CN110572220A - 面向无速率水声通信的联合盲频域均衡与无速率译码算法 - Google Patents

Abstract

本发明涉及水声通信技术领域，具体的说是一种面向无速率水声通信的联合盲频域均衡与无速率译码算法，首先提出了一种基于判决反馈结构的盲频域均衡，而后在此基础上，通过在盲频域均衡和无速率解码器间交换软信息，实现了一种类似于Turbo均衡的迭代处理，提高了系统的可靠性和传输效率，仿真结果验证了该方案的有效性和优势。

Description

面向无速率水声通信的联合盲频域均衡与无速率译码算法

技术领域：

本发明涉及水声通信技术领域，具体的说是一种面向无速率水声通信的联合盲频域均衡与无速率译码算法。

背景技术：

水声信道存在多途现象严重、环境噪声大以及传输时延长等难题。为有效克服多径衰落导致的严重符号间干扰(Intersymbol Interference,ISI)，通常采用均衡技术，而信道编码技术可用来提高传输的可靠性。上世纪八十年代，已经有相关研究考虑将译码与均衡进行联合处理，以实现共同优化。

无速率码是一种没有固定码率的编码方式，其基本原理是每一个编码信号都存在全部编码信息的部分信息，且发送端可以源源不断的产生编码，一旦接收端接收到足够多的编码信息，即可恢复出全部信源信息。无速率编码具有的无固定编码速率特性，能保证传输可靠性的同时，灵活调整码率。但现有技术中的方法均衡算法采用非盲均衡，需要发送训练序列，而水声信道可用带宽有限，训练序列的使用会降低信道的传输效率。

发明内容：

本发明针对现有相关技术复杂度高、传输效率低的问题，提出了一种面向无速率水声通信的联合盲频域均衡与无速率译码算法。

本发明可以通过以下措施达到：

一种面向无速率水声通信的联合盲频域均衡与无速率译码算法，其特征在于包括以下内容：将均衡器输入信号构成的第k块表示：y_2Q(k)＝[u((k-1)Q)......u((k+1)Q)] (27)，

其中M为前馈滤波器的抽头长度，N为后馈滤波器的抽头长度，Q为迭代块的长度，令 Q＝N，对式(27)所表示的信号进行快速傅里叶变换，得频域形式：

Y_2Q＝FFT(y_2Q) (28)，

均衡器的输出经过软解调，LT译码以及软调制得到的信号，用式(29)表示：

d(k)＝[g(2(k-1)Q)......g(2kQ)] (29)，

根据重叠储存方法的原理，在第k块后馈输入信号前面插入Q个零，经快速傅里叶变换，得到反馈滤波器的输入：D_2Q＝FFT([[0_Q]d_Q(k)]) (30)，

基于判决反馈结构频域均衡器的输出为A(k)，A(k)＝F(k)Y_2Q(k)-B(k)D_2Q(k) (31)，

该输出信号A(k)经快速傅里叶反变换后，转换到时域并保留后Q个值，可得：

a_l,q(k)＝{IFFT(A(k))}_l,q (32)，

基于多模算法的盲均衡的误差函数为：

e(k)＝(R_2R-|(a_l,q)_R ²|)(a_l,q)_R+i(R_2I-|(a_l,q)_I ²|)(a_l,q)_I (33)，

其中，

其中，r_R和r_I分别是发送信号的实部和虚部；

在误差信号前补Q个零,再进行傅里叶变换得到频域误差函数：

E_2Q(k)＝FFT([[0_Q][e(k)]]) (36)

根据重叠储存的方法，令IFFT(Y_2Q ^*·E_2Q)的前Q个值为a_Q，取IFFT(D_2Q ^*·E_2Q)为b_Q，即：

为了使均衡性能更加稳定，采用了归一化NLMS算法，得到频域滤波系数的更新公式：

其中δ>0，且为接近零的正小数，μ_f和μ_b分别是频域前馈滤波器和后滤波器的步长，令：

即μ_A和μ_B分别是频域前馈滤波器和后滤波器的归一化步长；

前后馈滤波系数初始化为：

本发明中联合均衡与译码系统中，均衡时域输入为u(n)，则均衡器时域输入向量可表示为：y(n)＝[u(n),...,u(n-M+1)]，M为前馈滤波器抽头长度，通过快速傅里叶变换可得频域前馈输入信号Y_n，F(f)和B(f)分别代表前馈和后馈滤波器，这里用F_n和B_n代表前后馈滤波器的滤波系数；Z_n为频域均衡器输出信号，均衡后将信号转换为时域信号z(n)，通过软解调得到编码比特的软信息L(c_k)，即L(c_k)＝2z/σ²；将LT译码过程中得到的软信息经过软调制，再进行FFT，最后反馈到后馈滤波器，后馈滤波器的输入用D_n表示，则均衡输出可表示为： Z_n＝F_nY_n-B_nD_n (2)

其中，为均衡译码后判决器的输出信号，即恢复的发送端调制信号。

本发明所采用的基于判决反馈结构的盲频率均衡与时域均衡相比，频域均衡器可在保持系统误码性能相同的前提下，有效地降低算法计算复杂度，且非线性均衡器消除ISI的性能明显优于线性均衡器，因此本发明提出了将盲均衡与迭代块判决反馈均衡器结合起来，即基于判决反馈结构的盲频域均衡算法。

本发明在盲判决反馈频域均衡器中，设前馈滤波器长度为M，后馈滤波器长度为N，设迭代块大小为Q，且Q＝N＝M；基于判决反馈结构的快速盲频域均衡器实现的迭代过程如下：

接收信号也就是均衡器的输入信号第k块可以表示为：

y_{DFE_2Q}(k)＝[g((k-1)Q)......g((k+1)Q)] (3)

对其进行快速傅里叶变换到频域得到：

Y_DFE＝FFT(y_{DFE_2Q}) (4)，

均衡器的输出经过判决得到第k块判决信号用下式(5)表示：

d_{DFE_Q}(k)＝[d(2(k-1)Q)......d(2kQ)] (5)，

根据重叠储存方法的原理，在第k块判决信号前面插入Q个零经过快速傅里叶变换得到反馈滤波器的输入：

D_DFE(k)＝FFT([[0_Q]d_{DFE_Q}(k)]) (6)

那么，基于判决反馈结构的频域均衡器的输出为：

A_DFE(k)＝F_DFE(k)Y_DFE(k)-B_DFE(k)D_DFE(k) (7)

该输出经过快速傅里叶反变换后转换到时域并保留后Q个值：

a_{DFE_l,q}(k)＝{IFFT(A_DFE(k))}_l,q (8)

根据判决反馈原理，判决后补零作为下一块迭代时后馈的输入：

D_DFE(k+1)＝[0_Qf(a_{DFE_l,q}(k))] (9)

其中f(·)为判决函数。盲均衡的误差函数为：

e_DFE(k)＝(R_2R-|(a_{DFE_l,q})_R ²|)(a_{DFE_l,q})_R+i(R_2I-|(a_{DFE_l,q})_I ²|)(a_{DFE_l,q})_I (10)

其中，(a_{DFE_l,q})_R和(a_{DFE_l,q})_I分别是a_{DFE_l,q}中所有元素的实部和虚部构成的矩阵，R_2R和 R_2I用式(11)和(12)表示。

同样地，在误差信号前补Q个零再次进行傅里叶变换得到频域误差函数：

E_DFE(k)＝FFT([[0_Q][e_DFE(k)]]) (13)

令：

为了使均衡性能更加稳定，故采用了归一化步长，从而可以得到频域滤波系数的更新公式：

其中δ>0，且为接近零的正小数，μ_A和μ_B分别是频域前馈滤波器和后滤波器的步长。通过下式对前后馈滤波系数以及后馈输入信号进行初始化：

本发明中LT编码步骤如下：

首先根据采用的编码度分布序列得到第i个编码比特c_i的度；

然后，随机选择d_i个信源比特作为c_i的邻接节点；

再次，对这d_i个信源比特逐个进行异或运算，最后得到编码比特c_i。

故编码比特可以用下式(17)表示：

其中，i＝1,2,...,k(一个包中有k个信源比特)。

对于LT码的译码算法，为了使得译码效率更高，通过和积算法来实现了LT的软译码。设符号表示异或运算,那么关于的对数似然比可以通过下式(18)计算得到：

根据异或运算的交换律，可以将式子(17)写成

令L(t_i,j)表示编码比特c_i向信源比特u_j传送的软信息，L(h_i,j)表示信源比特u_i传向编码比特c_j的软信息，则有

其中，N_i表示所有与编码比特c_i相连信源的下标，则有，

其中，ε_i表示所有与信源比特u_i相连的编码下标，这样式子(20)完成了软信息从编码比特到信源比特，式子(21)实现了从信源比特返回编码比特，即两者构成了一个完整的循环迭代过程。通过多次循环迭代，最终可以通过式子(22)计算L(u_i)的值,并对L(u_i)进行判决从而获得最后的译码结果。

联合变抽头盲频域均衡与LT译码算法的联合过程需要在译码过程中对均衡的输入信息 L(c_k)进行更新，将更新后得到软信息反馈给后馈滤波器，进而实现联合译码与均衡的迭代过程。被分解为译码时获得的c_k的额外的软信息和L(c_k)这两部分，即可用下式表示：

据LT的软译码原理可知,编码比特c_i的额外信息由其他编码比特在译码过程中传递给和编码比特c_i相连接的信源比特的软信息得到的，即：

因此，将式(25)带回式(23)，得到软信息的更新公式(26)：

为了将其反馈回给后馈滤波器，需对其进行软调制，即软解调的逆过程，得到信号g(n)，则d(n)＝[g(n),...,g(n-N+1)]，N为后馈滤波器抽头长度。均衡器后馈输入信号为频域信号，即对d(n)进行补零操作后进行快速傅里叶变换得到D_n。需明确的是，第一次的反馈的软信息是通过线性频域均衡得到的，该信息作为第一次迭代的输入，送进后馈滤波器。

本发明考虑到水声信道具有多变性，故数据包不宜太长，为保证在同一数据包传输过程中不受信道变化影响，常采用短数据包进行传输，但数据包的缩短意味着自适应盲均衡的收敛可能不充分，可能导致算法不能收敛，从而显著影响均衡性能，为了保障算法的收敛，本发明采用了对同一接收数据包反复利用的方法，后一次使用此数据包时，抽头系数向量的初始值是上次使用此数据包时得出的。

附图说明：

附图1是无速率传输系统框图。

附图2是本发明中联合均衡与译码系统框图。

附图3是本发明中基于盲判决反馈频域均衡的通信系统基本原理图。

附图4是本发明中LT编码原理图。

附图5是本发明中LT软译码示意图。

附图6是本发明中联合盲频域均衡与LT译码原理框图。

附图7是本发明实施例中盲线性频域与盲判决反馈频域均衡均方误差曲线图。

附图8是本发明实施例中盲线性频域与盲判决反馈频域均衡误码率曲线图。

附图9是本发明实施例中不同迭代次数下误码率曲线。

附图10是本发明实施例中最小编码冗余度对比图。

附图11是本发明实施例中不同编码方式下的误码率曲线图。

附图12是本发明中表1同帧数据重复使用更新权重算法流程图。

具体实施方式：

对本发明中基于判决反馈结构的盲频域均衡性能分析如下：

本发明提出了一种联合盲频域均衡与无速率译码算法。为了联合实现，本发明首先提出了一种基于判决反馈结构的盲频域均衡，而后在此基础上给出了联合实现的方案，该方案能联合实现盲频域均衡和无速率译码。

无速率传输系统框图如图1所示。a(n)为信源信号，经过LT编码得到c(n)，c(n)经过调制器得到调制信号r(n)，发送的调制信号r(n)经水声信道后的接收信号u(n)，可表示如下：

其中，h(n)表示信道的冲击响应，由BELLHOP模型得出，v(n)是均值为0，方差为σ²的加性高斯白噪声。

联合均衡与译码系统框图如图2所示，其中，均衡时域输入为u(n)，则均衡器时域输入向量可表示为：y(n)＝[u(n),...,u(n-M+1)]，M为前馈滤波器抽头长度。通过快速傅里叶变换可得频域前馈输入信号Y_n，F(f)和B(f)分别代表前馈和后馈滤波器，这里用F_n和B_n代表前后馈滤波器的滤波系数；Z_n为频域均衡器输出信号，均衡后将信号转换为时域信号z(n)，通过软解调得到编码比特的软信息L(c_k)，即L(c_k)＝2z/σ²；将LT译码过程中得到的软信息经过软调制，再进行FFT，最后反馈到后馈滤波器，后馈滤波器的输入用D_n表示，则均衡输出可表示为：

Z_n＝F_nY_n-B_nD_n (2)

其中，为均衡译码后判决器的输出信号，即恢复的发送端调制信号。

与时域均衡相比，频域均衡器可在保持系统误码性能相同的前提下，有效地降低算法计算复杂度，且非线性均衡器消除ISI的性能明显优于线性均衡器，因此本发明提出了将盲均衡与迭代块判决反馈均衡器结合起来，即基于判决反馈结构的盲频域均衡算法。

如图3所示，在盲判决反馈频域均衡器中，设前馈滤波器长度为M，后馈滤波器长度为N，设迭代块大小为Q，且Q＝N＝M；基于判决反馈结构的快速盲频域均衡器实现的迭代过程如下：

接收信号也就是均衡器的输入信号第k块可以表示为：

y_{DFE_2Q}(k)＝[g((k-1)Q)......g((k+1)Q)] (3)

对其进行快速傅里叶变换到频域得到：

Y_DFE＝FFT(y_{DFE_2Q}) (4)

均衡器的输出经过判决得到第k块判决信号用下式(5)表示：

d_{DFE_Q}(k)＝[d(2(k-1)Q)......d(2kQ)] (5)

根据重叠储存方法的原理，在第k块判决信号前面插入Q个零经过快速傅里叶变换得到反馈滤波器的输入：

D_DFE(k)＝FFT([[0_Q]d_{DFE_Q}(k)]) (6)

那么，基于判决反馈结构的频域均衡器的输出为：

A_DFE(k)＝F_DFE(k)Y_DFE(k)-B_DFE(k)D_DFE(k) (7)

该输出经过快速傅里叶反变换后转换到时域并保留后Q个值：

a_{DFE_l,q}(k)＝{IFFT(A_DFE(k))}_l,q (8)

根据判决反馈原理，判决后补零作为下一块迭代时后馈的输入：

D_DFE(k+1)＝[0_Qf(a_{DFE_l,q}(k))] (9)

其中f(·)为判决函数。盲均衡的误差函数为：

e_DFE(k)＝(R_2R-|(a_{DFE_l,q})_R ²|)(a_{DFE_l,q})_R+i(R_2I-|(a_{DFE_l,q})_I ²|)(a_{DFE_l,q})_I (10)

其中，(a_{DFE_l,q})_R和(a_{DFE_l,q})_I分别是a_{DFE_l,q}中所有元素的实部和虚部构成的矩阵，R_2R和 R_2I用式(11)和(12)表示。

同样地，在误差信号前补Q个零再次进行傅里叶变换得到频域误差函数：

E_DFE(k)＝FFT([[0_Q][e_DFE(k)]]) (13)

令：

为了使均衡性能更加稳定，故采用了归一化步长，从而可以得到频域滤波系数的更新公式：

其中δ>0，且为接近零的正小数，μ_A和μ_B分别是频域前馈滤波器和后滤波器的步长。通过下式对前后馈滤波系数以及后馈输入信号进行初始化：

本发明中LT编码原理如图4所示：

(1)根据采用的编码度分布序列得到第i个编码比特c_i的度；

(2)随机选择d_i个信源比特作为c_i的邻接节点；

(3)对这d_i个信源比特逐个进行异或运算，最后得到编码比特c_i。

故编码比特可以用下式(17)表示：

其中，i＝1,2,...,k(一个包中有k个信源比特)。

对于LT码的译码算法，为了使得译码效率更高，通过和积算法来实现了LT的软译码，如图5所示。设符号表示异或运算,那么关于的对数似然比可以通过下式(18) 计算得到：

根据异或运算的交换律，可以将式子(17)写成

令L(t_i,j)表示编码比特c_i向信源比特u_j传送的软信息，L(h_i,j)表示信源比特u_i传向编码比特c_j的软信息，则有

其中，N_i表示所有与编码比特c_i相连信源的下标，则有，

其中，ε_i表示所有与信源比特u_i相连的编码下标，这样式子(20)完成了软信息从编码比特到信源比特，式子(21)实现了从信源比特返回编码比特，即两者构成了一个完整的循环迭代过程。通过多次循环迭代，最终可以通过式子(22)计算L(u_i)的值,并对L(u_i)进行判决从而获得最后的译码结果。

联合变抽头盲频域均衡与LT译码算法的联合过程需要在译码过程中对均衡的输入信息 L(c_k)进行更新，将更新后得到软信息反馈给后馈滤波器，进而实现联合译码与均衡的迭代过程。文献[7]中被分解为译码时获得的c_k的额外的软信息和L(c_k)这两部分，即可用下式表示：

据LT的软译码原理可知,编码比特c_i的额外信息由其他编码比特在译码过程中传递给和编码比特c_i相连接的信源比特的软信息得到的，即：

因此，将式(25)带回式(23)，得到软信息的更新公式(26)：

为了将其反馈回给后馈滤波器，需对其进行软调制，即软解调的逆过程，得到信号g(n)，则d(n)＝[g(n),...,g(n-N+1)]，N为后馈滤波器抽头长度。均衡器后馈输入信号为频域信号，即对d(n)进行补零操作后进行快速傅里叶变换得到D_n。需明确的是，第一次的反馈的软信息是通过线性频域均衡得到的，该信息作为第一次迭代的输入，送进后馈滤波器。

本发明采用了基于重叠存储方法的快速盲频域均衡，因为重叠存储方法为FFT提供了一种高效实现方法，当重叠率为50％时块运算率达到最高。但传统方法为线性盲频域均衡，而对于本发明的情况，要求均衡器为非线性结构，需要均衡器能处理无速率译码过程中反馈回来的软信息，故本发明提出了一种基于判决反馈结构的盲频域均衡算法。

图6给出了联合盲频域均衡与LT译码框图，在图中，M为前馈滤波器的抽头长度，N为后馈滤波器的抽头长度，Q为迭代块的长度，令Q＝N。均衡器输入信号构成的第k块可表示为：

y_2Q(k)＝[u((k-1)Q)......u((k+1)Q)] (27)

对式(27)进行快速傅里叶变换，可得频域形式：

Y_2Q＝FFT(y_2Q) (28)

均衡器的输出经过软解调，LT译码以及软调制得到的信号，可用下式(29)表示：

d(k)＝[g(2(k-1)Q)......g(2kQ)] (29)

根据重叠储存方法的原理，在第k块后馈输入信号前面插入Q个零，经快速傅里叶变换，得到反馈滤波器的输入：

D_2Q＝FFT([[0_Q]d_Q(k)]) (30)

基于判决反馈结构频域均衡器的输出为A(k)，即下式(31)：

A(k)＝F(k)Y_2Q(k)-B(k)D_2Q(k) (31)

该输出经快速傅里叶反变换后，转换到时域并保留后Q个值，可得：

a_l,q(k)＝{IFFT(A(k))}_l,q (32)

基于多模算法(Multimodulus Algorithm,MMA)的盲均衡的误差函数为：

e(k)＝(R_2R-|(a_l,q)_R ²|)(a_l,q)_R+i(R_2I-|(a_l,q)_I ²|)(a_l,q)_I (33)

其中，

其中，r_R和r_I分别是发送信号的实部和虚部。

同样的在误差信号前补Q个零,再进行傅里叶变换得到频域误差函数：

E_2Q(k)＝FFT([[0_Q][e(k)]]) (36)

根据重叠储存的方法，令IFFT(Y_2Q ^*·E_2Q)的前Q个值为a_Q，同样的取 IFFT(D_2Q ^*·E_2Q)为b_Q，即：

为了使均衡性能更加稳定，故采用了归一化NLMS算法，可得到频域滤波系数的更新公式：

其中δ>0，且为接近零的正小数，μ_f和μ_b分别是频域前馈滤波器和后滤波器的步长。令：

即μ_A和μ_B分别是频域前馈滤波器和后滤波器的归一化步长。

前后馈滤波系数可初始化为：

由于水声信道具有多变性，故数据包不宜太长，为保证在同一数据包传输过程中不受信道变化影响，常采用短数据包进行传输。但数据包的缩短意味着自适应盲均衡的收敛可能不充分，可能导致算法不能收敛，从而显著影响均衡性能。为了保障算法的收敛，本发明在训练过程中，采用了对同一接收数据包反复利用的方法，后一次使用此数据包时，抽头系数向量的初始值是上次使用此数据包时得出的，其实现过程如下表所示：

在图12中的表1中，Rp为一帧数据重复使用的次数，BL为一帧数据的长度，Q为频域均衡中的迭代块长，其它参数上文均有描述，这里不再赘述。

仿真参数设置如下：发送的信息序列长度为500bit，均发送500个包，载波频率为12kHz，调制方式下为4QAM，水声信道采用BELLHOP模型，位于距离海面10m深处放置发送端与接收端，海浪高度为0.6m，发送端与接收端的距离为100m。基于判决反馈结构的快速盲频域均衡前后馈抽头长度为16，即迭代块长为16；其中δ＝0.65，时域前后馈步长分别为0.23和0.023，频域前后馈步长分别为5和0.5，时域均衡在均衡时500bit重复使用5次进行均衡训练，频域盲均衡也采用500bit重复使用5次进行训练。

图7给出了收敛曲线对比图，该图仿真了盲线性频域均衡和快速盲判决反馈频域均衡在信噪比为20dB时的均方误差曲线图。由图7可以看出，快速盲判决反馈频域均衡的MSE明显低于快速盲线性频域均衡，改善了1.5dB左右。

从图8中可以看出，盲判决反馈频域均衡误码性能明显优于盲线性频域均衡。因此，无论是均方误差还是误码率，相比线性均衡，判决反馈均衡性能均有优势，验证了判决反馈均衡因加入后馈滤波器进一步消除ISI，使得均衡性能进一步提高。

下面对编译码算法及联合均衡与译码性能分析：首先对LT编译码算法进行仿真和性能分析。仿真参数设置如下：发送的信息序列长度为500bit，发送500个包，载波频率为12kHz，调制方式下为4QAM，水声信道：BELLHOP模型，位于距离海面10m深处放置发送端与接收端，海浪高度为0.6m，发送端与接收端的距离为100m。快速盲频域均衡前后馈抽头长度为16，迭代块大小同为16。δ＝0.65，频域前后馈步长分别为5和0.5，前后馈频域盲均衡均采用500bit重复使用10次进行训练。采用重发方法的编码方式为卷积码，且码率为 1/2的卷积码。记录各个信噪比下同样实现误码率小于10^-4时所需要的最少的LT编码比特个数与重复发送方法下所需要的卷积码的编码比特数，并通过使用冗余度来衡量其性能，这里的冗余度为发送的编码比特数与信源比特数之比。

图9给出了不同迭代次数下的误码率情况。由图9可以看出，随着联合快速盲频域均衡与译码的迭代次数的增加，误码性能越来越好，且迭代次数达到10时性能改善不再明显。验证了联合均衡与译码会随着迭代译码均衡的次数的增加使得均衡与译码性能不断提高，从而有效地改善系统性能，提高系统的传输可靠性。因此相比分离的均衡与译码方法，该方案可有效提高通信可靠性，通过该仿真也确定了之后仿真中的迭代次数。

通过仿真图10可以看出，相比于传统的Turbo重发方法采用的卷积码，基于LT码的联合均衡与译码方法实现可靠传输所需要的冗余度要明显的少于传统重发方法；这表明联合频域盲均衡与无速率译码的均衡方法可以通过发送更少的编码信息来实现实现有效传输，即无速率编译码方法可以有效地提高了信息的有效传输效率，同时也验证了无速率编译码方式的编码灵活性；另外，可以看出联合均衡与译码方法实现可靠传输所需要的冗余度也少于分离的均衡与译码，验证联合均衡与译码方法可以有效提升系统传输效率。

图11为在上述的仿真条件下，对联合盲频域均衡与LT译码算法和传统基于卷积码的重发方法的误码性能进行了比较。其中，两种编码方法的码率均为1/2时的误码率曲线图，可以看出基于LT码的联合均衡与译码方法误码性能明显优于基于传统卷积码的方法，这是由于基于卷积码的重发方法，说是通过重复发送信号能量叠加以获取均衡性能，当只发送一次固定码率的编码信号，其性能明显不如基于LT码的联合均衡与译码方式。

综上，本发明通过仿真了基于LT码的联合盲频域均衡与译码算法和基于卷积码的传统重发方法，得到了相比于传统的重发方法，提出的方法可以通过发送更少的编码比特来实现信息的可靠传输，验证了LT码的编码灵活性。另外，对联合快速盲频域均衡与LT译码算法进行仿真和性能分析，所提出的联合快速盲频域均衡与无速率译码的方法相比分离的均衡译码方法可以有效提高水声通信性能。

Claims (1)

1.一种面向无速率水声通信的联合盲频域均衡与无速率译码算法，其特征在于包括以下内容：将均衡器输入信号构成的第k块表示：y_2Q(k)＝[u((k-1)Q)......u((k+1)Q)](27)，其中M为前馈滤波器的抽头长度，N为后馈滤波器的抽头长度，Q为迭代块的长度，令Q＝N，对式(27)所表示的信号进行快速傅里叶变换，得频域形式：

Y_2Q＝FFT(y_2Q) (28)，

均衡器的输出经过软解调，LT译码以及软调制得到的信号，用式(29)表示：

d(k)＝[g(2(k-1)Q)……g(2kQ)] (29)，

根据重叠储存方法的原理，在第k块后馈输入信号前面插入Q个零，经快速傅里叶变换，得到反馈滤波器的输入：D_2Q＝FFT([[0_Q]d_Q(k)]) (30)，

基于判决反馈结构频域均衡器的输出为A(k)，A(k)＝F(k)Y_2Q(k)-B(k)D_2Q(k) (31)，

该输出信号A(k)经快速傅里叶反变换后，转换到时域并保留后Q个值，可得：

a_l,q(k)＝{IFFT(A(k))}_l,q (32)，

基于多模算法的盲均衡的误差函数为：

e(k)＝(R_2R-|(a_l,q)_R ²|)(a_l,q)_R+i(R_2I-|(a_l,q)_I ²|)(a_l,q)_I (33)，

其中，

其中，r_R和r_I分别是发送信号的实部和虚部；

在误差信号前补Q个零,再进行傅里叶变换得到频域误差函数：

E_2Q(k)＝FFT([[0_Q][e(k)]]) (36)

根据重叠储存的方法，令IFFT(Y_2Q ^*·E_2Q)的前Q个值为a_Q，取IFFT(D_2Q ^*·E_2Q)为b_Q，即：

为了使均衡性能更加稳定，采用了归一化NLMS算法，得到频域滤波系数的更新公式：

其中δ>0，且为接近零的正小数，μ_f和μ_b分别是频域前馈滤波器和后滤波器的步长，令：

即μ_A和μ_B分别是频域前馈滤波器和后滤波器的归一化步长；

前后馈滤波系数初始化为：