亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種降低復(fù)雜度的壓縮感知水聲信道估計(jì)方法

        2021-04-17 16:05:38于玄耿烜
        電信科學(xué) 2021年3期
        關(guān)鍵詞:水聲復(fù)雜度殘差

        于玄,耿烜

        (上海海事大學(xué)信息工程學(xué)院,上海 201306)

        1 引言

        水聲(underwater acoustic,UWA)通信技術(shù)與水下機(jī)器人、無人駕駛船舶或水下傳感器網(wǎng)絡(luò)相結(jié)合,在海洋探測、軍事監(jiān)視等方面發(fā)揮著重要作用,因此發(fā)展水聲通信技術(shù)具有重要的現(xiàn)實(shí)意義[1]。然而,由于水聲信道多徑干擾強(qiáng)烈、信道響應(yīng)穩(wěn)定性差[2-4],水聲通信系統(tǒng)存在劇烈的碼間干擾,給水聲通信帶來了極大的困難和挑戰(zhàn)。在水聲通信系統(tǒng)中,接收機(jī)無法準(zhǔn)確獲取信道響應(yīng)值,需要對其進(jìn)行估計(jì),信道估計(jì)在時(shí)變UWA信道中起著重要的作用。

        海洋聲信道,尤其是在中短距離的高速水聲通信中,水聲信道呈很長的時(shí)延擴(kuò)展,信號(hào)能量集中在幾個(gè)顯著的抽頭上,信道響應(yīng)具有明顯的稀疏特性,這種現(xiàn)象經(jīng)常發(fā)生在淺海[5-6]。傳統(tǒng)的水聲信道估計(jì)方法是非稀疏信道估計(jì),如最小均方誤差(minimum mean square error,MMSE)信道估計(jì)算法[7],它沒有利用水聲信道稀疏特性的先驗(yàn)信息,估計(jì)得到的稀疏多徑信道的脈沖響應(yīng)抽頭系數(shù)會(huì)有大量的非零值,降低了估計(jì)精度。近年,利用水聲通信信道的時(shí)域稀疏特性和匹配跟蹤的思想,壓縮感知(compressed sensing,CS)[8]方法可以準(zhǔn)確地重構(gòu)信號(hào),有效地抑制噪聲對信道估計(jì)的干擾。因此,在UWA通信系統(tǒng)中,基于壓縮感知的稀疏信道估計(jì)獲得了研究者的關(guān)注[9]。在壓縮感知算法中,貪婪重構(gòu)算法是一類低復(fù)雜度、收斂速度快和易于實(shí)現(xiàn)的重構(gòu)算法[10]。其中,正交匹配跟蹤(orthogonal matching pursuit,OMP)[11]和子空間追蹤(subspace pursuit,SP)[12]是常用的貪婪重構(gòu)算法。然而,OMP算法每次只選擇一個(gè)原子,如果錯(cuò)誤選擇了任意一個(gè)原子,則不能正確恢復(fù),重建概率低。SP算法在每次搜索中添加和刪除原子,比OMP降低了復(fù)雜度,但不能保證更新支撐集時(shí)對應(yīng)殘差的收斂性。參考文獻(xiàn)[13]提出了一種前向回溯正交匹配追蹤(look-ahead backtracking orthogonal matching pursuit,LABOMP)算法,采用前向預(yù)測添加新原子,并利用回溯策略剔除最不可靠的原子,以平衡精度和隨機(jī)擾動(dòng),相對于OMP和SP,能夠更為準(zhǔn)確地重建水聲信道,但計(jì)算復(fù)雜度較高。

        針對上述問題,本文提出了一種降低復(fù)雜度的前向回溯正交匹配追蹤(reduced-complexity look-ahead backtracking orthogonal matching pursuit,RC-LABOMP)水聲信道估計(jì)算法。該算法在LABOMP方法的基礎(chǔ)上,首先計(jì)算正交匹配追蹤(OMP)和子空間追蹤(SP)估計(jì)的支撐集,然后將兩類支撐集的交集和并集作為算法的先驗(yàn)信息,利用先驗(yàn)信息進(jìn)行預(yù)處理,最后基于LABOMP的觸發(fā)回溯對信道進(jìn)行估計(jì),得到水聲信道的時(shí)域沖激響應(yīng)。該算法改變了原LABOMP算法中支撐集的初始化值和原子的索引范圍,減少了算法的迭代次數(shù),同時(shí)縮小了原子的索引范圍,因而降低了原LABOMP的計(jì)算復(fù)雜度。此外,本文將提出的信道估計(jì)算法應(yīng)用于水聲迭代Turbo均衡[14]中,將信道估計(jì)值作為參數(shù)輸入Turbo均衡器中,在隨后的迭代中,譯碼器反饋的軟信息作為特殊的訓(xùn)練序列,用于信道估計(jì),形成信道估計(jì)和Turbo均衡的迭代反饋環(huán),用以提高系統(tǒng)的整體性能。仿真結(jié)果表明,與傳統(tǒng)的信道估計(jì)方法相比,提出的RC-LABOMP算法具有估計(jì)精度高、誤碼率低的優(yōu)點(diǎn),并且與LAMBOMP算法相比,計(jì)算效率得到了顯著提高。

        2 系統(tǒng)模型

        2.1 傳輸模型

        包含信道估計(jì)和Turbo均衡的水聲通信系統(tǒng)模型如圖1所示。在發(fā)送端,對長度為L的信息比特序列an進(jìn)行編碼,輸出長度為2(L+2)的信息位序列bn,經(jīng)交織cn和調(diào)制映射得到數(shù)據(jù)符號(hào)序列sn,發(fā)送信號(hào)xn由sn與訓(xùn)練符號(hào)tn復(fù)用而生成,其中訓(xùn)練符號(hào)tn是接收機(jī)已知的,并且用于信道估計(jì)處理。xn經(jīng)過水聲信道hn傳輸,到達(dá)接收端,接收信號(hào)yn為:

        其中,nx、yn、nw分別表示在n時(shí)刻離散的發(fā)送信號(hào),接收信號(hào)和均值為0、方差為2σ的高斯白噪聲,hn,k表示n時(shí)刻、時(shí)延為k的水聲信道沖激響應(yīng),N為信道長度,M是觀測窗口長度。

        在接收端,單輸入單輸出(single-input single-output,SISO)均衡模塊將接收信號(hào)yn、先驗(yàn)信息以及信道估計(jì)提供的信道作為輸入,輸出符號(hào)外部信息經(jīng)解交織處理輸出的軟信息作為譯碼器的輸入。SISO譯碼器輸出發(fā)射符號(hào)的估計(jì)值解碼后的后驗(yàn)信息經(jīng)交織處理得到對數(shù)似然比(log likelihood ratio,LLR)進(jìn)行判決作為新的訓(xùn)練序列。然后信道估計(jì)器利用新的訓(xùn)練和yn得到信道估計(jì)值?nh,作為均衡器的輸入。不斷進(jìn)行上述迭代過程,直到譯碼器性能收斂。

        2.2 稀疏信道模型

        假設(shè)在n時(shí)刻水聲信道的時(shí)域沖激響應(yīng)為:

        其中,iα和iτ分別表示第i徑的幅度和時(shí)延,N為多徑的數(shù)目,K為非零多徑的數(shù)目。因此,長度為N的水聲信道只有K個(gè)抽頭系數(shù)是非0的,稀疏度為K。

        由訓(xùn)練序列組成M×N的矩陣A,定義為信道估計(jì)需要的觀測矩陣,具體構(gòu)成為:根據(jù)式(1)在n時(shí)刻的輸入輸出關(guān)系,觀測矩陣A經(jīng)過信道后的觀測向量yh為:

        其中,wh為M×1觀測噪聲向量,h為N×1稀疏信道沖激響應(yīng),稀疏度為K,K<M,且M<N。接收端根據(jù)已知的觀測矩陣A,使用壓縮感知信道估計(jì)算法獲得h的估計(jì)值。

        3 提出的信道估計(jì)算法

        3.1 壓縮感知信道估計(jì)基本原理

        CS的核心思想是將壓縮與采樣合并進(jìn)行。為了保證觀測信號(hào)在壓縮的過程中重要信息不會(huì)被破壞,能夠正確恢復(fù)出原始信號(hào),A必須滿足約束等距性質(zhì),如式(5)所示:

        圖1 包含信道估計(jì)和Turbo均衡的水聲通信系統(tǒng)模型

        接收端已知觀測向量yh和觀測矩陣A,根據(jù)欠定方程yh=Ah求解得到h,由于h無法直接從觀測值計(jì)算得到,因此,求解目標(biāo)轉(zhuǎn)變?yōu)樵摲匠探M所有解中,最稀疏的h值,即CS壓縮信號(hào)恢復(fù)值。h的求解可轉(zhuǎn)換為式(6)最優(yōu)化問題進(jìn)行求解:

        本文中信號(hào)的重構(gòu)是指觀測矩陣A從M維觀測向量yh中重構(gòu)N維h的過程;原子是指觀測矩陣A中的每一個(gè)列向量;支撐集存放原子對應(yīng)索引的集合;殘差表示觀測向量yh與模型輸出結(jié)果Ah的差值。

        OMP、SP和本文提出的RC-LABOMP算法屬于CS中的貪婪算法,包含兩個(gè)步驟:原子選擇和信號(hào)估計(jì)。首先初始化稀疏向量為零,然后根據(jù)已知的觀測矩陣A和觀測向量yh,利用A中的原子與信號(hào)殘差的相關(guān)性,每次迭代選取一個(gè)或多個(gè)與殘差最匹配的原子,將原子對應(yīng)的索引逐次存入支撐集,然后根據(jù)支撐集,通過求yh=Ah的最小二乘解[15]進(jìn)行信號(hào)估計(jì),得到估計(jì)值?h。

        3.2 OMP和SP算法

        OMP算法[11]的基本思想是在每次迭代中,選取與殘差最匹配的原子,把原子的索引存儲(chǔ)起來,構(gòu)成支撐集JOMP,k,根據(jù)支撐集對應(yīng)的原子,更新矩陣AJOMP,k,并估計(jì)出信道沖激響應(yīng),多次迭代后算法收斂獲得最終的信道估計(jì)值。在第k次迭代時(shí),首先計(jì)算殘差rk-1與觀測矩陣A各個(gè)原子的內(nèi)積rk-1,Aj,然后選擇內(nèi)積最大值所對應(yīng)的A的列索引序號(hào)χk,存入支撐集JOMP,k中,即JOMP,k=JOMP,k-1∪χk,如式(7)所示:

        其中,符號(hào)supp(·)表示選取內(nèi)積最大JOMP,k值對應(yīng)的A列向量的索引。接著,根據(jù)支撐集的值,獲得矩陣AJOMP,k,使用最小二乘法求解第k次迭代的信道估計(jì)值,如式(8)所示:

        根據(jù)信道估計(jì)值,更新殘差值kr,如(9)所示:

        最后,迭代式(7)~式(9),當(dāng)算法達(dá)到收斂條件時(shí),獲得最終的信道估計(jì)值。

        SP算法[12]是對OMP算法的一種改進(jìn),OMP算法每次迭代時(shí)選取一個(gè)索引值放入支撐集,與之不同的是,SP算法在每次迭代時(shí),選取前K個(gè)與殘差最匹配的原子的索引并入支撐集,然后通過回溯檢驗(yàn)的方法剔除不可靠的原子。在第k次迭代時(shí),求得殘差rk1-與觀測矩陣A各個(gè)原子的內(nèi)積,根據(jù)式(10)選擇前K個(gè)最大值對應(yīng)A的列索引序號(hào)γk,逐次存入作為支撐集:

        3.3 提出的RC-LABOMP算法

        原始的LABOMP[13]算法中的支撐集從空集開始,選擇與殘差具有最大內(nèi)積的前ζ個(gè)原子,并進(jìn)行前向預(yù)測,通過重復(fù)調(diào)用這一過程,向支撐集里不斷地添加原子對應(yīng)的索引。該方法需要迭代稀疏度K次才能準(zhǔn)確獲取信道,使得能源成本非常高。因此,本文提出了一種降低復(fù)雜度的前向回溯正交匹配追蹤(RC-LABOMP)算法,該算法在LABOMP算法的基礎(chǔ)上,提出將OMP和SP估計(jì)支撐集的交集和并集作為先驗(yàn)信息處理,用以降低原算法的迭代次數(shù)。

        在初始化時(shí),首先根據(jù)第3.2節(jié)的方法獲得OMP和SP算法的支撐集JOMP和JSP,然后根據(jù)式(11)和式(12)分別得到:

        其中,λ表示JOMP和JSP的交集,用來作為RC-LABOMP算法的支撐集初始化值,?表示JOMP和JSP的并集,其元素作為觀測矩陣A的索引列序號(hào)。經(jīng)過以上預(yù)處理,RC-LABOMP算法初始化支撐集J0、迭代次數(shù)k、估計(jì)信道值和索引序號(hào)π~分別由式(13)~式(15)所示:

        式(13)中,card()λ表示集合中元素的個(gè)數(shù)。式(14)中,表示不含支撐集λ的元素對應(yīng)的信道估計(jì)值。經(jīng)過式(13)~式(15)的預(yù)處理后,RC-LABOMP初始從card()λ開始迭代,直到迭代到稀疏度K次。在第k次迭代中,利用式(15)求得殘差rk-1與觀測矩陣A的第j列的內(nèi)積(j?∈),選擇前ζ(ζ稱為前向參數(shù))個(gè)最大值A(chǔ)的列索引序號(hào)π~,然后基于LABOMP的前向預(yù)測,依次預(yù)測這ζ個(gè)原子對迭代殘差的影響,返回殘差二范數(shù)lη中最小的原子的索引d,并將dπ~加入支撐集Jk中。當(dāng)大多數(shù)正確原子對應(yīng)的索引被選入候選集時(shí),即迭代次數(shù)大于初始化設(shè)定的常數(shù)閾值φ時(shí),觸發(fā)回溯,以剔除不可靠的原子。在后續(xù)迭代中,每次迭代前向預(yù)測時(shí),添加一個(gè)新原子,每兩次迭代觸發(fā)回溯時(shí),剔除一個(gè)錯(cuò)誤原子,并向候選集添加一個(gè)原子的索引序號(hào),并且不斷更新殘差kr和信道沖激響應(yīng)h?Jk,直到滿足終止條件。其具體實(shí)現(xiàn)過程如下。

        步驟1首先利用OMP和SP算法的支撐集JOMP和JSP進(jìn)行預(yù)處理,得到

        步驟2初始化估計(jì)信道為殘 差 為支 撐 集 為迭代次數(shù)為前向參數(shù)為ζ= ceil(K/2),回溯閾值為φ= 0.8×K。

        步驟3計(jì)算相關(guān)系數(shù)

        步驟4l從1到ζ進(jìn)行前向預(yù)測,每次返回殘 差 二 范 數(shù)中 間 支 撐 集 為殘差Rq=yh-AI AI-1yh,q= card(I),從q+1次開始,迭代到K次。對于第p次迭代,首先更新相關(guān)系數(shù)更新中間支撐集最后更新殘差

        步驟5找到殘差二范數(shù)中最小的原子的索引并將加入支撐集中,更新估計(jì)信道值

        步驟6回溯策略,剔除不可靠的原子。當(dāng)滿足條件時(shí),不可靠的原子位置為從支撐集Jk中剔除,支撐集為

        步驟7更新殘差和信道分別為

        步驟8若k>K,終止迭代。否則,k=k+1,重復(fù)步驟3進(jìn)入下一次迭代。

        原LABOMP算法是一種貪婪算法,以空集作為初始支撐集,從0開始進(jìn)行逐次迭代到稀疏度K次,迭代次數(shù)為K,具有較高的計(jì)算復(fù)雜度。而本文提出的RC-LABOMP算法,利用OMP和SP算法支撐集的交集λ,作為RC-LABOMP的初始支撐集,這是因?yàn)閮煞N算法已經(jīng)選擇了和殘差最相關(guān)的原子,這些原子具有很高的準(zhǔn)確度,將這些原子對應(yīng)的支撐集交集作為RC-LABOMP的支撐集初始值,將使RC-LABOMP從card()λ開始迭代,而不是從0開始迭代,因此顯著降低了原LABOMP的迭代次數(shù)。另一方面,在迭代計(jì)算時(shí),原LABOMP算法對A的每個(gè)原子與殘差計(jì)算內(nèi)積,選擇出具有最大內(nèi)積的ζ個(gè)原子,而RC-LABOMP算法利用OMP和SP算法支撐集并集?所對應(yīng)的原子與殘差進(jìn)行內(nèi)積。因此,通過以上兩步處理,本文提出的RC-LABOMP算法能夠從減少迭代次數(shù)和縮小原子索引范圍兩個(gè)方面,同時(shí)降低LABOMP算法的計(jì)算復(fù)雜度。

        3.4 提出的RC-LABOMP算法復(fù)雜度

        分析RC-LABOMP計(jì)算復(fù)雜度,主要考慮加法和乘法運(yùn)算。在RC-LABOMP算法中,RC-LABOMP使用了OMP[8]和SP[9]算法作為先驗(yàn)信息,OMP和SP算法復(fù)雜度分別為O(K(MN+KM))和O((MN+KM)logK)。匹配濾波器需要MN標(biāo)準(zhǔn)乘法,最小二乘法的每個(gè)信號(hào)估計(jì)都需要O(KM)乘法[12]。RC-LABOMP外部迭代次數(shù)為K-card(λ),加上追蹤回溯可以看成迭代次數(shù)為2(K-card(λ))-φ次迭代。在前向預(yù)測中,匹配濾波會(huì)花費(fèi)φ)2)的乘積,在回溯中,總共包含(K- card(λ)-φ)個(gè)最小二乘法估計(jì)。因此,綜合考慮以上因素,RC-LABOMP的計(jì)算復(fù)雜度為

        4 結(jié)合RC-LABOMP的Turbo均衡實(shí)現(xiàn)

        Turbo均衡廣泛應(yīng)用于水聲通信物理層解碼中,本文根據(jù)Turbo均衡的特點(diǎn),將提出的RC-LABOMP算法應(yīng)用在近似線性MMSE的頻域Turbo均衡[16]中,從而提高系統(tǒng)的整體誤碼率性能。圖2為結(jié)合RC-LABOMP的Turbo均衡結(jié)構(gòu)。

        圖2中,基于近似線性MMSE的頻域Turbo均衡模塊由FFT、MMSE頻域均衡、IFFT、映射和解映射5個(gè)模塊構(gòu)成。其中,輸入信號(hào)為發(fā)送端接收信號(hào)yn,RC-LABOMP估計(jì)的信道和先驗(yàn)信息,輸出信號(hào)為外部信息,經(jīng)過解交織,譯碼器重新交織,反饋得到先驗(yàn)信息進(jìn)行硬判決處理,并將判斷結(jié)果作為RC-LABOMP估計(jì)器的輸入,從而使信道估計(jì)和Turbo均衡構(gòu)成反饋迭代處理結(jié)構(gòu)。具體實(shí)現(xiàn)步驟總結(jié)如下。

        圖2 結(jié)合RC-LABOMP的Turbo均衡結(jié)構(gòu)

        步驟1首先利用tn的信息,RC-LABOMP算法進(jìn)行信道估計(jì),得到初始信道估計(jì)值

        步驟2近似線性MMSE的頻域Turbo均衡器將作為信道參數(shù),計(jì)算第一次的外部信息值通過解交織、MAP譯碼器再交織,得到反饋的先驗(yàn)信息

        步驟3進(jìn)行硬判決處理,將判決信息作為新的訓(xùn)練序列輸入RC-LABOMP中進(jìn)行信道估計(jì),得到后續(xù)符號(hào)的信道估計(jì)值

        步驟4近似線性MMSE的頻域Turbo均衡器將作為信道參數(shù),計(jì)算后續(xù)的外部信息值通過解交織,MAP譯碼器再交織,得到

        步驟5判斷是否達(dá)到迭代次數(shù),若達(dá)到迭代次數(shù),則進(jìn)行判決得到譯碼輸出,否則,重復(fù)步驟3。

        隨著迭代次數(shù)的增加,MAP譯碼器反饋的軟信息會(huì)更加準(zhǔn)確,RC-LABOMP估計(jì)的?nh也更準(zhǔn)確,從而使迭代結(jié)果更精確。當(dāng)?shù)螖?shù)達(dá)到一定值時(shí),MAP譯碼器反饋的軟信息趨于穩(wěn)定,對信道估計(jì)值變化較小,從而迭代系統(tǒng)趨于穩(wěn)定。

        5 實(shí)驗(yàn)結(jié)果及分析

        通過Monte Carlo(蒙特卡洛)仿真,本文分析了提出的RC-LABOMP算法在不同信道條件下的性能,并與基于非稀疏信道估計(jì)MMSE方法、稀疏信道估計(jì)OMP算法、SP算法和LABOMP算法進(jìn)行了比較。

        系統(tǒng)設(shè)置有效符號(hào)幀長度為1 024,選用1/2碼率的卷積碼進(jìn)行信道編碼,調(diào)制方式為QPSK,加性高斯白噪聲作為背景噪聲,觀測窗口長度為15,使用隨機(jī)交織進(jìn)行交織/解交織器,使用MATLAB軟件對算法的CPU運(yùn)行時(shí)間進(jìn)行了測試,作為計(jì)算復(fù)雜度的比較。

        5.1 隨機(jī)信道下性能比較

        本文首先仿真了隨機(jī)稀疏信道下的算法性能,其中稀疏信道的脈沖響應(yīng)由計(jì)算機(jī)隨機(jī)產(chǎn)生,信道長度為62,稀疏度為6,隨機(jī)分配非零元素位置。在每種情況下,蒙特卡洛試驗(yàn)大于500次。

        在稀疏時(shí)變信道中,圖3顯示了在信噪比為10 dB的條件下,不同信道估計(jì)算法估計(jì)出的信道進(jìn)行Turbo頻域均衡后的星座圖。從圖3中可以看出,基于壓縮感知理論的OMP、SP、LABOMP和RC-LABOMP算法,均衡后的星座圖點(diǎn),比MMSE算法更為集中,因此更適用于稀疏信道。

        圖3 不同信道估計(jì)方法對應(yīng)的均衡后的星座圖

        圖4和圖5分別給出了在不同信噪比(SNR)下,幾種信道估計(jì)算法結(jié)合Turbo均衡的均方誤差(MSE)和誤碼率(BER)性能比較,其中Turbo均衡迭代次數(shù)設(shè)置為3。從圖4中可以看出,隨著信噪比的增加,MMSE、OMP、SP、LABOMP和RC-LABOMP的MSE性能都呈下降趨勢,但是MMSE信道估計(jì)方法的MSE值最大,RC-LABOMP和LABOMP的MSE值最小,并且RC-LABOMP可以獲得接近于LABOMP的MSE性能,而SP和OMP的性能居于MMSE和LABOMP算法之間。

        圖4 隨機(jī)信道下不同算法的信道估計(jì)均方誤差比較

        圖5 隨機(jī)信道下不同算法的誤碼率比較

        從圖5中可以看出,信道估計(jì)的BER值均隨著信噪比的增加而降低,與MSE的性能相似,MMSE算法的誤碼率性能最差,RC-LABOMP和LABOMP算法的誤碼率性能始終優(yōu)于OMP和SP算法。

        5.2 水聲信道下性能比較

        本文接著仿真了水聲信道條件下的算法性能。使用參考文獻(xiàn)[17]在松花湖測得的數(shù)據(jù),根據(jù)Bellhop算法繪制聲速剖面曲線,如圖6所示,其中水深50 m,換能器深度為25 m,水聽器離水面的深度為25 m,水平傳播距離2 km。

        圖7顯示了在稀疏時(shí)變水聲信道條件下,不同算法估計(jì)每個(gè)數(shù)據(jù)塊的初始信道沖激響應(yīng)。如圖7所示,MMSE估計(jì)的脈沖響應(yīng)抽頭系數(shù)會(huì)有大量的非零值,并不適用于稀疏信道估計(jì)。當(dāng)實(shí)際的信道抽頭不存在時(shí),OMP和SP有時(shí)會(huì)估計(jì)得到幅度很小的信道抽頭,而LABOMP與RC-LABOMP具有更為精確的信道沖激響應(yīng)估計(jì)能力,當(dāng)實(shí)際信道抽頭不存在時(shí),兩種算法不會(huì)估計(jì)信道抽頭系數(shù)。

        圖6 基于松花湖數(shù)據(jù)的聲速剖面

        圖7 不同信道估計(jì)算法得到的初始信道沖激響應(yīng)

        圖8和圖9分別給出了在水聲信道條件下,不同信噪比(SNR)時(shí),不同信道估計(jì)算法結(jié)合Turbo均衡的MSE和BER性能比較。從圖8、圖9中可以看出,MMSE算法在水聲信道中性能依然表現(xiàn)最差,而RC-LABOMP和LABOMP算法性能最好,其余兩種算法居中,與隨機(jī)信道條件下的性能表現(xiàn)一致。

        5.3 復(fù)雜度比較

        圖8 水聲信道下不同算法的信道估計(jì)均方誤差比較

        圖9 水聲信道下不同算法的誤碼率比較

        接著進(jìn)行了仿真實(shí)驗(yàn)對比。本文分別使用仿真程序的平均迭代次數(shù),原子的索引范圍和運(yùn)行時(shí)間來衡量不同算法的復(fù)雜度。其中,仿真設(shè)信道長度為100,隨機(jī)生成一系列稀疏度不同的信道沖激響應(yīng)。在信噪比為3 dB和Turbo均衡迭代次數(shù)為3的情況下,分別對LABOMP和RC-LABOMP算法的復(fù)雜度進(jìn)行比較。

        圖10(a)和圖10(b)分別顯示了兩種算法運(yùn)行500次的平均迭代次數(shù)和原子的索引范圍。如圖10(a)所示,LABOMP的迭代次數(shù)近似為稀疏度,而RC-LABOMP的迭代次數(shù)始終低于LABOMP的迭代次數(shù)。原LABOMP算法從0開始進(jìn)行逐次迭代到稀疏度K次,迭代次數(shù)為K。因此,隨著稀疏度K不斷增大,迭代次數(shù)不斷變大。RC-LABOMP迭代次數(shù)為K-card(λ),根據(jù)K和card(λ)的變化分析,當(dāng)稀疏度為5~25時(shí),card(λ)的變化速度始終小于K的變化速度,即K-card(λ)的值將增加;當(dāng)稀疏度大于25時(shí),card(λ)變化速度始終大于K的變化速度,K-card(λ)的值將減小。因此,當(dāng)K>25時(shí),圖10(a)RC-LABOMP的曲線隨著稀疏度增加而變小。當(dāng)稀疏度為25時(shí),RC-LABOMP比LABOMP的迭代次數(shù)平均減少52%。圖10(b)中,LABOMP的原子索引范圍始終為觀測矩陣的所有原子,而RC-LABOMP的索引范圍雖然呈增長趨勢,但整體明顯低于LABOMP的索引范圍;當(dāng)稀疏度為40時(shí),RC-LABOMP比LABOMP的索引范圍平均縮小52%。

        圖10 算法隨信道稀疏度變化的迭代次數(shù)和搜索原子范圍

        圖11 不同算法隨信道稀疏度變化的程序運(yùn)行時(shí)間

        圖11比較了4種壓縮感知信道估計(jì)算法運(yùn)行500次的平均程序運(yùn)行時(shí)間,圖11中RC-LABOMP包含了OMP和SP算法預(yù)處理的時(shí)間。如圖11所示,隨著稀疏度變大,4種算法的運(yùn)行時(shí)間也都逐漸變大,但是RC-LABOMP的運(yùn)行時(shí)間始終低于LABOMP。當(dāng)信道稀疏度不斷增大時(shí),由于RC-LABOMP迭代的次數(shù)會(huì)變小,因此其運(yùn)行時(shí)間趨于平穩(wěn),而原LABOMP始終迭代K次,其運(yùn)行時(shí)間依然呈上升趨勢。當(dāng)稀疏度為40時(shí),RC-LABOMP比LABOMP的運(yùn)行時(shí)間平均節(jié)省了約93%。

        需要指出的是,根據(jù)圖4、圖5和圖11的結(jié)果分析,SP算法性能雖然劣于LABOMP算法,但是復(fù)雜度也顯著降低。與SP算法相比,原LABOMP和本文提出的RC-LABOMP算法在Turbo均衡系統(tǒng)中,在提高復(fù)雜度的同時(shí),并未獲得顯著的性能增益。但在參考文獻(xiàn)[18]的分析和仿真指出,LABOMP算法在水聲TDS-OFDM系統(tǒng)中,可以獲得十分顯著的性能提高,因此,筆者將在下一步研究工作中進(jìn)一步驗(yàn)證RC-LABOMP算法在其他水聲通信系統(tǒng)中的性能。

        最后,本文仿真了信道長度為100、稀疏度為11的實(shí)時(shí)稀疏時(shí)變水聲信道條件下的復(fù)雜度比較。在信噪比為3 dB和Turbo均衡迭代次數(shù)為3的情況下運(yùn)行500次,表1為LABOMP和RC-LABOMP的平均迭代次數(shù)和原子的索引范圍,表2為不同算法所需的平均運(yùn)行時(shí)間。從表1和表2中可以看出,RC-LABOMP在水聲信道條件下,計(jì)算復(fù)雜度和程序運(yùn)行時(shí)間依然明顯低于LABOMP算法,與隨機(jī)信道條件下的復(fù)雜度性能表現(xiàn)一致。

        6 結(jié)束語

        本文提出了一種降低復(fù)雜度的前向回溯正交匹配追蹤水聲信道估計(jì)算法,并將該算法應(yīng)用于水聲迭代Turbo均衡中。該算法以O(shè)MP和SP所估計(jì)的支撐集的交集和并集作為預(yù)處理?xiàng)l件,從而減少迭代次數(shù)和縮小原子的索引范圍,降低原LABOMP的計(jì)算復(fù)雜度,并能保持原有的性能。給出了隨機(jī)稀疏信道和淺海水聲信道下的水下通信實(shí)驗(yàn)結(jié)果,同MMSE、OMP和SP信道估計(jì)算法相比,所提出的RC-LABOMP算法能夠提升估計(jì)精度和誤碼率性能;與LABOMP算法相比,提出的算法能夠在獲得近似于LABOMP的性能前提下,顯著降低算法的計(jì)算復(fù)雜度和運(yùn)行時(shí)間,提升了水聲通信的收斂性能。此外,所提出的降低復(fù)雜度信道估計(jì)算法不僅可以適用于本文研究的淺海場景,也可以應(yīng)用到信道呈稀疏性的復(fù)雜的空中無線通信場景,在下一步研究工作中進(jìn)一步驗(yàn)證RC-LABOMP算法在其他場景中的性能。

        表1 LABOMP和RC-LABOMP算法的平均迭代次數(shù)和搜索原子范圍比較

        表2 不同算法的平均運(yùn)行時(shí)間比較

        猜你喜歡
        水聲復(fù)雜度殘差
        基于雙向GRU與殘差擬合的車輛跟馳建模
        基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
        基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
        一種低復(fù)雜度的慣性/GNSS矢量深組合方法
        求圖上廣探樹的時(shí)間復(fù)雜度
        認(rèn)知水聲通信系統(tǒng)中OFDM技術(shù)的應(yīng)用
        電子制作(2017年22期)2017-02-02 07:10:34
        新型多功能水聲應(yīng)答器電子系統(tǒng)設(shè)計(jì)
        電子制作(2017年19期)2017-02-02 07:08:28
        FRFT在水聲信道時(shí)延頻移聯(lián)合估計(jì)中的應(yīng)用
        某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
        平穩(wěn)自相關(guān)過程的殘差累積和控制圖
        河南科技(2015年8期)2015-03-11 16:23:52
        一区=区三区国产视频| 精品一区二区三区在线观看| 色综合久久无码中文字幕app| 国产一区二区三区视频了| 中国黄色一区二区三区四区| 人妻插b视频一区二区三区| 99亚洲精品久久久99| 久久aⅴ无码av高潮AV喷| 91久久精品美女高潮喷白浆| 亚洲av日韩av女同同性| 欧美mv日韩mv国产网站| 国产精品国产午夜免费福利看| 美腿丝袜视频在线观看| 欧美人与动性xxxxx杂性| 3d动漫精品啪啪一区二区下载| 中文字幕无码高清一区二区三区| 亚洲不卡av二区三区四区| 亚洲精品久久久久久久蜜桃| 日本在线观看| 91在线无码精品秘 入口九色十| 日产一区日产2区日产| 香港三级日本三级a视频| 精品欧美乱子伦一区二区三区 | 女人做爰高潮呻吟17分钟| 99精品国产自产在线观看| 久久麻传媒亚洲av国产| 免费a级毛片无码免费视频120软件| 国产一区视频在线免费观看| 日韩久久免费精品视频| 日本在线精品一区二区三区| 无码中文字幕日韩专区视频| 亚洲一区二区久久青草| 亚洲午夜经典一区二区日韩| 国产三级av在线播放| 精品人无码一区二区三区 | 日本少妇高潮喷水视频| 无套内谢的新婚少妇国语播放| 久国产精品久久精品国产四虎| 麻豆精品一区二区三区| 国产精品 人妻互换| 国产美女69视频免费观看|