王 巍 ,普湛清 ,鈕 彪 ,陶 磊 ,黃海寧

(1.中國科學院 聲學研究所,北京,100086;2.蘇州桑泰海洋儀器研發(fā)有限責任公司,江蘇 蘇州,215000)

0 引言

隨著我國海洋事業(yè)的持續(xù)發(fā)展,越來越多的水下潛標、水下機動無人平臺投入到海洋監(jiān)控、水下安保、礦產(chǎn)勘探等任務中。受電磁波水下傳播能力弱的限制,水下各類型節(jié)點無法直接與水面無線網(wǎng)絡直接進行信息交互,嚴重制約了水下觀測監(jiān)察網(wǎng)絡整體效能。因此,如何高效、穩(wěn)定地實現(xiàn)水下觀測監(jiān)察網(wǎng)絡與水面網(wǎng)絡間的信息跨介質交互和信息融合成為近年來研究的熱點。目前,國內(nèi)外針對跨介質數(shù)據(jù)傳輸方法的研究主要集中在通過聲、光、電磁波等手段直接進行水下-水面信息交互[1-5]。文獻[6]給出了采用中繼浮標實現(xiàn)跨介質通信鏈路的思路,通過在跨介質浮標上搭載集成了水聲通信和無線通信的終端設備實現(xiàn)水下-水面平臺數(shù)據(jù)跨介質交互。該方案面臨的難點之一是跨介質網(wǎng)關能耗過大的問題,該問題是由水下用戶運動、海況復雜多變等因素作用導致的異構通信鏈路信道狀態(tài)不穩(wěn)定性所帶來的。鏈路自適應通信技術[7]是解決這一問題的有效手段,已在無線電通信中得到了廣泛的應用。鏈路自適應通信技術的應用前提是對通信鏈路信道狀態(tài)的準確認知,信噪比(signal-to-noise ratio,SNR)估計技術是評估信道狀態(tài)的重要手段,相關研究成果豐富[8-10]。文獻[9]提出了采用導頻輔助的最小均方誤差(minimum meansquare error,MMSE)SNR 估計方法,通過利用前一時刻的信道估計結果均衡當前符號的導頻數(shù)據(jù),穩(wěn)健實現(xiàn)了數(shù)字通信信號的SNR 估計。該方法要求信道在一定的時間內(nèi)保持穩(wěn)定,因此在信道時變性強的水聲通信中應用時需要連續(xù)添加導頻以實時跟蹤信道變化,導致通信效率下降。文獻[10]中給出了基于高階累積量的二階矩四階矩(M2M4)全盲算法,該方法計算簡單,同時對載波相位偏差不敏感,適合低SNR 條件下的水聲通信信號處理。

為保障鏈路自適應跨介質通信的穩(wěn)健性,鏈路數(shù)據(jù)率的調整通常采用在信道狀態(tài)變差時,快速降低數(shù)據(jù)率,在信道狀態(tài)轉好時,穩(wěn)健提升數(shù)據(jù)率的策略。鏈路自適應通信的SNR 估計方法應同時具備高SNR 條件下估計結果準確、低SNR 條件下估計結果對接收信號SNR 下降敏感的特征。因此,M2M4 在低SNR 條件下的穩(wěn)健性不適合采用“快降慢升”策略的跨介質自適應通信鏈路。針對上述問題,提出了一種適合跨介質自適應通信的SNR 估計方法,該方法以導頻輔助的MMSE 信噪比估計方法為基礎,結合文獻[11]中的低導頻占用率信道估計技術增加SNR 估計有效數(shù)據(jù)量,將維特比譯碼的誤碼擴散特點與文獻[12]所提判決反饋方法結合,實現(xiàn)了通信鏈路在高SNR 條件下的高精度SNR 估計,以及低SNR 條件下的SNR 估計值快速降低的信道狀態(tài)估計方法。

1 改進的MMSE 信噪比估計算法

1.1 MMSE 信噪比估計算法

MMSE 信噪比估計算法是一種基于導頻或數(shù)據(jù)判決的估計算法,以均方誤差的代價函數(shù)最小為準則。假設發(fā)送端待發(fā)送數(shù)據(jù)為D,經(jīng)過信道編碼和相位映射后,調制到M個由J 個子載波構成的正交頻分復用(orthogonal frequency division multiplexing,OFDM)符號上,得到待傳輸數(shù)據(jù)矩陣X={X1,X2,···,Xm,···,XM},其中Xm={Xm={xm,1,xm,2,···,xm,j,···,xm,J}。

假設傳輸?shù)趍個OFDM 符號時,信道頻域響應向量為Hm={hm,1,hm,2,···,hm,j,···,hm,J},hm,j為第m個OFDM 符號傳輸時,第j個子載波傳輸信道的頻域響應。第m個OFDM 符號到達接收端的數(shù)據(jù)Ym={ym,1,ym,2,···,ym,j,···,ym,J}可表示為

其中,Δm={σm,1,σm,2,···,σm,j,···,σm,J}為第m個OFDM 符號傳輸時的加性噪聲向量。

根據(jù)文獻[11],MMSE 信噪比估計算法表示為

1.2 改進的MMSE 信噪比估計算法

MMSE 信噪比估計算法在低SNR 環(huán)境下依然可以穩(wěn)健、準確估計接收信號的SNR,在數(shù)字通信中應用廣泛。由式(2)可知,MMSE 信噪比估計算法取得較好估計結果的前提是對信道的準確估計。由于布放于海面的跨介質通信浮標受到海流、海風、涌浪、云層和降雨等因素干擾,異構跨介質通信鏈路信道狀態(tài)時變性較強,因此需要添加大量的導頻信息用以重建和追蹤信道的變化,導致通信效率降低。

針對上述問題,文中提出了一種改進的MMSE信噪比估計方案。改進的算法利用低導頻占用率信道估計過程中的重構數(shù)據(jù)進行SNR 估計,在不顯著增加計算量的基礎上,完成對時變信道的實時追蹤與接收信號SNR 估計。與MMSE 信噪比估計算法相比,所提的改進SNR 估計方法可以在添加少量導頻的基礎上,提高在高SNR 接收條件下的SNR 估計結果準確度,同時在低SNR 接收條件下改進算法的估計結果能夠快速下降。

低導頻占用率信道估計算法在匹配追蹤(matching pursuit,MP)算法和最小二乘(least square,LS)信道估計算法之間構建迭代回路,抑制了基于符號判決的OFDM 均衡算法存在誤碼遺傳的問題。

式中,加權向量Wm包含字典Ψ 內(nèi)所有原子的加權系數(shù),當且僅當l∈Sm時取值非0(或遠大于0)。

8)重復步驟1)～8),直到滿足迭代終止條件或達到最大迭代次數(shù)I。

9)當i＜I時,令i=I,將代入式(2)得到改進的MMSE 信噪比估計值

其中:為第m個OFDM 符號的第j個子載波信道的第I 次迭代、或達到信道估計最大迭代終止條件時的信道估計響應值;為第m個OFDM 符號的第j個子載波信道的第I 次迭代重建的子載波相位。

1.3 改進算法性能分析

相較MMSE 信噪比估計算法,文中提出的改進方案更加適合時變性較強的跨介質異構鏈路自適應數(shù)據(jù)調整策略。

由于改進的MMSE 信噪比估計算法利用了低導頻占用率信道估計技術中間過程的數(shù)據(jù),受益于低導頻占用率信道估計技術,改進算法需要的冗余導頻數(shù)量相較于原始算法顯著降低,提升了通信系統(tǒng)整體的通信效率。

為驗證改進的MMSE 信噪比估計算法的可行性和可靠性,通過Matlab 軟件對算法進行仿真。表1 給出了OFDM 通信系統(tǒng)仿真采用的主要參數(shù)。系統(tǒng)采用的卷積碼(convolutional code,CC)每次編碼長度與單個OFDM 符號的實際可載信息量一致。4 個OFDM 符號構成1 幀通信脈沖。

表1 OFDM 系統(tǒng)主要參數(shù)Table 1 Main parameters of OFDM system

圖1 給出了由某信道仿真軟件生成的淺海信道沖激響應模型以及利用低導頻占用率信道估計算法匹配出的信道結果。發(fā)射換能器和接收水聽器均布放在水下10 m 處。發(fā)射端與接收端水平相距5 m,平均海深60 m。對比原始信道和匹配出的信道結果可以發(fā)現(xiàn),MP 算法在43 ms 時延范圍內(nèi),對信道主要抽頭的幅值和時延都能較為準確地估計。而43 ms 時延以外的抽頭由于受到MP 算法時延估計能力的限制而無法重構,被當作噪聲處理。

圖1 仿真信道沖激響應與其估計結果Fig.1 Simulation channel impulse response and its estimation results

在圖1 所示的信道條件下仿真對比所提SNR估計算法性能。圖2 給出了SNR 添加條件下的MMSE、改進MMSE 以及M2M4 信噪比估計算法的估計效果對比。通信系統(tǒng)仿真參數(shù)(見表1),其中數(shù)據(jù)未采用頻域分集。MMSE 信噪比估計算法在每個OFDM 符號中等間隔插入梳狀導頻,導頻間隔為3,因此其導頻占用率為25%。改進的MMSE 信噪比估計算法僅在第1 個OFDM 符號中隨機選取128 個子載波作為導頻。由于每個符號包含1 025 個子載波,因此該導頻占用率為128/(1 025×4)=3.12%。

圖2 相同信噪比條件下不同信噪比估計方法輸出結果Fig.2 Output results of different SNR estimation methods under the same SNR condition

由圖2 可知,MMSE 信噪比估計算法和M2M4信噪比估計算法性能接近,而改進的MMSE 算法在6 dB 以上仿真條件下SNR 估計結果與對比算法性能幾乎一致,在6 dB 以下仿真條件,SNR 估計結果相較對比算法快速下降。此外,3 種SNR估計算法的估計結果在高SNR 條件下與真實添加SNR 有約1 dB 的偏差,這一誤差來源于低導頻占用率信道估計的重構殘余和信號帶通濾波的共同影響。

圖3 為利用圖2 仿真數(shù)據(jù)在相同原始誤碼率條件下,不同SNR 估計算法的輸出結果對比。不難發(fā)現(xiàn),當原始誤碼率低于2%時,改進算法與對比算法性能相似;當原始誤碼率高于2%時,改進算法輸出衰減速率顯著高于對比算法和真實仿真。

圖3 相同原始誤碼率條件下不同信噪比估計算法輸出結果對比Fig.3 Comparison of output results of different SNR estimation algorithms under the same original bit error rate

圖4 給出了在不同分集數(shù)量的條件下,改進MMSE 信噪比估計算法與M2M4 信噪比估計算法的性能仿真對比。仿真中數(shù)據(jù)分集方法采用頻域分集,分集數(shù)量分別為2、3 和4,對應的通信數(shù)據(jù)率為533、712 和1 066 bit/s。分集數(shù)據(jù)在解碼前,采用最大比合并算法進行數(shù)據(jù)合并。可以看到,經(jīng)過分集合并后,在相同的誤碼平層下,接收信號利用M2M4 算法測得的SNR 數(shù)據(jù)結果接近,而采用改進的MMSE 算法則顯著放大了輸出SNR 差異,使得鏈路在低SNR 環(huán)境下對信道狀態(tài)變化更為敏感,有利于鏈路自適應通信策略的實現(xiàn)。

圖4 不同分集數(shù)量條件下不同信噪比估計算法輸出結果Fig.4 Output results of different SNR estimation algorithms under the different sets quantity

表2 為根據(jù)圖4 設計的鏈路自適應數(shù)據(jù)率調整門限,采用的數(shù)據(jù)率調增策略為連續(xù)2 次高于調增門限(圖2 中仿真誤碼率小于2%),調減策略為連續(xù)3 次低于調減門限(圖4 中仿真誤碼率高于4%)。

表2 通信數(shù)據(jù)率調整策略Table 2 Communication data rate adjustment strategy

利用改進的MMSE 信噪比估計算法和M2M4信噪比估計算法結果,依據(jù)表2 數(shù)據(jù)率調整策略,進行數(shù)據(jù)率變化仿真,仿真輪次共計900 輪,圖5(a)和圖5(b)給出了采用改進的MMSE 算法與M2M4算法前120 輪次仿真結果。表3 中給出了2 種算法在900 輪次仿真試驗平均數(shù)據(jù)率、誤碼率以及數(shù)據(jù)切換次數(shù)的統(tǒng)計結果。

表3 不同算法性能對比Table 3 Performance comparison of different algorithms

由圖5(a)可知,根據(jù)表2 中改進的MMSE 信噪比估計算法給出的自適應策略,仿真通信數(shù)據(jù)率變化與SNR 變化走勢一致。在900 輪次的仿真試驗中,鏈路自適應通信平均數(shù)據(jù)率為809 bit/s,平均誤碼率為1.61×10-3,數(shù)據(jù)率切換次數(shù)為88 次。

圖5 不同鏈路自適應策略下通信數(shù)據(jù)率變化對比Fig.5 Comparison of communication data rate changes under different link adaptive strategies

由圖5(b)可知,根據(jù)表2 中M2M4 信噪比估計算法給出的自適應策略,仿真通信數(shù)據(jù)率變化與SNR 變化走勢一致。在900 輪次的仿真試驗中,鏈路自適應通信平均數(shù)據(jù)率為763 bit/s,平均誤碼率為1.92×10-3,數(shù)據(jù)率切換次數(shù)為122 次。

通過對比圖5(a)和圖5(b)可以發(fā)現(xiàn),與M2M4算法相比,在改進的MMSE 算法給出的鏈路自適應策略下,數(shù)據(jù)切換次數(shù)減少30%,更少的數(shù)據(jù)率切換次數(shù)可以減少接收端發(fā)送信道狀態(tài)信息(channel state information,CSI)反饋信號次數(shù),降低接收端的發(fā)射功耗,通信鏈路平均數(shù)據(jù)率提高了6.03%。

由圖6 可知,改進MMSE 信噪比估計算法與M2M4 對比算法對SNR 測算結果隨通信輪次的變化趨勢與實際仿真添加SNR 的變化趨勢一致,由于2 種算法估計得到的SNR 為數(shù)據(jù)分集合并后的輸出結果,因此2 種算法測量值均比仿真值偏高。

圖6 不同輪次信噪比測算結果Fig.6 SNR measurement results of different rounds

2 結束語

文中研究了跨介質異構通信網(wǎng)絡鏈路自適應技術中的SNR 估計問題,提出了一種改進的MMSE 信噪比估計方法。該方法結合具有高通信效率的低導頻占用率水聲信道估計算法,利用信道估計過程中的重構數(shù)據(jù)對傳統(tǒng)MMSE 信噪比估計方法進行改進,提高時變信道條件下的SNR 的估計精度和實時跟蹤性能。仿真試驗結果表明,改進算法在高SNR 條件下具備足夠的SNR 估計精度,在低SNR 條件下的SNR 估計結果衰減速度相較于對比算法顯著提高,因此改進算法的SNR估計結果更適合作為跨介質鏈路自適應速率調整策略的依據(jù)。鏈路自適應通信的仿真試驗結果表明,與對比方法相比,改進的MMSE 信噪比估計算法給出的自適應策略具有更少的通信速率切換次數(shù),降低了發(fā)射功耗,顯著提高了誤碼性能和通信平均數(shù)據(jù)率。