楊曉霞　王海斌　汪　俊　張仁和

（1中國科學院聲學研究所聲場聲信息國家重點實驗室　北京　100190）

（2中國科學院大學　北京　100049）

水聲通信中基于信道辨識的盲turbo均衡方法?

楊曉霞1，2?王海斌1汪俊1張仁和1

（1中國科學院聲學研究所聲場聲信息國家重點實驗室北京100190）

（2中國科學院大學北京100049）

水聲信道多途效應明顯，造成接收信號存在嚴重的碼間干擾（ISI，Intersymbol interference）?；谧钚【秸`差（MMSE，Minimum mean square error）準則的turbo均衡器級聯(lián)了均衡和信道譯碼，能夠有效去除ISI，并獲得優(yōu)良的性能。由于水聲信道的時變性，傳統(tǒng)MMSE-turbo均衡需要周期性的訓練序列，以實現(xiàn)連續(xù)可靠的通信。訓練序列雖然提高了通信的可靠性，但降低了信息的有效傳輸速率。因此，為提高通信效率，本文提出了一種盲turbo均衡方法，該方法通過引入新的盲信道辨識器來同時獲得信道估計響應和已去除部分ISI的初步均衡輸出信號，并為turbo均衡提供初始的響應參數(shù)和比特軟信息。與水聲通信中應用較多的盲判決反饋均衡器（DFE，Decision feedback equalizer）相比，海上實驗結果證明本文提出的盲turbo均衡方法抗信道多途衰落的能力較強，并且與傳統(tǒng)MMSE-turbo均衡相比無需訓練序列，因此提高了信息的有效傳輸速率。關鍵詞盲turbo均衡，盲信道辨識，水聲通信

1　引言

水聲通信信道多途復雜，特別是針對較高速率通信，多途時延擴展會覆蓋幾十甚至上百個碼元符號，造成接收信號存在嚴重的碼間干擾（ISI，Intersymbol interference）［1］，并導致接收端產(chǎn)生誤碼。均衡器［2-5］能夠消除ISI并恢復出原始發(fā)送信號，是實現(xiàn)可靠通信的一個重要手段。

目前水聲通信中應用較廣泛的均衡器包括判決反饋均衡器（DFE，Decision feedback equalizer）以及DFE與空間分集、時間反轉等技術的結合。但是，DFE不是最優(yōu)均衡結構，不能完全消除ISI，而且在衰落嚴重且信噪比低的信道下，DFE有可能發(fā)生誤差傳播，導致性能下降。Turbo均衡［6］不同于DFE，它將均衡和信道譯碼級聯(lián)起來，共同對抗信道衰落，提高了均衡器的性能。Turbo均衡主要有兩種均衡結構：基于最大后驗概率（MAP，Maximum a posteriori）準則turbo均衡和基于最小均方誤差（MMSE，Minimum mean square error）準則turbo均衡。MAP-turbo均衡的計算復雜度隨信道階數(shù)呈指數(shù)次方增加，在時延擴展較大的水聲信道中難以應用；MMSE-turbo均衡采用干擾抵消［7］的均衡方式，由兩個濾波器組成，其響應參數(shù)可通過LMS或RLS算法自適應更新，計算復雜度低，是近年水聲通信中的一個研究熱點。

MMSE-turbo均衡需要訓練序列來跟蹤信道并獲得均衡器響應，而且由于水聲信道的時變性，發(fā)射端需要周期性地發(fā)送訓練序列以實現(xiàn)連續(xù)可靠的通信。訓練序列的加入雖然能夠提高通信的可靠性，但卻占用了一部分信道資源，降低了信息的有效傳輸速率。為解決這一問題，相關文獻對無需訓練序列的盲均衡［8-10］開展了研究。最初的盲均衡基于高階累積量，但這類盲均衡器具有收斂速度慢、計算復雜度高等特點，在水聲通信中應用難度較大；隨后發(fā)展了基于二階循環(huán)累積量的算法，如子空間算法、線性預測算法等，但這些算法大多用于時不變信道；目前在水聲通信中已成熟應用的盲均衡器是由J.Labat等人提出的采用雙模式結構的盲自適應DFE［11-13］，該均衡器能夠達到與傳統(tǒng)DFE基本相當?shù)姆€(wěn)態(tài)均方誤差，但仍不能獲得最優(yōu)的抗信道衰落的性能。

因此，為獲得性能優(yōu)良的盲均衡器，本文提出了一種基于信道辨識的盲turbo均衡方法，其首先利用盲辨識得到的信道計算turbo均衡的初始響應，然后基于MMSE準則對均衡器參數(shù)進行更新，并消除ISI。與盲DFE相比，該盲turbo均衡方法能夠獲得更強的抗信道多途衰落的能力，而且相較于傳統(tǒng)MMSE-turbo均衡，無需訓練序列，提高了信息的有效傳輸速率。

本文的組織結構為：第二節(jié)提出基于信道辨識的盲turbo均衡方法，研究其工作原理及實現(xiàn)結構；第三節(jié)對盲turbo均衡器進行海上實驗驗證；第四節(jié)對全文進行總結。

2　基于信道辨識的盲turbo均衡方法

2.1基本原理

采用turbo均衡的數(shù)字通信發(fā)射系統(tǒng)一般滿足圖1所示的結構，二進制隨機序列經(jīng)過信道編碼、交織之后，通過合適的調制方式將比特信息映射到符號d（n）。d（n）經(jīng)過信道h（n）傳輸之后，接收信號可表示為

圖1　采用turbo均衡的通信系統(tǒng)發(fā)射端的結構框圖Fig.1 Block diagram of transmitter in the communication system with turbo eqalizer

圖2　MMSE-turbo均衡器結構框圖Fig.2 Block diagram of MMSE-turbo equalizer

在MMSE-turbo均衡器中，需要獲得P（z）、Q（z）的響應參數(shù)，得到均衡輸出信號，然后利用該信號求解比特軟信息，從而實現(xiàn)均衡和信道譯碼之間的循環(huán)迭代。基于此，在本文的盲turbo均衡方法中，我們首先提出一種新的盲信道辨識器，其能夠同時獲得兩部分結果：信道估計響應和已去除部分ISI的初步均衡輸出信號。將信道估計響應代入式（2）可以得到P（z）和Q（z）的初始響應參數(shù)，而初步均衡輸出信號為turbo均衡提供比特的初始軟信息。在完成turbo均衡器的初始化之后，無需訓練序列便可以啟動均衡和信道譯碼之間的循環(huán)迭代，從而實現(xiàn)盲turbo均衡。下面將詳細介紹這種新的盲信道辨識器。

2.2盲信道辨識器

均衡能夠補償信道對信號產(chǎn)生的衰落，因此，類似于MMSE-turbo均衡器，基于MMSE準則的線性均衡器（MMSE-LE，MMSE linear equalizer）的最優(yōu)響應也是信道響應的函數(shù)：

CMMSE-LE（z）的分子為信道時反響應。如果MMSELE能夠拆分成H?（1/z?）與其他濾波器線性級聯(lián)的結構［14］，那么在實現(xiàn)此線性均衡器的同時便可以得到信道響應。

式（3）的分母為接收信號r（n）的功率譜Srr（z），可對其進行譜分解并得到

W（z）的零點均在單位圓內(nèi)，是最小相位因果濾波器；W?（1/z?）是W（z）的共軛形式，零點均在單位圓外，為最大相位非因果濾波器；α是常數(shù)因子，使得W（z）和W?（1/z?）的首元素為1。將式（4）代入式（3），CMMSE-LE（z）可進一步表示為

CMMSE-LE（z）被分解成三個濾波器：1/W（z）、1/［W?（1/z?）］和H?（1/z?）線性級聯(lián)的形式，如圖3所示，該結構即為本文提出的盲信道辨識器。我們將根據(jù)各濾波器的物理意義，設計合適的優(yōu)化準則，并采用自適應迭代算法有效快速地更新參數(shù)，以適用于水聲信道。

圖3　盲信道辨識新算法的結構框圖Fig.3 Block diagram of blind channel identification

2.2.11/W（z）求解

W（z）對應 Srr（z）譜分解中的最小相位部分，且首元素為1，因此1/W（z）可表示成如下形式：

r（n）經(jīng)過1/W（z）濾波之后的輸出信號y（n）為

其中，A=［a1,a2,···,aN］T，Yn=［y（n-1）,y（n-2）,···,y（n-N）］T。計算y（n）的功率譜得到

式（8）表明，y（n）具有平坦譜，在時域上表現(xiàn)為不相關，因此，1/W（z）能夠實現(xiàn)r（n）的白化處理。式（7）中ATYn可進一步認為是r（n）的前向線性預測結果，y（n）為預測誤差?；诖?，得到參數(shù)A的代價函數(shù)和迭代更新公式如下：

2.2.21/［W?（1/z?）］求解

1/［W?（1/z?）］的極點均在單位圓外，是非因果最大相位濾波器，無法以IIR的形式實現(xiàn)，因此，我們對1/［W?（1/z?）］做次優(yōu)化處理，用其截短形式T（z）近似，

類似于1/W（z）的實現(xiàn)過程，r（n）經(jīng)過T（z）濾波之后的輸出信號可設為x（n）：

其中，T=［-t1,-t2,···,-tL］T，Rn=［r（n+1）, r（n+2）,···,r（n+L）］T。計算x（n）的功率譜得到

Sxx（z）近似為常數(shù)，因此，T（z）也能夠實現(xiàn)r（n）的白化處理。類似于A，式（11）中T可看作是后向預測濾波器響應參數(shù)，x（n）為后向預測誤差，T的代價函數(shù)及迭代更新公式如下：

2.2.3H?（1/z?）求解

獲得1/W（z）和1/［W?（1/z?）］之后，圖3所示的盲信道辨識器中僅剩下H?（1/z?）未知。由以上分析可知，該信道辨識器實際是一個線性均衡器，此時H?（1/z?）無需訓練序列，可通過盲均衡算法［15-16］實現(xiàn)。本文中，我們以易于實現(xiàn)的CMA［17］為代表求得H?（1/z?），CMA的代價函數(shù)為

H?（1/z?）的輸出已去除了部分ISI，對進行判決可得到初步的均衡輸出符號和均方誤差MSE1：

2.3盲turbo均衡方法實現(xiàn)結構

上述盲信道辨識器的一部分輸出結果為信道估計響應H?（1/z?），將其代入式（2）可以得到turbo均衡器中P（z）和Q（z）的初始響應；另一部分輸出為已經(jīng)去除部分ISI的信號利用的判決符號可為turbo均衡提供比特的初始軟信息。但是，當誤碼較多時，利用得到的比特軟信息較差，如果將該軟信息送入turbo均衡器中，均衡性能反而會受到影響。為此，可以依據(jù)的誤碼率情況決定是否利用為turbo均衡提供比特的初始軟信息。然而在實際通信中，由于無法統(tǒng)計誤碼率，我們采用與誤碼率相關的均方誤差MSE1作為判決依據(jù)，并將MSE1與預先設置的門限M0對比，得到如下判決準則：若MSE1＜M0，將）映射為比特軟信息，turbo均衡可以采用較少的迭代次數(shù)達到收斂；反之則不被送入turbo均衡器中，以免造成誤差傳播，此時比特的初始軟信息設為0。為保證turbo均衡能夠趨向收斂，利用得到的軟信息準確性要求較高，因此，門限M0一般選取誤碼率為0.02［11］所對應的均方誤差值。

通過以上分析，盲信道辨識器獲得的信道響應和初步的均衡判決均通過相應的方式與turbo均衡實現(xiàn)結合，得到基于信道辨識的盲turbo均衡，實現(xiàn)框圖如圖4所示。

圖4　基于信道辨識的盲turbo均衡方法實現(xiàn)框圖Fig.4 Structure of blind turbo equalization based on channel identification

總結基于信道辨識的盲turbo均衡的實現(xiàn)過程如下：

步驟1：將接收信號r（n）送入盲信道辨識器進行處理，依次求得1/W（z）和1/［W?（1/z?）］，得到信道時反響應H?（1/z?）、初步的均衡判決?d1（n）及均方誤差MSE1；

步驟2：比較MSE1與預先設定的門限值M0，若MSE1＜M0，將通過符號到比特的軟信息映射→解交織→信道譯碼→交織→比特到符號的軟信息映射處理，為步驟3中的turbo均衡提供比特的初始軟信息，然后運行步驟3；若MSE1>M0，比特的初始軟信息為0，然后運行步驟3；

步驟3：利用信道估計響應H?（1/z?）計算P（z）和Q（z）的初始響應，然后接收信號r（n）經(jīng)過均衡和信道譯碼循環(huán)迭代處理，P（z）和Q（z）的參數(shù)采用LMS或RLS算法進行自適應更新。

盲信道辨識器估計得到的信道響應存在誤差，因此求得的P（z）和Q（z）不是最優(yōu)響應值，需要利用LMS或RLS算法并聯(lián)合信道譯碼進行多次循環(huán)迭代趨近最優(yōu)turbo均衡響應。由于盲turbo均衡沒有訓練序列，與傳統(tǒng)MMSE-turbo均衡相比，需要較多的循環(huán)迭代次數(shù)，但是，收斂之后能夠獲得與傳統(tǒng)MMSE-turbo均衡基本相當?shù)恼`碼率。因此，本文提出的基于信道辨識的盲turbo均衡方法以適當增加計算量為代價，提高信息的有效傳輸速率并保證通信的可靠性。

3　海試驗證

為了驗證本文提出的基于信道辨識的盲turbo均衡方法的有效性，我們分別對2011年12月份的黃海淺海實驗數(shù)據(jù)和2013年7月份的西太平洋深海實驗數(shù)據(jù)進行處理。

3.1黃海實驗

在黃海實驗中，通信距離大約為18.5 km。發(fā)射端采用編碼速率為2/3的卷積編碼器，調制方式為QPSK，載頻4 kHz，通信速率2 kbps。在采用基于信道辨識的盲turbo均衡器時，判決門限值M0=-6 dB。

我們首先分析盲turbo均衡方法中信道辨識器的性能。圖5（a）為采用訓練序列估計得到的信道響應，可以近似看作真實信道。圖5（b）為盲辨識得到的信道響應，與圖5（a）對比可發(fā)現(xiàn)，在兩種方法的辨識結果中，能量較小的多徑分量的估計值有一定的差別，對于能量較大的多徑分量，新的盲信道辨識器能夠較準確地估計信道。

盲信道辨識器輸出的均方誤差和輸入輸出信號星座圖如圖6所示?？梢园l(fā)現(xiàn)，盲辨識器輸出的穩(wěn)態(tài)均方誤差大約為-7 dB，小于判決門限-6 dB，而且從）的星座圖中也可以看出，信號有一定的可信度，因此，可以利用為turbo均衡提供比特的初始軟信息。

圖5　黃海實驗信道辨識結果Fig.5 Results of channel identification in Yellow sea test

圖6　盲信道辨識器輸出結果Fig.6 Output results of the blind channel identification

為驗證基于信道辨識的盲turbo均衡方法抗信道多途衰落的能力，我們將其分別與盲DFE和帶1000個訓練符號的傳統(tǒng)MMSE-turbo均衡比較。三種均衡器的參數(shù)及算法見表1，均衡輸出結果如圖7所示。與盲DFE相比，盲turbo均衡能夠獲得更小的穩(wěn)態(tài)均方誤差，輸出信號星座圖也更清晰。傳統(tǒng)MMSE-turbo均衡和盲turbo均衡都采用兩次循環(huán)迭代達到收斂狀態(tài)，而且兩者的穩(wěn)態(tài)均方誤差基本相當。盲DFE、盲turbo均衡和傳統(tǒng)MMSE-turbo均衡信道譯碼之前的實測誤碼率分別為3.8×10-2、2.3×10-3、0.8×10-3，譯碼之后分別為1.4×10-3，0，0。盲turbo均衡的誤碼率與傳統(tǒng)MMSE-turbo均衡基本相當，并且遠小于盲DFE。由此可見，本文提出的盲turbo均衡方法性能優(yōu)于盲DFE，而與傳統(tǒng)turbo均衡相比，盲turbo均衡無需訓練，在本次實驗中使得信息的有效傳輸速率提高了8.33%，從而盲turbo均衡既提高了通信效率，又保證了通信的可靠性。

表1　黃海實驗數(shù)據(jù)處理中不同均衡方式的參數(shù)選取Table 1 Parameters of different equalizers in Yellow sea test

圖7　黃海實驗中不同均衡器的輸出結果，左列為均方誤差曲線，右列為均衡輸出信號星座圖Fig.7 Results of different equalizers in the Yellow Sea test，the left column is curve of the mean square error，the right column is constellation diagram of equalizer outputs

3.2深海實驗

深海實驗海區(qū)位于西太平洋，海深大約5000 m，聲速剖面如圖8所示。由聲傳播模型得到實驗海區(qū)的傳播損失如圖9所示，深海信道存在明顯的會聚區(qū)和聲影區(qū)。

發(fā)射端采用編碼速率為2/3的卷積編碼器，調制方式為BPSK，通信速率為50 bps。采用淺發(fā)淺收方式，發(fā)射端定點發(fā)射信號，接收船勻速航行并利用拖曳陣接收信號。這里我們詳細分析接收船距離聲源位于第二聲影區(qū)、通信距離為106 km時的處理結果。由于該距離處信道多途復雜，如圖10所示，多途時延擴展覆蓋了將近100個碼元符號，利用盲turbo均衡實現(xiàn)該區(qū)域的水聲通信更具代表性。

我們?nèi)圆捎妹FE、基于信道辨識的盲turbo均衡和傳統(tǒng)MMSE-turbo均衡對接收信號進行處理，三種均衡器的參數(shù)及迭代算法如表2所示，它們均采取了稀疏化處理以獲得更好的性能，均衡輸出結果如圖11所示。由于該通信距離處信道多途擴展嚴重且信噪比較低，在此條件下盲DFE已不能有效去除ISI，輸出信號星座圖模糊，誤碼率高。盲turbo和傳統(tǒng)MMSE-turbo均衡分別采用20次和8次循環(huán)迭代達到收斂狀態(tài)，從均衡輸出結果可以看出，盲turbo均衡的輸出信號星座圖清晰，兩者均衡輸出的誤碼率分別為1.7×10-2和0.7×10-2，信道譯碼之后都可以實現(xiàn)可靠通信。該海試結果表明盲turbo均衡能夠達到與傳統(tǒng)MMSE-turbo均衡相當?shù)恼`碼率，但是由于盲turbo均衡無需訓練序列，因此，在本次實驗中采用盲turbo均衡使得通信效率提高了34%。

圖8　實驗海區(qū)聲速剖面Fig.8 Sound speed profile in the region of sea test

圖9　傳播損失隨距離的變化曲線圖Fig.9　Transmission lost with the communication range

圖10　深海實驗中通信距離為106 km處的信道響應Fig.10 Channel response at the communication range of 106 km in the deep sea test

為進一步對比盲turbo均衡和其他兩種均衡器的性能，我們對不同通信距離68 km（會聚區(qū)）、110 km（第二影區(qū)）和164 km（第三影區(qū)）的接收信號進行處理，并得到如表3所示的均衡輸出誤碼率結果?？梢园l(fā)現(xiàn)，在信道多途結構簡單且信噪比較高的會聚區(qū)深海信道，盲DFE可以去除ISI，但是性能仍略差于盲turbo均衡；在多途衰落嚴重且信噪比低的聲影區(qū)信道下，盲DFE性能變差，不能有效對抗多途衰落，誤碼率高，而盲turbo均衡仍然能夠去除ISI，而且無需訓練序列達到了與傳統(tǒng)MMSE-turbo均衡相當?shù)恼`碼率。

表2　深海實驗數(shù)據(jù)處理中不同均衡方法的參數(shù)選取Table 2 Parameters of different equalizers in the deep sea test

圖11　通信距離為106 km處的處理結果，第一列為均衡器輸出均方誤差曲線，第二列為無均衡信號星座圖，第三列為均衡輸出信號星座圖Fig.11 Results of different equalizers at the range of 106 km，the first column is curve of the mean square error，the second column is constellation of equalizer input signals，the third column is constellation of equalizer output signals

表3　深海實驗不同通信距離處，不同均衡器的誤碼率結果Table 3 Bit error rate for different equalizers at different ranges in the deep sea test

4　結論

本文針對傳統(tǒng)MMSE-turbo均衡需要訓練序列而降低有效信息傳輸速率這一問題，提出了一種盲turbo均衡方法，該方法由新的盲信道辨識器和MMSE-turbo均衡器兩部分組成。盲信道辨識器有兩部分輸出結果：一部分為信道估計值，用于求解turbo均衡初始響應；另一部分為初步的均衡輸出信號，當信號可信度高時，為turbo均衡提供比特的初始軟信息，減少均衡循環(huán)迭代次數(shù)?；谛诺辣孀R的盲turbo均衡中各濾波器均采用自適應迭代算法快速有效更新參數(shù)，適用于水聲通信，并且已經(jīng)成功經(jīng)過了淺海和深海實驗驗證。海試結果表明，與盲DFE相比，該盲turbo均衡方法抗信道多途衰落能力較強，而且無需訓練序列獲得與傳統(tǒng)MMSE-turbo均衡基本相當?shù)恼`碼率，提高了信息有效傳輸速率。因此，本文提出的基于信道辨識的盲turbo均衡器在帶寬受限的水聲信道中為實現(xiàn)可靠有效通信提供了一種新的方法，具有良好的應用前景。

［1］KILFOYLE D B，BAGGEROER A B.The state of the art in underwater acoustic telemetry［J］.IEEE J.Oceanic. Eng.，2000，25（1）：4-27.

［2］楊日杰，李淑華，張宗玉.水聲信道線性均衡的研究［J］.應用聲學，2002，21（6）：22-27. YANG Rijie，LI Shuhua，ZHANG Zongyu.Study of underwater acoustic channel linear equalization［J］.Applied Acoustics，2002，21（6）：22-27.

［3］STOJANOVIC M，CATIPOVIC J，PROAKIS J G.Phasecoherent digital communications for underwater acoustic channels［J］.IEEE J.Oceanic.Eng.，1994，19（1）：100-111.

［4］STOJANOVICM.Recentadvancesinhigh-speed underwater acoustic communications［J］.IEEE J.Oceanic. Eng.，1996，21（2）：125-136.

［5］張涵，孫炳文，郭圣明.淺海環(huán)境中的時間反轉多用戶水聲通信［J］.應用聲學，2009，28（3）：214-219. ZHANG Han，SUN Bingwen，GUO Shengming.Timereversal multi-user underwater acoustic communication in shallow water［J］.Applied Acoustics，2009，28（3）：214-219.

［6］TUCHLER M，SINGER A C.Turbo equalization：An overview［J］.IEEE Trans.Inform.Theory，2011，57（2）：920-952.

［7］GERSHO A，LIM T L.Adaptive cancellation of intersymbol interference for data transmission［J］.J.Bell Sys. Tech.J.，1981，60（11）：1997-2021.

［8］PORAT B，F(xiàn)RIEDLANDER B.Blind equalization of digital communication channels using high-order moments［J］. IEEE Trans.Signal Process.，1991，39（2）：522-526.

［9］TONG L，XU G H，KAILATH T.Blind identification and equalization based on second-order statistics—A timedomain approach［J］.IEEE Trans.Inform.Theory，1994，40（2）：340-349.

［10］MOULINES E，DUHAMEL P，CARDOSO J F，et al. Subspace methods for the blind identification of multichannel FIR filters［J］.IEEE Trans.Signal Process.，1995，43（2）：516-525.

［11］LABAT J，MACCHI O，LAOT C.Adaptive decision feedback equalization：Can you skip the training period？［J］. IEEE Trans.Commun.，1998，46（7）：921-930.

［12］LABATJ，LAOTC.Blindadaptivemultiple-input decision feedback equalizer with a self-optimized configuration［J］.IEEE Trans.Commun.，2001，49（4）：646-654.

［13］EYNARD G，LAOT C.Implementation of a blind adaptive decision feedback equalizer［C］.EUSIPCO 06，F(xiàn)lorence，Italy，2006.

［14］楊曉霞，王海斌.一種盲信道辨識新方法［C］.第九屆中國聲學學會青年學術會議，廣州，2011.

［15］BENVENISTE A，GOURSAT M.Blind equalizers［J］. IEEE Trans.Commun.，1984，32（8）：871-883.

［16］張艷萍，趙俊渭，李金明.一種快速收斂的符號回歸常數(shù)模盲均衡算法［J］.應用聲學，2005，24（2）：122-125. ZHANG Yanping，ZHAO Junwei，LI Jinming.A fast convergent signed regressor constant modulus algorithm for blind equalization［J］.Applied Acoustics，2005，24（2）：122-125.

［17］GODARD D.Self-recovering equalization and carrier tracking in two-dimensional data communication systems［J］.IEEE Trans.Commun.，1980，28（11）：1867-1875.

Blind turbo equalization based on channel identification for underwater acoustic communications

YANG Xiaoxia1,2WANG Haibin1WANG Jun1ZHANG Renhe1
（1 State Key Laboratory of Acoustics，Institute of Acoustic，Chinese Academy of Sciences，Beijing 100190，China）
（2 University of Chinese Academy of Science，Beijing 100049，China）

Underwater acoustic channels usually suffer from the extended multipath propagation which causes intersymbol interference（ISI）.Turbo equalization is an iterative equalization and decoding technique that can remove ISI and achieve impressive performance.Since underwater channels are time-varying，turbo equalization needs periodic transmission of training sequences to keep continuous communication.Although the training sequence improves communication reliability，it decreases the effective bit rate.We therefore proposed a blind turbo equalizer.This equalizer uses a new blind channel identification，which outputs the estimated channel impulse response and transmitted symbols with residual ISIs，and these two parts of outputs are used to get initial response of the turbo equalizer and the soft information.Sea test results show that the new blind turbo equalizer can perform better than the blind decision feedback equalizer（DFE），and it increases the effective bit rate，comparing with the conventional turbo equalizer.

Blind turbo equalization，Blind channel identification，Underwater acoustic communications

TN911.5

A

1000-310X（2015）02-0125-10

10.11684/j.issn.1000-310X.2015.02.006

2014-02-20收稿；2014-07-23定稿

?中國科學院科技創(chuàng)新交叉與合作團隊項目

楊曉霞（1987-），女，河北保定人，博士研究生，研究方向：水聲通信。

E-mail：yangxiaoxia@mail.ioa.ac.cn