OFDM水声通信系统的稀疏信道估计方法、装置及介质制造方法及图纸

本申请提出了一种OFDM水声通信系统的稀疏信道估计方法，包括：S1、将多个OFDM数据块的导频数据作为观测信号，构建多测量向量模型和单测量向量模型；S2、利用时序稀疏贝叶斯方法构建单测量向量模型的第一后验概率表达式，基于最大期望的估计方法迭代估计得到最大第一后验概率，并转化成不同OFDM数据块的信道脉冲响应；针对多测量向量模型，引入线性相关模型中的相关矩阵控制多测量向量模型的相关性，稀疏矩阵控制信道稀疏性，利用变分

【技术实现步骤摘要】
OFDM水声通信系统的稀疏信道估计方法、装置及介质


[0001]本申请涉及水声信号处理的
，具体涉及一种OFDM水声通信系统的稀疏信道估计方法、装置及介质。

技术介绍

[0002]OFDM(正交频分复用)水声通信系统可以较好的抵抗水声信道产生的多径干扰以及获得较高的数据传输速率，在某些水声信道中可以利用其稀疏性实现基于压缩感知的信道估计，在降低通信负载的同时提升频谱效率。在慢时变衰落信道中，信道脉冲响应通常呈现出稀疏性与时间相关的特性。传统的稀疏信道的方法多是采用块处理的方式，并且没有考虑相关性，影响了通信系统的性能的提升。
[0003]压缩感知方法受到传统压缩感知方法如正交匹配追踪等会受到未知稀疏度限制的影响。对于水声信道的慢时变特性的处理未考虑测量向量之间时间相关性。稀疏贝叶斯方法对于信道估计具有较高的计算复杂度和处理延迟，限制了处理问题的维度，较高的计算复杂度和重建误差影响了算法的应用。同时当前对于时间相关性的考虑的方法，造成了估计精度的损失，无法较好地权衡复杂度与性能之间的增益。因此目前需要一种低复杂度以及高精度的稀疏水声信道估计方法。

技术实现思路

[0004]为了解决上述技术问题，本申请提出了一种OFDM水声通信系统的稀疏信道估计方法、装置及介质。
[0005]根据本申请的第一方面，提出了一种OFDM水声通信系统的稀疏信道估计方法，包括以下步骤：
[0006]S1、将多个OFDM数据块的导频数据作为观测信号，构建多测量向量模型和单测量向量模型；以及
[0007]S2、利用时序稀疏贝叶斯方法构建所述单测量向量模型中信道向量的第一后验概率表达式，基于最大期望的估计方法迭代估计得到所述单测量向量模型中信道向量的最大第一后验概率，并转化成不同所述OFDM数据块的信道脉冲响应；
[0008]针对所述多测量向量模型，引入线性相关模型中的相关矩阵控制所述多测量向量模型的相关性，同时由稀疏矩阵控制所述多测量向量模型的稀疏性，利用变分
‑
时序稀疏贝叶斯方法迭代估计所述稀疏矩阵和所述相关矩阵，获得最大第二后验概率，在算法收敛后，将所述稀疏矩阵与所述相关矩阵相乘得到多个所述OFDM数据块的信道脉冲响应。
[0009]优选的，所述步骤S1中所述多测量向量模型为：
[0010]Y
p
＝ΦH+w
p
[0011]其中，Φ＝[X
p
F
p,L
]，X
p
为OFDM数据块的导频数据，F
p,L
为傅里叶变换稀疏子矩阵，H＝[h
(1)
,h
(2)
,
…
,h
(M)
]为具有共稀疏特性的信道脉冲响应信息，w
p
是噪声；
[0012]对所述多测量向量模型进行矢量化操作，通过叠加转置矩阵的列，使所述多测量
向量模型具有块稀疏性，获得所述单测量向量模型：
[0013][0014]其中，I
M
是一个M
×
M的单位矩阵，h＝vec(H
T
)，w是噪声。
[0015]优选的，所述步骤S2中对于所述单测量向量模型的信道脉冲响应估计具体包括：
[0016]Sa1、根据贝叶斯估计规则得到所述单测量向量模型中信道向量的所述第一后验概率表达式：
[0017][0018]其中，h为所述单测量向量模型中的信道向量，B是控制信道脉冲响应时域相关性的系数矩阵，λ是控制信道脉冲响应稀疏性的一个参数，β表示噪声精度；
[0019]Sa2、在所述最大期望的估计方法的E步中，最大化所述单测量向量模型似然函数的下界，获得所述第一后验概率μ＝β∑Λ
H
y
p
和其中，
[0020]Sa3、在所述最大期望的估计方法的M步中，采用最大似然估计方法，更新规则为最大化p(y
p
；Ξ)，迭代估计得到所述单测量向量模型的各个参数B、λ和β，使得所述第一后验概率μ＝β∑Λ
H
y
p
的值最大化，从而获得所述最大第一后验概率；
[0021]Sa4、对所述最大第一后验概率进行矩阵化操作，得到不同所述OFDM数据块的信道脉冲响应H。
[0022]优选的，所述步骤S2中对于所述多测量向量模型的信道脉冲响应估计具体包括：
[0023]Sb1、引入线性相关模型中的相关矩阵控制所述多测量向量模型的相关性，同时由稀疏矩阵控制所述多测量向量模型的稀疏性，重建后的所述多测量向量模型为：
[0024]Y
p
＝ΦUC
H
+w
p
[0025]其中，U为稀疏矩阵，C为相关矩阵；
[0026]Sb2、根据贝叶斯估计规则得到所述稀疏矩阵和所述相关矩阵的第二后验概率表达式：
[0027][0028]其中，Υ为精度矩阵，β表示噪声精度；
[0029]Sb3、将所述第二后验概率表达式的求解变分推断为求解近似概率密度q，令Θ＝{U,Υ,β}，所述多测量向量模型的似然函数表示为：
[0030]ln p(Y
p
；Θ,C)＝L(q)+KL(q||p)
[0031]其中，
[0032]对每个隐变量进行迭代更新，交替获得所述多测量向量模型的各个参数U、β、Υ、C的估计，并通过各个参数U、β、Υ、C的迭代更新获取所述最大第二后验概率；
[0033]Sb4、在算法收敛后，将所述稀疏矩阵与所述相关矩阵相乘得到多个所述OFDM数据块的信道脉冲响应H＝UC
H
。
[0034]优选的，所述步骤Sa3中所述单测量向量模型的各个超参数B、λ和β估计为：
[0035][0036][0037][0038]其中，L为路径长度，Tr为矩阵求迹操作，M为OFDM数据块的数量，K
p
为导频子载波数。
[0039]优选的，所述步骤Sb3中所述多测量向量模型的各个参数U、β、Υ和C的迭代更新以及所述最大第二后验概率的获取过程具体为：
[0040]更新所述稀疏矩阵U：对每一列u
n
进行所述第二后验概率的更新，则：
[0041][0042]更新噪声精度β：其中，Δ＝{μ1,μ2,
…
,μ
N
}；
[0043]更新精度矩阵Υ：其中<.>表示求期望，N为所述相关矩阵C的列数，下标代表第l个对角元素；
[0044]更新相关矩阵C：其中定义
[0045]获取所述最大第二后验概率μ
n
：所述稀疏矩阵U和所述相关矩阵C的第二后验概率估计为μ
n
＝βΣ
n
Φ
H
V
‑
n
c
n
和通过参数的迭代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OFDM水声通信系统的稀疏信道估计方法，其特征在于，包括以下步骤：S1、将多个OFDM数据块的导频数据作为观测信号，构建多测量向量模型和单测量向量模型；以及S2、利用时序稀疏贝叶斯方法构建所述单测量向量模型中信道向量的第一后验概率表达式，基于最大期望的估计方法迭代估计得到所述单测量向量模型中信道向量的最大第一后验概率，并转化成不同所述OFDM数据块的信道脉冲响应；针对所述多测量向量模型，引入线性相关模型中的相关矩阵控制所述多测量向量模型的相关性，同时由稀疏矩阵控制所述多测量向量模型的稀疏性，利用变分
‑
时序稀疏贝叶斯方法迭代估计所述稀疏矩阵和所述相关矩阵，获得最大第二后验概率，在算法收敛后，将所述稀疏矩阵与所述相关矩阵相乘得到多个所述OFDM数据块的信道脉冲响应。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中所述多测量向量模型为：Y
p
＝ΦH+w
p
其中，Φ＝[X
p
F
p,L
]，X
p
为OFDM数据块的导频数据，F
p,L
为傅里叶变换稀疏子矩阵，H＝[h
(1)
,h
(2)
,
…
,h
(M)
]为具有共稀疏特性的信道脉冲响应信息，w
p
是噪声；对所述多测量向量模型进行矢量化操作，通过叠加转置矩阵的列，使所述多测量向量模型具有块稀疏性，获得所述单测量向量模型：其中，I
M
是一个M
×
M的单位矩阵，h＝vec(H
T
)，w是噪声。3.根据权利要求2所述的方法，其特征在于，所述步骤S2中对于所述单测量向量模型的信道脉冲响应估计具体包括：Sa1、根据贝叶斯估计规则得到所述单测量向量模型中信道向量的所述第一后验概率表达式：其中，h为所述单测量向量模型中的信道向量，B是控制信道脉冲响应时域相关性的系数矩阵，λ是控制信道脉冲响应稀疏性的一个参数，β表示噪声精度；Sa2、在所述最大期望的估计方法的E步中，最大化所述单测量向量模型似然函数的下界，获得所述第一后验概率μ＝βΣΛ
H
y
p
和其中，Sa3、在所述最大期望的估计方法的M步中，采用最大似然估计方法，更新规则为最大化p(y
p
；Ξ)，迭代估计得到所述单测量向量模型的各个参数B、λ和β，使得所述第一后验概率μ＝βΣΛ
H
y
p
的值最大化，从而获得所述最大第一后验概率；Sa4、对所述最大第一后验概率进行矩阵化操作，得到不同所述OFDM数据块的信道脉冲响应H。4.根据权利要求2所述的方法，其特征在于，所述步骤S2中对于所述多测量向量模型的信道脉冲响应估计具体包括：
Sb1、引入线性相关模型中的相关矩阵控制所述多测量向量模型的相关性，同时由稀疏矩阵控制所述多测量向量模型的稀疏性，重建后的所述多测量向量模型为：Y
p
＝ΦUC
H
+w
p
其中，U为稀疏矩阵，C为相关矩阵；Sb2、根据贝叶斯估计规则得到所述稀疏矩阵和所述相关矩阵的第二后验概率表达式：其中，Υ为精度矩阵，β表示噪声精度；Sb3、将所述第二后验概率表达式的求解变分推断为求解近似概率密度q，令Θ＝{U,Υ,β}，所述多测量向量模型的似然函数表示为：lnp(Y
p
...

【专利技术属性】
技术研发人员：冯晓，孙海信，齐洁，林榕彬，
申请(专利权)人：厦门大学，
类型：发明
国别省市：