CN112866151B - 基于信道盲估计的水声MPSK信号盲Turbo均衡方法 - Google Patents
基于信道盲估计的水声MPSK信号盲Turbo均衡方法 Download PDFInfo
- Publication number
- CN112866151B CN112866151B CN202110064079.4A CN202110064079A CN112866151B CN 112866151 B CN112866151 B CN 112866151B CN 202110064079 A CN202110064079 A CN 202110064079A CN 112866151 B CN112866151 B CN 112866151B
- Authority
- CN
- China
- Prior art keywords
- channel
- blind
- signal
- mpsk
- estimation value
- 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
Links
- 102100026758 Serine/threonine-protein kinase 16 Human genes 0.000 title claims abstract description 69
- 101710184778 Serine/threonine-protein kinase 16 Proteins 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000006854 communication Effects 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 32
- 230000004044 response Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- 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
-
- 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
- H04L25/0238—Channel estimation using blind estimation
-
- 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
- H04L25/03878—Line equalisers; line build-out devices
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明属于信道盲均衡技术领域，特别涉及一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法，通过构建水声通信信号模型，该信号模型中发送端和接收端通信双方依据约定参数发送线性调频信号作为前导信号，并经过保护间隔后根据通信双方约定调制方式收发数据报文；对接收端线性调频信号进行分数阶傅里叶变换，获取信道参数估计值；并依据接收端保护间隔获取噪声功率估计值；结合信道参数估计值和噪声功率估计值，对接收端MPSK信号进行Turbo均衡。本发明不再借助数据报文，而是充分利用前导LFM信号获得信道估计值，节省自适应滤波进行信道估计的收敛时间，在低信噪比下也能获得较为准确的信道估计值，提升盲Turbo均衡的性能。
Description
技术领域
本发明属于信道盲均衡技术领域，特别涉及一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法。
背景技术
由于水声信道具有稀疏多径的特点，使得水声通信信号在传输过程中产生严重的码间串扰，给接收端的解调带来困难。为了克服水声稀疏多途信道的影响，近年来人们越来越多地探索利用Turbo信道均衡方法来减弱水声信道的影响。为提升单载波水声通信的可靠性，在有训练序列辅助的条件下，现有一些水声通信信道Turbo方法，如：MMSE频域均衡与时域Turbo均衡相结合的水声信号均衡方法、多通道时频域双向Turbo均衡方法、嵌入稀疏贝叶斯学习算法的Turbo均衡方法等。上述均衡方法都是合作通信中的信道Turbo均衡技术，需要借助已知的先验训练序列辅助处理，但是在非合作接收中，或者缺乏有效的训练序列辅助的条件下，上述方法失效，需要利用盲Turbo均衡方法。
盲Turbo均衡技术在无线电通信中也已有一些研究成果，如，利用基于MonteCarlo计算思想的Gibbs样本法来计算未知信道与发送比特的后验概率，并将此作为软输入软输出(Soft-input Soft-output，SISO)盲均衡方法用于Turbo均衡，但该方法存在时延模糊与相位模糊的问题，并且当信道响应存在逼近单位元的零点时收敛比较困难。如，借助超指数均衡算法作为初始盲均衡来实现盲Turbo均衡，但超指数均衡器在低信噪比下为后续迭代提供的先验信息十分有限，仅在高信噪比下效果显著。又如，基于Turbo均衡的单通道混合信号盲分离、解调和译码方案，利用混合信号超指数盲均衡算法来启动信道估计和Turbo均衡。上述方法都是基于数据报文信号实现盲均衡，在信噪比低时，受噪声影响严重，难以获得准确的信道估计，导致提供给Turbo均衡的初始信息十分有限，造成通信的可靠性不佳。
发明内容
为此，本发明提供一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法，不再借助数据报文来实现盲Turbo均衡，而是充分利用前导LFM信号获得信道估计值，然后再进行Turbo均衡，节省了自适应滤波进行信道估计的收敛时间，在低信噪比下也能获得较为准确的信道估计值，提升盲Turbo均衡的性能。
按照本发明所提供的设计方案，一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法，包含：
构建水声通信信号模型，该信号模型中发送端和接收端通信双方依据约定参数发送线性调频信号作为前导信号，并经过保护间隔后根据通信双方约定调制方式收发数据报文；
对接收端线性调频信号进行分数阶傅里叶变换，获取信道参数估计值；并依据接收端保护间隔获取噪声功率估计值；
结合信道参数估计值和噪声功率估计值，对接收端MPSK信号进行Turbo均衡。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步的，水声通信信号模型中，接收端接收到的线性调频信号、保护间隔和MPSK信号分别表示为：
yInterval(t)＝n(t)、
其中，yLFM(t)、yInterval(t)yMPSK(t)分别表示对应的线性调频、保护间隔和MPSK接收信号，xLFM(t)、xMPSK(t)分别表示对应的线性调频、MPSK发射信号，h(t)为水声信道冲激响应，n(t)为高斯白噪声。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，信道参数估计值获取中，对经过水声信道的接收端线性调频信号进行分数阶傅里叶变换，依据分数阶傅里叶变换系列峰值及峰值对应路径来获取用于Turbo均衡的信道参数估计值的等效基带信道估计值。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，通过分数阶傅里叶变换系列峰值中峰值模方最大值获取最佳分数阶数，并依据最佳分数阶数得到信道冲击响应路径数；通过分数阶傅里叶变换中各个峰值对应路径的增益和延时得到信道估计值；对信道估计值进行过采倍数抽取获取等效基带信道估计值。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，设定保护间隔内接收的为纯噪声，利用保护间隔获取噪声功率估计值。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，获取噪声功率估计值
的公式表示为
其中，yInterval(n)为保护间隔采样数据，NInterval为保护间隔采样长度。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，选用MMSE均衡器，将信道参数估计值和噪声功率估计值作为参数提供给MMSE均衡器对MPSK信号进行时域Turbo均衡。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，输入xk的估计值
计算公式表示为：
其中，wk为均衡器抽头系数，
为矩阵
的第k列，
L为响应阶数，nk为独立同分布复高斯变量；当均方误差最小时，得到MMSE均衡器，均方误差MSE表示为
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，时域Turbo均衡中，首先利用均衡器删除信道符号间干扰，将均衡器软输出送入对应译码器，均衡器接收译码器软输出作为先验信息，对接收信道符号迭代均衡。
作为本发明基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，均衡器迭代均衡时，考虑译码器编码比特的先验对数似然比和编码比特的软估计值，通过定义
对接收端MPSK信号的均衡器接收序列yk进行软干扰抵消，得到
其中，
I为单位矩阵。
本发明的有益效果：
本发明不再借助数据报文，而是利用前导LFM信号获得水声信道盲估计，借助保护间隔获得噪声功率估计，将信道估计值和噪声功率估计值作为SIC-MMSE均衡器的参数，再对MPSK信号进行Turbo均衡，联合均衡和译码来提升信道失真补偿能力，节省自适应滤波进行信道估计的收敛时间，在低信噪比下也能获得较为准确的信道估计值，充分利用水声通信的结构化信息来提高通信的可靠性，提升盲Turbo均衡的性能；并进一步考虑高斯白噪声和水声稀疏信道的作用，有效消除码间干扰，具有较好的应用前景。
附图说明：
图1为实施例中基于信道盲估计的水声MPSK信号盲Turbo均衡流程示意；
图2为实施例中水声通信信号结构示意；
图3为实施例中水声通信信号时频图示意；
图4为实施例中发射端系统模型示意；
图5为实施例中MPSK盲Turbo均衡示意；
图6为实施例中Turbo均衡原理框图示意；
图7为实施例中水声稀疏信道下MPSK信号的Turbo均衡性能示意之一；
图8为实施例中水声稀疏信道下MPSK信号的Turbo均衡性能示意之二。
具体实施方式：
为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。
本发明实施例，参见图1所示，提供一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法，包含：
S101、构建水声通信信号模型，该信号模型中发送端和接收端通信双方依据约定参数发送线性调频信号作为前导信号，并经过保护间隔后根据通信双方约定调制方式收发数据报文；
S102、对接收端线性调频信号进行分数阶傅里叶变换，获取信道参数估计值；并依据接收端保护间隔获取噪声功率估计值；
S103、结合信道参数估计值和噪声功率估计值，对接收端MPSK信号进行Turbo均衡。
充分利用水声通信的结构化信息，来提高通信的可靠性。首先对LFM信号进行基于分数阶傅里叶变换(Fractional Fourier Transform，FRFT)处理的信道估计，接着利用保护间隔进行噪声功率的估计，然后将信道估计值和噪声功率估计值作为SIC-MMSE均衡器的参数，再对MPSK信号进行Turbo均衡，联合均衡和译码来提升信道失真补偿能力。本案实施例中方案，不再借助数据报文实现盲Turbo均衡，而是充分利用前导LFM信号获得信道估计值，再进行Turbo均衡，节省自适应滤波进行信道估计的收敛时间，在低信噪比下也能获得较为准确的信道估计值，提升盲Turbo均衡的性能。
协作通信水声通信通常采用LFM信号作为前导信号，用来实现合作通信双方的同步和信道估计，水声通信信号结构如图2所示。首先，发送方按照通信双方约定的相关参数发送LFM信号，然后经过一段时间间隔，发送方发送数据报文，数据报文的调制方式根据通信双方的约定设置。图3是以QPSK调制为例，给出通信过程的时频图。
LFM信号的表达式如下：
其中，f0为初始频率；μ0为斜率；A为信号幅度；
为初始相位。
MPSK信号的表达式如下：
其中，T0为符号周期；fc为载波频率；gr为脉冲成形函数；xk是第k个调制符号，可以表示为
为保证信息码MPSK信号的可靠传输和避免离散信道上的突发错误，发射端先将二进制数据流ak(k＝0,1,…,MK-1)输入编码器得到二进制编码序列bk(k＝0,1,…,MN-1)，编码率为R＝K/N。然后将序列bk输入交织器获得重新排序的新二进制序列ck(k＝0,1,…,MN-1)，再将ck送入映射器得到调制符号xk(k＝0,1,…,N-1)。发射端系统模型如图4所示。
考虑高斯白噪声和水声稀疏信道的影响，本案实施例中，接收到的LFM信号、保护间隔和MPSK信号可分别表示为：
yInterval(t)＝n(t) (4)
其中y(t)为接收信号，x(t)为发射信号，h(t)为水声信道冲激响应，n(t)为高斯白噪声。h(t)可表示为
其中δ(t)为冲激函数，Nh为水声多途信道路径数，Ai(i＝0,1,…,Nh-1)为各条路径的增益，τi(i＝0,1,2,…,Nh-1)为不同路径的延时。
本案实施例中，可以在不借助训练序列的同时，提升低信噪比下初始信道估计的精度，从而提高Turbo均衡效果。首先对LFM信号进行FRFT处理，得到信道参数的估计值。然后对保护间隔进行处理，得到噪声功率的估计值。之后将得到的信道参数估计值和噪声功率估计值作为参数提供给SIC-MMSE均衡器，对MPSK信号进行Turbo均衡，整体框图如图5所示。接收端不需要训练序列作为先验信息，而是利用水声通信信号的结构特点，依据LFM信号最佳分数阶数的FRFT聚集特性明显，而高斯白噪声对任意阶数的FRFT都不呈现聚集这一特性，来获得信道参数盲估计值。此外利用保护间隔获得噪声功率估计的做法也免去接收端计算信号的信噪比的过程。在低信噪比下也可以获得较为准确的信道估计值，为Turbo均衡提供更优的初始化条件，从而提升通信的可靠性。
作为本发明实施例中基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，信道参数估计值获取中，对经过水声信道的接收端线性调频信号进行分数阶傅里叶变换，依据分数阶傅里叶变换系列峰值及峰值对应路径来获取用于Turbo均衡的信道参数估计值的等效基带信道估计值。进一步地，通过分数阶傅里叶变换系列峰值中峰值模方最大值获取最佳分数阶数，并依据最佳分数阶数得到信道冲击响应路径数；通过分数阶傅里叶变换中各个峰值对应路径的增益和延时得到信道估计值；对信道估计值进行过采倍数抽取获取等效基带信道估计值。
连续FRFT定义如下：令旋转角度α＝pπ/2，p为FRFT的阶数，可以为任意实数，对信号x(t)的p阶傅里叶变换Fp是线性积分变换，它将x(t)映射为函数
其中，Kp(t,u)为FRFT的变换核函数如式(8)
其系数
对于式(1)中的LFM信号，当取到最佳旋转角度α0＝-arctanμ0时，该旋转角度的FRFT可以检测到能量聚集于一峰值。对于经过水声信道的LFM信号如式(3)，将式(6)带入式(3)可进一步写为式(9)
其分数阶傅里叶变换为
其中，Np(u)为噪声的分数阶傅里叶变换。
由(10)可知，经过水声信道的LFM信号的最佳阶数的FRFT表现为一系列峰值，每一个峰值对应一条路径，各路径的增益表现为峰值幅度，各路径的延迟表现为峰值间隔，它们之间的对应关系如式(11)(12)中所示，由此可以获得信道估计值。
其中，
为第i条路径对应的峰值，Δt为量纲归一化后LFM信号的长度，Δui为第i条路径对应的峰值间隔。综上，基于LFM信号进行信道估计的具体步骤如下：
a.对经过水声信道的LFM信号做分数阶数取值为p∈[0,2]的FRFT，检测|YLFMp(u)|2的最大值，获得此时对应的分数阶数，即最佳分数阶数p0。
b.提取p0阶FRFT的模值
中峰值的个数即为信道冲击响应的路径数Nh。
c.根据式(11)和式(12)计算各个峰值对应路径的增益Ai和延时τi，从而获得信道估计值
d.对
其进行过采倍数抽取可以获得等效基带信道hl的估计值
作为本发明实施例中基于信道盲估计的水声MPSK信号盲Turbo均衡方法，进一步地，设定保护间隔内接收的为纯噪声，利用保护间隔获取噪声功率估计值。
由于保护间隔段接收的为纯噪声，可以利用保护间隔来估计噪声功率σ2，估计值用
表示，计算式如下：
其中yInterval(n)为保护间隔采样数据，NInterval为保护间隔采样长度。
为进一步提升水声通信的可靠性，采用迭代均衡和译码的方式处理MPSK信号。本案实施例中可重点关注单发单收模型，选用时域Turbo均衡，为避免庞大的计算量，可选用SIC-MMSE均衡算法。在完成信道估计和噪声功率估计后，将估计值作为参数提供给SIC-MMSE均衡器，之后对MPSK信号进行Turbo均衡。Turbo均衡原理框图如图6。接收序列yk是接收端已完成载波同步和定时同步的MPSK信号。首先采用一个SISO均衡器删除信道ISI，然后均衡器的软输出被送入对应的SISO译码器。下一次迭代时，均衡器接收译码器的软输出作为先验信息，对接收的信道符号重新均衡，从而获得更好的性能。为保证先验信息和接收信道信息是独立不相关的，均衡器译码器之间传递的信息是外信息，用ext标志表示。
MPSK信号经过水声信道的基带等效模型为
其中，hl为基带等效的信道，L是该响应的阶数，并假设xk＝0,k＜1，噪声采样值nk是独立同分布复高斯变量。
假设具有理想的信道系数和噪声功率，基于SIC-MMSE的Turbo均衡计算中需要将基带等效信道hl和噪声功率σ2分别用估计得到的
和
替代。其中，xk的估计值
的计算式如下
xk＝[xk-L+1 xk-L+2 … xk+L-1]T (17)
nk＝[nk nk+1 … nk+L-1]T (18)
其中，wk为均衡器抽头系数，当均方误差(Mean Square Error，MSE)最小时，可得到的均衡器就是MMSE均衡器。
首次均衡时，译码器提供的先验信息为零，由式(15)和式(19)，有
其中，
表示
矩阵的第k列。
迭代均衡时，考虑译码器提供的编码比特的先验对数似然比(Log LikelihoodRatio，LLR)La(xk)和这些编码比特的软估计值
定义
对yk进行软干扰抵消后，得到
式中
本案实施例中，与传统Turbo盲均衡算法相比，该方法充分利用了水声通信的结构特点，首先对LFM信号进行基于分数阶傅里叶变换(Fractional Fourier Transform，FRFT)处理的信道估计，接着利用保护间隔进行噪声功率的估计，然后将信道估计值和噪声功率估计值作为SIC-MMSE均衡器的参数，再对MPSK信号进行Turbo均衡，联合均衡和译码来提升信道失真补偿能力。不再借助数据报文实现盲Turbo均衡，避免了利用MPSK信号自适应滤波估计信道参数的收敛时间，而是充分利用前导LFM信号获得信道估计值，再进行Turbo均衡，在低信噪比下也能获得较为准确的信道估计值，提升盲Turbo均衡的性能。考虑高斯白噪声和水声稀疏信道的作用，可以有效消除码间干扰。
为验证本案方案有效性，下面结合具体仿真数据做进一步解释说明：
基带等效信道分别采用典型稀疏水声信道H1和H2，信道的系统函数分别如式(23)(24)所示。信道噪声为独立同分布复高斯白噪声。
H1(z)＝1+0.4z-17 (23)
H2(z)＝1+0.6z-21+0.3z-61 (24)
1、基于LFM信号信道估计的性能分析
为验证基于LFM信号信道估计的有效性，并确定其精确程度，设计实验条件如下：发送LFM信号分别经过信道H1和H2，并考虑高斯白噪声的影响，基于接收LFM信号进行信道估计。LFM信号参数设置如表1所示，采用截取法实现量纲归一化，阶数p的取值间隔设定为0.005。
表1水声LFM信号仿真参数
表2和表3分别给出了不同信噪比时，基于LFM信号的信道估计方法对H1和H2的单次估计值和20次估计MSE。为方便比对，信噪比统一换算为MPSK信号比特信噪比的形式表示。基于LFM信号得到2种信道的估计值与各自真实值分别存在约-9dB和-5dB的均方误差，可见该方法对于噪声不敏感，低信噪比时获得的信道估计值的与高信噪比时相比差别不大。
表2信道H1的估计值和MSE
表3信道H2的估计值和MSE
2、MPSK信号盲Turbo均衡的性能分析
为验证MPSK信号盲Turbo均衡的可靠性，并确定其误码性能，设计实验条件如下：信息码的MPSK信号仿真参数如表4所示。SISO均衡采用SIC-MMSE线性均衡器，将得到的信道估计值作为均衡器的信道设置，将保护间隔得到的噪声功率估计作为均衡器的噪声设置。SISO译码器采用Max-Map算法。计算MPSK信号盲Turbo均衡的误码率。
表4水声MPSK信号仿真参数
为测试水声稀疏信道下本案方法的性能，选取稀疏信道H1和稀疏信道H2作为实验条件，分别采用表2和表3中的信道估计值作为均衡器信道设置，均衡器长度NEQ设为100，总调制符号数下限设为10000。图7和图8分别给出了在水声稀疏信道H1和H2下，采用QPSK和8PSK调制时，初始盲均衡和前3次迭代的误码率曲线。且给出信道已知的情况和AWGN信道的误码率作为参考。
首先，综合图7和图8，其中，两个图中的(a)、(b)、(c)、(d)分别表示对应实验参数下信道已知条件下QPSK信号Turbo均衡性能、基于LFM信号信道估计的QPSK信号Turbo均衡性能、信道已知条件下8PSK信号Turbo均衡性能、基于LFM信道估计的8PSK信号Turbo均衡性能示意，可以看到Turbo均衡的迭代过程在不同程度上提升了MPSK信号的误码率。对于稀疏信道H1，由图7(b)和图7(d)可知，使用本案方法QPSK信号迭代3次后的误码率可在5dB后达到千分之一，8PSK信号为7dB。对于稀疏信道H2，由图8(b)和图8(d)可知，使用本案方法QPSK信号迭代3次后的误码率可在5dB后达到千分之一，8PSK信号为10dB。仿真实验中的Turbo均衡仅在第1次迭代中伴有明显的性能提升，之后随着迭代次数的增加，迭代优势减弱，误码性能基本趋于稳定。
此外，比较采用信道估计值和信道已知的情况。对于稀疏信道H1的盲Turbo均衡，信道估计MSE约-9dB，分别对比图7的(a)和(b)与(c)和(d)，基于LFM信号的信道估计的QPSK信号和8PSK信号的迭代3次后的误码率略差于信道已知情况下的误码率，且随着信噪比的升高差距逐渐增大，最大相差约1dB。对于稀疏信道H2的盲Turbo均衡，信道估计MSE约-5dB，分别对比图8中的(a)和(b)与(c)和(d)，基于LFM信号的信道估计的QPSK信号和8PSK信号迭代3次后的误码率差于信道已知情况下的误码率，随着信噪比的升高差距逐渐增大，最大相差分别约1dB和3dB。可见信道估计值得准确程度对盲Turbo均衡具有一定影响，当信噪比较低时，MPSK信号本身质量较差，信道估计精度对于均衡结果的影响还不明显，当信噪比较高时，MPSK信号本身质量较好，信道估计精度的差别对于均衡结果的影响逐渐显著。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述系统实施例中的对应过程，在此不再赘述。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、系统和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述系统的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，包含如下内容：
构建水声通信信号模型，该信号模型中发送端和接收端通信双方依据约定参数发送线性调频信号作为前导信号，并经过保护间隔后根据通信双方约定调制方式收发数据报文；
对接收端线性调频信号进行分数阶傅里叶变换，获取信道参数估计值；并依据接收端保护间隔获取噪声功率估计值；
结合信道参数估计值和噪声功率估计值，对接收端MPSK信号进行Turbo均衡；
水声通信信号模型中，接收端接收到的线性调频信号、保护间隔和MPSK信号分别表示为：
yInterval(t)＝n(t)、
其中，yLFM(t)、yInterval(t)和yMPSK(t)分别表示对应的线性调频、保护间隔和MPSK接收信号，xLFM(t)、xMPSK(t)分别表示对应的线性调频、MPSK发射信号，h(t)为水声信道冲激响应，n(t)为高斯白噪声；
设定保护间隔内接收的为纯噪声，利用保护间隔获取噪声功率估计值；
获取噪声功率估计值
的公式表示为
其中，yInterval(n)为保护间隔采样数据，NInterval为保护间隔采样长度。
2.根据权利要求1所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，信道参数估计值获取中，对经过水声信道的接收端线性调频信号进行分数阶傅里叶变换，依据分数阶傅里叶变换系列峰值及峰值对应路径来获取用于Turbo均衡的信道参数估计值的等效基带信道估计值。
3.根据权利要求2所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，通过分数阶傅里叶变换系列峰值中峰值模方最大值获取最佳分数阶数，并依据最佳分数阶数得到信道冲击响应路径数；通过分数阶傅里叶变换中各个峰值对应路径的增益和延时得到信道估计值；对信道估计值进行过采倍数抽取获取等效基带信道估计值。
4.根据权利要求1所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，选用MMSE均衡器，将信道参数估计值和噪声功率估计值作为参数提供给MMSE均衡器对MPSK信号进行时域Turbo均衡。
5.根据权利要求4所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，输入xk的估计值
计算公式表示为：
其中，wk为均衡器抽头系数，
为矩阵
的第k列，
L为响应阶数，nk为独立同分布复高斯变量；当均方误差最小时，得到MMSE均衡器，均方误差MSE表示为
6.根据权利要求4或5所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，时域Turbo均衡中，首先利用均衡器删除信道符号间干扰，将均衡器软输出送入对应译码器，均衡器接收译码器软输出作为先验信息，对接收信道符号迭代均衡。
7.根据权利要求5所述的基于信道盲估计的水声MPSK信号盲Turbo均衡方法，其特征在于，均衡器迭代均衡时，考虑译码器编码比特的先验对数似然比和编码比特的软估计值，通过定义
对接收端MPSK信号的均衡器接收序列yk进行软干扰抵消，得到
其中，
I为单位矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110064079.4A CN112866151B (zh) | 2021-01-18 | 2021-01-18 | 基于信道盲估计的水声MPSK信号盲Turbo均衡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110064079.4A CN112866151B (zh) | 2021-01-18 | 2021-01-18 | 基于信道盲估计的水声MPSK信号盲Turbo均衡方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112866151A CN112866151A (zh) | 2021-05-28 |
| CN112866151B true CN112866151B (zh) | 2022-09-13 |
Family
ID=76006603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110064079.4A Active CN112866151B (zh) | 2021-01-18 | 2021-01-18 | 基于信道盲估计的水声MPSK信号盲Turbo均衡方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112866151B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113242191B (zh) * | 2021-05-07 | 2022-09-02 | 苏州桑泰海洋仪器研发有限责任公司 | 一种改进的时序多重稀疏贝叶斯学习水声信道估计方法 |
| CN113794662B (zh) * | 2021-09-15 | 2022-06-17 | 西安电子科技大学广州研究院 | 一种基于lfm技术的卫星物联网传输方法和系统 |
| CN114338308A (zh) * | 2021-11-10 | 2022-04-12 | 中国人民解放军战略支援部队信息工程大学 | 浅海水声mpsk信号盲解调方法及系统 |
| CN117560254B (zh) * | 2024-01-12 | 2024-04-02 | 汉江国家实验室 | 一种水声信道自适应均衡方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701492A (zh) * | 2014-01-14 | 2014-04-02 | 厦门大学 | 线性调频信号调制解调的水声跳频通信方法 |
| CN107426120A (zh) * | 2017-07-24 | 2017-12-01 | 哈尔滨工程大学 | 一种基于最小均方误差的水声ofdm‑mfsk信道均衡方法 |
| CN109361631A (zh) * | 2018-10-15 | 2019-02-19 | 中国人民解放军战略支援部队信息工程大学 | 稀疏度未知的水声正交频分复用信道估计方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102571666B (zh) * | 2011-08-12 | 2015-02-25 | 哈尔滨工程大学 | 基于mmse的水声ofdm判决迭代信道均衡方法 |
| US9210012B2 (en) * | 2011-12-29 | 2015-12-08 | Intel Corporation | Frequency-domain turbo equalization, including multi-mode adaptive linear equalization, adaptive decision-directed channel estimation, adaptive noise variance estimation, and dynamic iteration control |
| CN105553903B (zh) * | 2016-01-15 | 2019-03-12 | 中国科学院声学研究所 | 一种自适应turbo均衡方法及均衡器，水声通信系统 |
| CN108712353B (zh) * | 2018-03-29 | 2021-05-11 | 江苏中科羿链通信技术有限公司 | 软迭代信道估计方法 |
| CN109510787B (zh) * | 2018-10-15 | 2021-08-17 | 中国人民解放军战略支援部队信息工程大学 | 水声信道下线性调频信号参数估计方法及装置 |
| CN109921811B (zh) * | 2019-02-28 | 2020-07-17 | 厦门大学 | 一种水声通信方法 |
-
2021
- 2021-01-18 CN CN202110064079.4A patent/CN112866151B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701492A (zh) * | 2014-01-14 | 2014-04-02 | 厦门大学 | 线性调频信号调制解调的水声跳频通信方法 |
| CN107426120A (zh) * | 2017-07-24 | 2017-12-01 | 哈尔滨工程大学 | 一种基于最小均方误差的水声ofdm‑mfsk信道均衡方法 |
| CN109361631A (zh) * | 2018-10-15 | 2019-02-19 | 中国人民解放军战略支援部队信息工程大学 | 稀疏度未知的水声正交频分复用信道估计方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112866151A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112866151B (zh) | 基于信道盲估计的水声MPSK信号盲Turbo均衡方法 | |
| Sandell et al. | Iterative channel estimation using soft decision feedback | |
| 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 | |
| CN109246039B (zh) | 一种基于双向时域均衡的软信息迭代接收方法 | |
| CN108712353B (zh) | 软迭代信道估计方法 | |
| US6819630B1 (en) | Iterative decision feedback adaptive equalizer | |
| CN111106877B (zh) | 一种基于Farrow滤波与码字匹配的水声通信传输方法 | |
| CN101778063B (zh) | 信道估计方法及其装置 | |
| CN110572340A (zh) | 一种用于短波通信的Turbo时域均衡方法 | |
| KR20180013411A (ko) | Ftn 기반 신호 수신 장치 및 방법 | |
| CN105553903B (zh) | 一种自适应turbo均衡方法及均衡器，水声通信系统 | |
| CN101815053B (zh) | 信道估计方法及其装置 | |
| CN115883298B (zh) | 一种基于Haar分布域编码分集的水声通信方法 | |
| CN107171990A (zh) | 基于分数间隔与迭代算法的单载波信号时域均衡方法 | |
| Ying et al. | Turbo equalization based on compressive sensing channel estimation in wideband HF systems | |
| CN108521311B (zh) | 一种基于格雷序列的信噪比估计方法 | |
| CN105827556A (zh) | 双向turbo均衡方法及系统，水声通信系统 | |
| CN110912651A (zh) | 一种ftn索引调制信号检测方法 | |
| CN118089741B (zh) | 基于延迟多普勒域Turbo均衡的导航数据处理方法 | |
| CN108924074A (zh) | 均衡器及信道估计方法 | |
| CN115987721B (zh) | 一种基于变分贝叶斯学习的信道脉冲噪声估计方法 | |
| Si et al. | An Iterative Receiver for Coded Faster-than-Nyquist Signaling over Rayleigh Fading Channels | |
| CN115473777A (zh) | 一种自适应soqpsk调制解调方法、终端和接收机 | |
| Luo et al. | Matching-Pursuit Based Adaptive Turbo Equalization Algorithm for Underwater Acoustic Channels | |
| Qu et al. | Iterative Sequence Detection Combined with Channel Shortening and Sphere Decoding in Underwater Acoustic Communications |
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 |