论文部分内容阅读
随着水声通信技术的高速发展和广泛应用,利用水声通信系统传送的信息量大为增加,传统的低速率通信方式已经难以满足应用的需求,需要的是一种高速率、低功耗、高可靠性的实时传输方式。
近些年来,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术在水声通信系统中得到了广泛的研究,其中,信道估计技术对水声OFDM通信系统具有非常重要的作用,对信道特性及时、准确的估计是接收机正确接收信息的保证。由于浅海水声信道特性,使得水声OFDM通信系统的信道估计也是一项非常具有挑战性的任务。一方面,传统的基于叠加导频的信道估计算法为了对信道冲击响应进行较为准确的估计,需要较多的传送载荷开销,造成信息传输效率的下降,一方面,水声多载波通信系统都不同程度的受到载波频率偏移和脉冲干扰的影响。另外,许多新的估计算法在噪声干扰比较大,信噪比较低的情况下性能不理想,而提高信号发射功率,又容易导致更高的峰值平均功率比(PAPR),显然不是一种好的解决方案。这些因素都极大地制约了高速率高可靠性水声通信系统的发展。
压缩感知(Compressive Sensing,CS)理论的提出,为上述问题提供了解决的可能性。压缩感知是一种全新的数据采集、处理方式,它能够从极少数的观测样本中准确的重构出原始数据,其衍生出的算法广泛应用于信号处理领域的各个方面。
本文研究基于压缩感知技术的水声OFDM系统信道估计算法。首先,利用水声信道时域冲激响应的稀疏性,采用压缩感知理论对信道进行估计,降低了系统的载荷开销,提高了系统数据传输有效性。其次,通过对传感矩阵进行优化,进一步提高压缩信道感知算法的性能。再次,为了提高系统的鲁棒性,分析在水声信道中普遍存在的多普勒频移及脉冲噪声对水声OFDM系统的影响,在接收端对多普勒频移和脉冲噪声进行联合估计与补偿。最后,在压缩感知信道估计的基础上引入贝叶斯理论,利用对信道稀疏特性的先验假设进行后验概率估计以提高低信噪比下信道估计算法的性能。研究了在高斯二项先验假设下的频率选择性OFDM信道贝叶斯压缩感知估计性能,实现了这种先验假设下的参数求解。计算机仿真和水池实验证明了:多普勒频移和脉冲噪声联合估计与补偿对系统效果明显,能显著减少误码率。基于压缩感知的OFDM信道估计算法可以在保证信道估计准确性的前提下,极大地减少所需导频数量,提高系统有效性。贝叶斯压缩信道感知算法在低信噪比下的水声OFDM系统有很好的鲁棒性。