【技术实现步骤摘要】
本申请涉及通信信号检测，尤其涉及一种水下光通信接收信号检测方法。
技术介绍
1、随着海洋资源利用方式的不断革新，以及珍贵资源开发需求的日渐增长，水下通信技术逐渐成为学术和工业研究的焦点。水下无线光通信(underwater wireless opticalcommunication，uwoc)技术更是作为一种数据速率快、延迟低、频带宽、功耗小、保密性良好的通信技术，赢得了科学界、工业界乃至国防领域的广泛关注和重视。但光信号在传输过程中仍面临海水光学特性的挑战，包括吸收、散射以及湍流效应，其会对通信链路和通信质量产生严重干扰。吸收散射造成信号衰减，海洋湍流导致光强闪烁，两者均会使接收信号极其微弱，接收端很难从背景噪声中提取有用信息，从而影响通信系统性能。为了实现远距离通信，必须解决低信噪比情况下的信号检测问题。传统的信号处理方法大多通过抑制噪声来提高信噪比，但在低信噪比的情况下难以获得良好的性能。
2、相关技术中，针对吸收散射导致接收信号强度降低或光束偏离传输方向，一般采用自适应随机共振进行弱光信号检测。但是光信号在水下传输时除了吸收散射，海洋湍流也是一个重要且不可预测的因素，其会导致光强闪烁、信号衰减与畸变，从而造成信号质量降低和通信效率的减弱，此时单纯的采用自适应随机共振弱光信号检测方法效果并不理想。
3、因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。
4、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员
技术实现思路
1、本申请的目的在于提供一种水下光通信接收信号检测方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
2、根据本申请实施例提供的一种水下光通信接收信号检测方法，该方法包括：
3、利用二次采样对受湍流扰动的接收信号进行预处理，得到小参数信号；
4、采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络；
5、根据信号均衡公式对所述受湍流扰动的接收信号的包络进行处理，得到处理后的信号；其中，所述信号均衡公式如下：
6、处理后的信号＝2×(小参数信号/受湍流扰动的接收信号的包络)(1)；
7、建立自适应随机共振系统模型，并将所述处理后的信号作为所述自适应随机共振系统模型的输入信号；
8、以系统输出信噪比作为目标函数，使用多策略融合粒子算法对所述随机共振系统模型中的系统参数进行寻优；
9、判断多策略融合粒子算法迭代是否终止，若迭代终止，则输出目标函数取最大值时对应的最优系统参数；
10、将所述最优系统参数输入所述自适应随机共振系统模型，并利用四阶龙格库塔算法求解输出检测信号。
11、本申请的实施例中，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，包括：
12、对所述小参数信号进行提取湍流特征信号，包括：
13、初始化变量r_c和变量s_m，并遍历所述小参数信号中的每个元素，如果当前元素大于s_m，则替换s_m；否则，使用(s_m*r_c)/(r_c+1)更新s_m。
14、本申请的实施例中，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
15、将所述湍流特征信号作为所述卡尔曼滤波算法初始时刻的目标状态，并初始化滤波器参数、状态转移矩阵、噪声驱动矩阵、观测矩阵、输入系统的噪声序列的协方差、高斯测量噪声序列的协方差。
16、本申请的实施例中，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
17、利用状态方程计算出k时刻目标状态的预测值、观测信号的预测值以及信息，并计算出k时刻参数预测误差协方差、卡尔曼滤波增益，以及估计误差协方差，进而得到k时刻的参数估计值；
18、其中，状态方程的表达式为：
19、x(k+1)＝φx(k)+γw(k) (2)；
20、z(k+1)＝hx(k+1)+v(k+1) (3)；
21、式中，x(k+1)表示k+1时刻的目标状态，z(k+1)表示k+1时刻的观测信号，φ表示状态转移矩阵，γ表示噪声驱动矩阵，h表示观测矩阵，在线性滤波过程中，假设噪声均为高斯白噪声，w(k)表示输入系统的噪声序列，g表示输入系统的噪声序列的协方差，v(k+1)表示斯测量噪声序列，r表示高斯测量噪声序列的协方差；
22、其中，k时刻目标状态的预测值观测信号的预测值以及信息ε(k)的对应表达式分别为：
23、
24、其中，k时刻的参数预测误差协方差p(k|k-1)、卡尔曼滤波增益k(k)以及状态协方差矩阵p(k|k)的对应表达式分别为：
25、p(k|k-1)＝φp(k-1|k-1)φt+qk-1 (7)；
26、k(k)＝p(k|k-1)ht[hp(k|k-1)ht+r]-1 (8)；
27、p(k|k)＝[in-k(k)h]p(k|k-1) (9)；
28、式中，in为单位阵，t表示矩阵的转置；
29、其中，k时刻的参数估计值表达式为：
30、
31、本申请的实施例中，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
32、根据k时刻的参数估计值，计算出k+1时刻的参数估计值，当满足预设条件k+1大于受湍流扰动的接收信号长度n时，输出经过所述卡尔曼滤波算法处理后的受湍流扰动的接收信号的包络。
33、本申请的实施例中，所述建立自适应随机共振系统模型，包括：
34、使用朗之万方程描述自适应随机共振系统模型，建立信号、噪声、非线性系统三者之间的关系，所述朗之万方程的表达式如下：
35、
36、式中，a、b表示自适应随机共振系统模型的系统参数，x(t)表示自适应随机共振系统模型的系统输出信号，s(t)表示自适应随机共振系统模型的系统输入信号，n(t)表示噪声。
37、本申请的实施例中，所述以系统输出信噪比作为目标函数，使用多策略融合粒子算法对所述随机共振系统模型中的系统参数进行寻优，包括：
38、对多策略融合粒子群算法的参数进行初始化，设定种群数量m，最大迭代次数nitermax，最大惯性权重wmax、最小惯性权重wmin、加速度系数c1、加速度系数c2，连续最优解相同次数imax以及系统参数(a，b)的取值范围；
39、并初始化粒子种群位置xi＝(xi1，xi2，...xid)、速度vi＝(vi1，vi2，...vid)，i＝1，2，...，m，判断是否符合预设条件，且每个位置对应一组系统参数，根据所述系统参数计算目标函数值。
本文档来自技高网...
【技术保护点】
1.一种水下光通信接收信号检测方法，其特征在于，该方法包括：
2.根据权利要求1所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，包括：
3.根据权利要求2所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
4.根据权利要求3所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
5.根据权利要求4所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
6.根据权利要求1所述水下光通信接收信号检测方法，其特征在于，所述建立自适应随机共振系统模型，包括：
7.根据权利要求6所述水下光通信接收信号检测方法，其特征在于，所述以系统输出信噪比作为目标函数，使用多策略融合粒子算法对所述随机共振系统模型中的系统参数进行寻优，包括：
...【技术特征摘要】
1.一种水下光通信接收信号检测方法，其特征在于，该方法包括：
2.根据权利要求1所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，包括：
3.根据权利要求2所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
4.根据权利要求3所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
5.根据权利要求4所述水下光通信接收信号检测方法，其特征在于，所述采用卡尔曼滤波算法对所述小参数信号进行求取受湍流扰动的接收信号的包络，还包括：
6.根据权利要求1所述水下光通信接收信号检测方法，其特征在于，所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。