论文部分内容阅读
水声通信是实现水下远距离传递信息的主要手段。水声通信的最佳载体是比较特殊的声波，其在水下传播速度较慢，且通信环境恶劣，水声信道时延扩展特性比较显著，可用带宽资源十分有限。正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)、多输入多输出(Multiple Input Multiple Output,MIMO)两种技术，分别可以有效对抗时延扩展以及提升系统传输性能。但收发平台之间相对运动、海面的波动等因素会引起严重的多普勒效应，影响信号的正确接收，抑制了MIMO和OFDM技术在水声通信系统中的发展。另外水声信道噪声比较复杂，来自一些海洋生物、人类海洋活动等产生的高能量脉冲噪声，严重降低了系统的性能。由此，本文展开了基于OFDM水声通信信道估计方法、OFDM水声通信系统中的载波频偏与脉冲干扰的联合估计方法以及MIMO水声通信多径传输差异性多普勒估计方法研究，主要的创新之处如下： 1、针对OFDM水声通信稀疏信道估计问题，提出了一种基于压缩感知的估计方法。首先对基于OFDM的水声通信系统建立了离散信号模型，接着在传统正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的框架下提出了一种改进的算法，该算法依据上次迭代中残差值和观测值的比例，加入相对应的加权矩阵以减小异常样本对本次迭代结果的影响，然后在所提算法的基础上，结合频域过采样的方法估计出信道参数。 2、针对OFDM水声通信系统中的载波频偏补偿和脉冲干扰抑制问题，提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)理论的联合估计算法。该算法在每次迭代中首先依据所有载波和频域信号的后验分布得到脉冲噪声最小均方误差(Minimum Mean Square Error,MMSE)估计值，然后根据该值估计出相应的载波频偏并对接收信号进行补偿，以降低脉冲噪声和载波频偏之间的相互影响。 3、针对MIMO水声通信多径传输差异性多普勒估计问题，利用水声信道的稀疏特性，提出了一种改进的子空间追踪(Subspace Pursuit,SP)估计算法。该算法在SP算法框架的基础上，先从参数精度较低的时延-多普勒集合构建的低维字典选择出与迭代余量相关性较高的多个列。为了提高参数精度，根据得到列对应的时延、多普勒因子值构建相应的超完备字典，然后再从该字典选择出与余量相关性高的多列合并候补集，以降低算法运算量和缩小信道参数搜索的范围，提高多普勒因子估计准确性。