混合能力，不得不借助交织器进行信息的交织混合，交织器的信息混合能力又与交织长度相关，最终导致了只有交织长度即码块的长度足够大的时候，才能获得最佳的联合均衡译码性能。

另外，Turbo均衡译码采用了迭代结构，将均衡器与译码器联合起来，导致该译码方法的性能仅在信噪比高于某一门限时才开始收敛，而当信道频率选择性衰落较强或者对于信道估计存在误差时，Turbo均衡译码方法的信噪比门限较高，导致Turbo均衡译码方法在一些强频率选择性衰落或者时变性较强的信道下，译码性能不理想。

发明内容

本申请的目的在于：提高水声通信系统的误码率性能，降低水声信道的强码间串扰以及联合均衡译码算法的复杂度，提高水声信道传输的可靠性。

本申请的技术方案是：提供了一种基于递归混沌码的水声通信均衡译码方法，该方法包括：步骤1，编码发送端将信源信息序列输入至递归混沌模型，进行递归混沌编码，生成符号帧序列，将每一次生成的符号帧序列进行符号重组，生成信息子帧，并将信号调制后的信息子帧，发送至编码接收端，其中，信源信息序列包含多个信息片段；步骤2，编码接收端对接收到的信息子帧进行解调，生成符号序列，并根据符号序列和信源信息序列中的信息片段数量，利用递归混沌模型，生成联合均衡译码树；步骤3，编码接收端计算联合均衡译码树各分枝中符号序列与实际接收到的符号序列之间的欧氏距离，选取欧氏距离最小的分枝中的符号序列，记作译码结果。

上述任一项技术方案中，进一步地，步骤1中生成信息子帧，具体包括：步骤11，编码发送端将信源信息序列等长度地划分为至少两个信息片段，根据递归混沌模型，采用迭代算法和递归算法，进行递归混沌编码，计算信息片段对应的转换数据；步骤12，对转换数据进行进制转换和数据截取，并利用映射函数，调制生成转换数据的符号帧序列；步骤13，按照符号帧序列中的符号数量，等长度地将符号帧序列划分为至少两组，并记作待选序列，依次从待选序列中随机选取一个符号进行符号重组，生成信息子帧。

上述任一项技术方案中，进一步地，步骤2中生成联合均衡译码树的方法具体包括：步骤21，将编码发送端和编码接收端约定好的初始种子t⁰记作译码树的根节点，采用遍历算法和迭代算法，利用递归混沌模型，计算根节点下一层子树中叶子节点的符号序列y_n,i、以及符号序列t_n,i与实际接收到的符号序列的欧氏距离；步骤22，判断当前子树层数是否等于信息片段数量，若不相等，根据预设保留数量B，对按照欧氏距离由小到大依次排序的叶子节点进行裁剪，保留欧氏距离最小的B个叶子节点，并将保留的B个叶子节点记作下一层子树中叶子节点的父节点，重新执行步骤21，计算下一层子树中叶子节点的符号序列y_n,i，若相等，将该层子树记作最后一层子树；步骤23，利用根节点、父节点和最后一层子树的叶子节点，生成联合均衡译码树。

上述任一项技术方案中，进一步地，该步骤21中计算符号序列y_n,i与实际接收到的相应符号序列的欧氏距离，具体包括：根据信道响应函数，对符号序列y_n,i进行修正，将修正后的符号序列记作可能接收序列r_n,i，计算可能接收序列r_n,i与实际接收到的相应符号序列之间的欧氏距离，其中，信道响应函数为：

式中，r_n,i为第n层子树中第i(i＝1,2,…)个叶子节点的符号序列y_n,i对应的可能接收序列，

为相应的信道响应，

为预设信道响应初始值，μ为步长系数，ε_n,i为误差项，n＝2^g，g为信息片段长度。

本申请的有益效果是：

1.本发明所提方法的性能不受码块长度限制，适用于水声通信这类对通信码块长度存在限制的应用场景。

2.本发明的误码率性能曲线不存在明显的误码率门限，在水声通信这类信道存在多途效应的应用场景中，相较其他方法具有更低的信噪比门限。

3.本发明所提方法的实现了最大似然的联合均衡译码，其应用于水声通信中的性能相较于现有较为先进的方法仍具有更低的误码率。

4.本发明所提方法算法复杂度随输入的信息序列长度近似呈线性增长，可工程实用，具有较高实际应用价值。

附图说明

本申请的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本申请的一个实施例的基于递归混沌码的水声通信均衡译码方法的示意流程图；

图2是根据本申请的一个实施例的树形图的示意图；

图3是根据本申请的一个实施例的比特误码率的仿真图。

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互结合。

在下面的描述中，阐述了很多具体细节以便于充分理解本申请，但是，本申请还可以采用其他不同于在此描述的其他方式来实施，因此，本申请的保护范围并不受下面公开的具体实施例的限制。

本发明可应用于通过水声对水下平台进行高可靠水声信息传输的应用中。本发明所提方法的通信发射端采用递归混沌编码，信源信息序列经过递归混沌编码和混沌信号映射输出的符号帧序列经过调制后直接输出到水声信道中；在接收端，解调后的信号，输入到近最大似然联合均衡译码器进行联合均衡译码，在对接收到的符号进行均衡译码的同时，联合均衡译码器利用自适应信道估计器提供的信道响应估计实现对信道的自适应跟踪。

该系统采用分帧传输的方式进行通信，每一帧信息子帧包含所有信息片段的信息。

如图1所示，本实施例提供了一种基于递归混沌码的水声通信均衡译码方法，该方法包括：

步骤1，编码发送端将信源信息序列输入至递归混沌模型，进行递归混沌编码，生成符号帧序列，将每一次生成的所述符号帧序列进行符号重组，生成信息子帧，并将信号调制后的信息子帧，发送至编码接收端，其中，信源信息序列包含多个信息片段；

在该步骤1中，生成信息子帧，具体包括：

步骤11，编码发送端将信源信息序列等长度地划分为至少两个信息片段，根据递归混沌模型，采用迭代算法和递归算法，进行递归混沌编码，计算信息片段对应的转换数据，其中，递归混沌模型包括混沌映射模型和次级混沌映射模型；

在该步骤11中具体包括：

设定片段长度k＝1，将信息比特序列M＝[1 1 0 0 1 0]等长度地划分为6个信息片段，依次为：m¹＝[1]，m²＝[1]，m³＝[0]，m⁴＝[0]，m⁵＝[1]，m⁶＝[0]。

步骤111，采用递归算法和递归混沌模型中的混沌映射模型，根据编码发送端和编码接收端约定的密钥种子状态T₀，或上一个信息片段对应的种子状态，计算当前信息片段对应的种子状态，生成种子序列；

具体地，设定递归算法的预设内部递归次数r＝10。将密钥种子状态T₀和第一个信息片段m¹＝[1](当前信息片段)带入混沌映射模型，密钥种子状态T₀为第一个信息片段m¹的初始种子状态

在本实施例的一种实现方式中，混沌映射模型的计算公式为：

m_max＝2^k-1

T＝t_r

式中，t_i为第i次递归运算的种子状态，i＝1,2,…,r，r为预设内部递归次数，t₀为初始种子状态，σ₁<σ₂是两个极小数，m为信息片段的十进制数值，对应于m¹、m²、m³、m⁴、m⁵、m⁶，k为每个信息片段的长度，α为预设系数，a为中间计算变量，T为种子状态。

在本实施例中，将第一个信息片段m¹＝[1]和密钥种子状态T₀，带入混沌映射模型，得到第一次的运算结果

再将运算结果带入混沌映射模型的计算公式，进行第二次递归，得到运算结果依次进行10次递归运算，得到第10次递归运算的运算结果

则将运算结果作为第一个信息片段m¹＝[0 1]对应的第一个种子状态T₁。

再将第一个种子状态T₁与第二个信息片段m²＝[1]带入混沌映射模型，即将上一个信息片段m¹对应的第一个种子状态T₁作为第二个信息片段m²(当前信息片段)对应的初始种子状态

通过10次递归运算，计算出第二个信息片段m²＝[1]对应的第二个种子状态T₂，依次计算，得到第三个种子状态T₃、第四个种子状态T₄、第五个种子状态T₅和第六个种子状态T₆，进而可以生成对应的种子序列T＝[T₁ T₂ T₃ T₄ T₅ T₆]。

通过上述的混沌映射模型和递归算法，生成的种子序列T，具有较强的差异性，可有效增加相似信息序列(待编码的信息比特序列)的码间距离，提高本实施例中的方法在无线信道中实现“无码率”编码的性能。

步骤112，根据预设变量、预设迭代次数W和种子序列，采用迭代算法和递归混沌模型中的次级混沌映射模型，进行递归混沌编码，计算种子序列对应的转换数据；

具体地，设定预设变量m′和对应的m′_max，预设迭代次数W为大于或等于1的正整数，次级混沌映射模型的计算公式为：

式中，J为次级混沌映射的预设内部递归次数，可以设定预设内部递归次数J＝10，为在第w次迭代运算时、第n个信息片段在次级混沌映射模型中、经过第j次递归运算生成的次级种子状态，σ₁<σ₂是两个极小数，a′为中间计算变量，T_n为第n个信息片对应的种子状态，为第n个信息片段在第w次迭代运算过程中的次级初始种子状态，Q_w,n为第n个信息片段经过第w次迭代运算生成的转换数据。

设定预设系数α的取值为0.2，在生成第一帧符号帧序列时，依次将种子序列T＝[T₁ T₂ T₃ T₄ T₅ T₆]中的种子状态作为次级混沌映射模型对应的次级初始种子状态，即

其中，n＝1，2，3，4，5，6，为当前次级混沌映射器对应信息片段的序号。

以生成第一个转换数据为例，在进行第一次迭代运算时，即w＝1，将种子序列T中的第一个种子状态T₁作为次级混沌映射模型的次级初始种子状态

将预设变量m′和次级初始种子状态

带入次级混沌映射模型，同时，设定次级混沌映射模型的预设内部递归次数J＝10，每一次的递归运算与上述生成种子序列中的递归运算方法相同，即将运算结果

带入次级混沌映射模型，完成第j次递归运算，此处不再赘述。将第10次递归运算的计算结果

记作第一个转换数据Q₁₁，即第一个种子状态T₁完成第一次迭代运算对应的第一个转换数据为Q₁₁，依次可以得到对应的转换数据Q₁₂,…,Q₁₆。各转换数据Q_1n(n＝1,2,3,4,5,6)经过进制转换和数据截取得到第一帧符号对应的源数据序列。将源数据序列经过映射函数得到第一帧符号帧序列对应的正交调制信号幅值，正交调制后得到第一帧待发送符号帧序列。

步骤12，对转换数据进行进制转换和数据截取，并利用映射函数，调制生成转换数据的符号帧序列；

在该步骤12中，具体包括：

步骤121，通过进制转换和数据截取，生成转换数据对应的符号源数据序列。

以第一个转换数据Q₁₁为例，对进制转换和数据截取进行说明，此处密钥种子状态T₀＝0.27。首先，将计算出的第一转换数据Q₁₁用32位二进制数，进行进制转换，可以表示为数据Q′₁₁＝0.11000100101010011000000110100001。其次，对数据Q′₁₁进行数据截取，取出其小数部分高16位记作第一数据h＝1100010010101001，再取出其小数部分低16位记作第二数据l＝1000000110100001，再将第一数据h和第二数据l按照预先设定的精度c＝4，进行数据截取，取出低c位后再转换为十进制形式，得到数据和数据

同理，可以得到转换数据Q₁₂,…,Q₁₆对应的数据

并将其记作转换数据Q_1n(n＝1…6)的符号源数据序列。

步骤122，根据预设功率和映射函数，计算符号源数据序列对应的正交信号的幅值，并根据幅值，调制生成符号帧序列。

进一步地，映射函数的计算公式为：

式中，R_wn为第w次迭代运算中第n个信息片段对应的正交信号中的第一幅值，I_wn为该正交信号中的第二幅值，为第w次迭代运算中第n个信息片段的符号源数据，P为预设功率，c为预设精度，γ≡Φ(-β)，β为预设参数，函数Φ(·)为标准正态分布概率累计函数。

具体地，设定预设功率P＝1，预设精度c＝4，β＝1，将数据

和带入映射函数的计算公式，可以计算出第1次迭代运算中第1个信息片段对应的两个正交信号的幅值，依次为幅值R₁₁＝0.1611和幅值I₁₁＝-0.7632。因此，根据幅值R₁₁和幅值I₁₁，通过信号调制，可以得到符号y₁₁＝R₁₁+i*I₁₁，对其余5个信息片段进行同样的操作得到第一帧符号帧序列Y₁＝[y₁₁,…,y₁₆]。

每进行一次迭代运算时，生成一帧符号帧序列。在生成第二帧符号帧序列时，将前一帧(第一帧)符号帧序列对应的转换数据Q_1n作为次级混沌映射的初始状态

将第二次迭代运算中的第10次递归运算的计算结果

记作第二个转换数据Q_2n，从而得到各信息片段对应的转换数据Q₂₁…Q₂₆，经进制转换、数据截取以及映射函数后得到第二帧符号帧序列Y₂。直到完成预设迭代次数W次迭代运算，此时，共得到W帧符号帧序列，其中，每一个符号帧序列包含N个转换数据，每一个转换数据对应两个数据

和

和一个符号y_wn。

步骤13，按照符号帧序列中的符号数量，等长度地将符号帧序列划分为至少两组，并记作待选序列，依次从待选序列中随机选取一个符号进行符号重组，生成信息子帧。

具体地，设定上述步骤中生成的第一帧符号序列Y₁＝[y₁₁,…,y₁₆]，其中，y₁₁,…,y₁₆为对应于信息片段m¹至m⁶的符号，将第一帧符号序列Y₁等长度地分成两组待选序列[y₁₁,y₁₂,y₁₃]和[y₁₄,y₁₅,y₁₆]，随机从两组待选序列中分别选取一个符号，组成信息子帧，如选取y₁₃和y₁₆构成信息子帧1，选取y₁₁和y₁₄构成信息子帧2,选取y₁₂和y₁₅构成信息子帧3，构成第一组信息子帧。采用上述方法可以将生成的W个符号帧序列，按照迭代次数依次生成W组信息子帧。

编码发送端采用现有的编码发送方式，将采用上述方法生成的信息子帧发送至编码接收端，由编码接收端根据本实施例中的方法进行译码。在编码接收端译码的过程中，引入树型图的概念，即构建译码树，译码树包括根节点和至少一层子树，其子树层数由信息片段的数量决定。

步骤2，编码接收端对接收到的信息子帧进行解调，生成符号序列，并根据符号序列和信源信息序列中的信息片段数量，利用递归混沌模型，生成联合均衡译码树，其中，编码接收端与编码发送端的递归混沌模型相同，包括混沌映射模型和次级混沌映射模型。

在该步骤2中，编码接收端解调信息子帧生成的符号序列，可以记作实际接收到的相应符号序列。引入树型图(译码树)的概念，如图2所示，将编码发送端和编码接收端约定好的初始种子t⁰记作译码树的根节点301，译码树中每一层子树包含多个叶子节点，每一个叶子节点的取值由信息片段的可能取值决定，可以将叶子节点的取值记作符号序列。在本实施例中，设定信息子帧中所包含的信息片段数量N＝6，每一个信息片段的长度k＝1，即包含一个比特，因此，生成的联合均衡译码树包括6层子树，每个子树下的叶子节点对应的符号序列为1或0。

在步骤2中，生成联合均衡译码树具体包括：

步骤21，将编码发送端和编码接收端约定好的初始种子t⁰记作译码树的根节点，采用遍历算法和迭代算法，利用递归混沌模型，计算根节点下一层子树中叶子节点的符号序列y_n,i、以及符号序列y_n,i与实际接收到的相应符号序列的欧氏距离；

优选地，该步骤21中计算符号序列与实际接收到的相应符号序列的欧氏距离，具体包括：

根据信道响应函数，对叶子节点的符号序列y_n,i进行修正，将修正后的符号序列记作可能接收序列r_n,i，计算可能接收序列r_n,i与实际接收到的符号序列之间的欧氏距离，其中，信道响应函数为：

式中，r_ni为第n层子树中第i(i＝1,2,…)个叶子节点的符号序列y_n,i对应的可能接收序列，

为相应的信道响应，

为预设信道响应初始值，μ为步长系数，ε_n,i为误差项。

步骤22，判断当前子树层数是否等于信息片段数量，若不相等，根据预设保留数量B，对按照欧氏距离由小到大依次排序的叶子节点进行裁剪，仅保留欧氏距离最小的B个叶子节点，并将保留的B个叶子节点记作下一层子树中叶子节点的父节点，重新执行步骤21，计算下一层子树中叶子节点的符号序列y_n,i；若相等，将该层子树记作最后一层子树。

具体地，该步骤22中，如图2所示，利用步骤21中的方法确定根节点301后，由左至右沿箭头方向逐层计算译码树中子树的叶子节点，在本实施例中，设定叶子节点的预设保留数量B＝4，即只有当每一层子树中叶子节点的数量大于4个时，才会对子树中的叶子节点进行裁剪。由于本实施例中设定信息片段的长度为1，因此，根节点和每一层子树中父节点下对应两个叶子节点，其对应的符号序列为[0]、[1]，即叶子节点的数量满足2y，y为该层子树的中对应父节点(根节点)的数量，所以，第一层子树中存在2个叶子节点，第二层子树中存在4个叶子节点，第三层子树302中存在8个叶子节点，因此，需要对第三层子树302中的叶子节点进行裁剪。裁剪过程为：

首先，利用信道响应函数对第三层子树302中的8个叶子节点的符号序列进行修正，得到可能接收序列；

其次，计算可能接收序列与实际接收到的第三个符号序列的欧氏距离。定义欧氏距离为：

其中y_n为相对应的实际接收符号序列。利用式D_ni＝D_n,i-1+||y_n-r_ni||²递归计算该欧式距离，并按照欧氏距离的大小对上述8个叶子节点进行排序。

最后，裁剪掉欧氏距离较大的4个叶子节点(如图中圆圈所示)，保留欧氏距离较小的4个叶子节点(如图中黑点所示)，将保留的4个叶子节点记作第三层子树的父节点。

得到第三层子树的父节点后，每一个父节点下对应2个叶子节点，其符号序列为[0]、[1]，因此，生成的第四层子树中的叶子节点数量为8个，由于当前子树层数为4，与信息片段数量6不相等，因此，重复上述过程，对第四层子树中的叶子节点进行裁剪，直到生成第六层子树中的8个叶子节点，将这8个叶子节点记作最后一层子树的叶子节点。

步骤23，利用根节点、父节点和最后一层子树的叶子节点，生成联合均衡译码树，生成的联合均衡译码树如图2所示。

在本实施例的一种实现方式中，编码接收端计算下一层子树中叶子节点的符号序列的方法为：

首先，利用遍历算法，确定第一层子树中叶子节点对应的信息片段，并将信息片段进行进制转换，转换为十进制数值，并将密钥种子状态t⁰(即初始种子

)和进制转换后的信息片段带入混沌映射模型，利用递归算法，计算第一层子树中叶子节点对应的种子状态s_1,i，其中，混沌映射模型的计算公式为：

m_max＝2^k-1

式中，

为第一层子树中第i个叶子节点的第r次递归运算的种子，R为预设内部递归次数，σ₁<σ₂是两个极小数，a_i为中间计算参数，m_i为第i个叶子节点对应信息片段的十进制数值，m_max为该十进制数值可能取得的最大值，k为信息片段长度，α为预设系数。

在本实施例中，信息片段长度k＝1，因此，采用遍历算法，确定第一层子树中包含2个叶子节点，对应的信息片段依次为[0]、[1]，对应的十进制数依次为0、1。以m₁＝0为例，设定预设内部递归次数R＝10，将初始种子

和m₁带入混沌映射模型，进行第一次递归运算，得到第一次运算结果

再将第一次运算结果

带入混沌映射模型进行第二次递归运算，得到第二次运算结果递归10次后，将第10次运算结果

记作第一层子树中第一个叶子节点种子状态s_1,1。利用相同方法，可以得到第一层子树中第二个叶子节点种子状态s_1,2

其次，将第一层子树中的两个种子状态s_1,1和s_1,2分别带入次级混沌映射模型，作为初始次级种子，采用遍历算法，计算第一层子树中相应叶子节点的符号序列，其中，次级混沌映射模型的计算公式为：

式中，

为第n层子树中第i个叶子节点的第j次递归运算的次级种子，j＝1,2,…,J，J为预设内部递归次数，σ₁<σ₂是两个极小数，a′为相应的中间计算参数，m′、α′、m′_max为预设系数，

为第n层子树中第i个叶子节点第w次迭代时的初始次级种子，W为预设迭代次数，x_n,i为第n层子树中第i个叶子节点的转换数据。

在本实施例中，每迭代一次，能够求出一层叶子节点对应的一组符号序列。在进行第一次迭代时，将混沌映射模型计算出的种子状态s_1,i作为相应的初始次级种子

带入次级混沌映射模型，进行递归运算，得到第一次递归运算的次级种子

再将次级种子

带入次级混沌映射模型进行第二次递归运算，递归10次后，将第10次递归运算得到的次级种子

记作第1层子树中第i个叶子节点的转换数据

经过进制转换与数据截取得到该叶子节点的符号序列

完成第一次迭代。

最后，采用遍历算法确定下一层叶子节点对应的信息片段，并进行进制转换计算相应的十进制数值，并结合当前叶子节点的状态值(初始次级种子)和次级混沌映射模型，迭代计算下一层叶子节点对应的符号序列。

也就是说，在进行第二次迭代时，将第一次迭代得到的转换数据

作为第二次迭代运算的次级种子，遍历出第二层叶子节点对应的十进制数，将遍历出的十进制数和次级种子带入次级混沌映射模型，利用递归算法，计算出递归10次后的次级种子

得到第一层叶子节点的第二组符号序列

再依次进行后续迭代运算，直到完成W次迭代运算，完成第一层叶子节点的构造。

优选地，在上述过程中，计算叶子节点的符号序列具体包括：

通过次级混沌映射模型计算出转换数据x_n,i后，对转换数据x_n,i进行进制转换和数据截取，得到转换数据，再将转换数据输入映射函数，分别得到两路正交信号幅值R和I，根据如下计算公式计算第i个叶子节点的符号序列y，计算公式为：

y＝R+i*I

其中，映射函数的计算公式为：

编码接收端的进制转换、数据截取以及映射函数的计算过程与编码发射端的相似，此处不在赘述。

根据第一层叶子节点对应的状态值s_1,i，通过遍历算法和迭代算法，以与第一层叶子节点相同的方法，计算出译码树第二层叶子节点的符号序列以及符号序列与接收序列的欧氏距离。直到计算出最后一层子树的叶子节点对应的符号序列以及符号序列与接收序列的欧氏距离。

需要说明的是，对于n段信息片段的编码来说，编码树共有n层在编码时，n对应于n个信息片段。W为对应每一个信息片段共迭代W次，可生成W帧的符号序列。

译码时，对于每一段信息片段都会生成编码树相应的一层，根据符号发送顺序策略和接收序列的长度可以知道接收符号对应于编码树中的位置。如第一层有两帧，则在生成第一层编码树时令W’＝2，而第四层只接收到1帧，则在生成第四层编码树时令W’＝1。如果对于某一层的符号没有接收到，则可以直接跳过，而对每一个叶子节点的欧氏距离加一个相同的数(如0)，同时不进行删树操作。

步骤3，编码接收端计算联合均衡译码树中各分枝中符号序列与接收到的信息子帧之间的欧氏距离，选取欧氏距离最小的分枝中的符号序列，记作信息子帧的译码。

具体地，计算欧氏距离的计算公式为：

具体计算方法，此处不再赘述。

如图3所示，设定仿真信道的信道冲激响应参数向量为[0.227,0.460,0.688,0.460,0.227]，将本申请中的方法与Turbo联合均衡译码方法进行比较，本发明所提方法的误码率性能有较为明显的优势，其中，曲线301为本发明所提方法的仿真曲线，曲线302为Turbo联合均衡译码方法的仿真曲线。

以上结合附图详细说明了本申请的技术方案，本申请提出了一种基于递归混沌码的水声通信均衡译码方法，包括：步骤1，编码发送端将信源信息序列输入至递归混沌模型，进行递归混沌编码，生成符号帧序列，将每一次生成的所述符号帧序列进行符号重组，生成信息子帧，并将信号调制后的所述信息子帧，发送至编码接收端，其中，所述信源信息序列包含多个信息片段；步骤2，所述编码接收端对接收到的信息子帧进行解调，生成符号序列，并根据所述符号序列和所述信源信息序列中的信息片段数量，利用所述递归混沌模型，生成联合均衡译码树；步骤3，所述编码接收端计算所述联合均衡译码树各分枝中所述符号序列与接收到的符号序列之间的欧氏距离，选取所述欧氏距离最小的分枝中的符号序列，记作所述译码结果。通过本申请中的技术方案，提高了水声通信系统的误码率性能，降低了水声信道的强码间串扰以及联合均衡译码算法的复杂度，提高了水声信道传输的传输性能。

本申请中的步骤可根据实际需求进行顺序调整、合并和删减。

本申请装置中的单元可根据实际需求进行合并、划分和删减。

尽管参考附图详地公开了本申请，但应理解的是，这些描述仅仅是示例性的，并非用来限制本申请的应用。本申请的保护范围由附加权利要求限定，并可包括在不脱离本申请保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。

Claims (3)

1.一种基于递归混沌码的水声通信均衡译码方法，其特征在于，该方法包括：

步骤1，编码发送端将信源信息序列输入至递归混沌模型，进行递归混沌编码，生成符号帧序列，将每一次生成的所述符号帧序列进行符号重组，生成信息子帧，并将信号调制后的所述信息子帧，发送至编码接收端，其中，所述信源信息序列包含多个信息片段；

步骤2，所述编码接收端对接收到的信息子帧进行解调，生成符号序列，并根据所述符号序列和所述信源信息序列中的信息片段数量，利用所述递归混沌模型，生成联合均衡译码树，其中，生成所述联合均衡译码树的方法具体包括：

步骤21，将所述编码发送端和所述编码接收端约定好的初始种子t⁰记作译码树的根节点，采用遍历算法和迭代算法，利用所述递归混沌模型，计算所述根节点下一层子树中叶子节点的所述符号序列y_n,i、以及所述符号序列y_n,i与实际接收到的相应所述符号序列的欧氏距离；

步骤22，判断当前子树层数是否等于所述信息片段数量，若不相等，根据预设保留数量B，对按照所述欧氏距离由小到大依次排序的叶子节点进行裁剪，保留所述欧氏距离最小的B个叶子节点，并将保留的B个所述叶子节点记作下一层子树中叶子节点的父节点，重新执行步骤21，计算下一层所述子树中所述叶子节点的符号序列y_n,i，若相等，将该层子树记作最后一层子树；

步骤23，利用所述根节点、所述父节点和所述最后一层子树的叶子节点，生成所述联合均衡译码树；

步骤3，所述编码接收端计算所述联合均衡译码树各分枝中符号序列与实际接收到的所述符号序列的欧氏距离，选取所述欧氏距离最小的分枝中的符号序列，记作译码结果。

2.如权利要求1所述的基于递归混沌码的水声通信均衡译码方法，其特征在于，步骤1中生成信息子帧，具体包括：

步骤11，所述编码发送端将所述信源信息序列等长度地划分为至少两个所述信息片段，根据所述递归混沌模型，采用迭代算法和递归算法，进行递归混沌编码，计算所述信息片段对应的转换数据；

步骤12，对所述转换数据进行进制转换和数据截取，并利用映射函数，调制生成所述转换数据的符号帧序列；

步骤13，按照所述符号帧序列中的符号数量，等长度地将所述符号帧序列划分为至少两组，并记作待选序列，依次从所述待选序列中随机选取一个符号进行符号重组，生成所述信息子帧。

3.如权利要求1所述的基于递归混沌码的水声通信均衡译码方法，其特征在于，该步骤21中计算所述符号序列y_n,i与实际接收到的相应所述符号序列的欧氏距离，具体包括：

根据信道响应函数，对所述符号序列y_n,i进行修正，将修正后的符号序列记作可能接收序列r_n,i，计算所述可能接收序列r_n,i与所述实际接收到的相应所述符号序列之间的所述欧氏距离，其中，所述信道响应函数为：

式中，r_n,i为第n层子树中第i(i＝1,2,…)个叶子节点的符号序列y_n,i对应的可能接收序列，

为相应的信道响应，

为预设信道响应初始值，μ为步长系数，ε_n,i为误差项。

Images