[发明专利]一种适用于时变稀疏信道的估计方法

说明书

本发明公开了一种适用于时变稀疏信道的估计方法，该方法在正交匹配追踪算法OMP算法的基础上，结合人工鱼群算法并进行改进。方法以迭代的方式进行，包含一个子迭代过程。子迭代中将人工鱼分为特殊鱼SF和普通鱼NF，SF执行局部觅食行为；子迭代结束时根据人工鱼位置信息估计时变信道参数，重构目标信号，直至剩余信号能量小于设定阈值。仿真结果表明，本发明提出的时变稀疏信道估计方法，可以准确估计每一条路径参数，在估计精度和计算复杂度上均优于OMP算法。

技术领域

本发明涉及时变稀疏信道估计技术领域，尤其是一种适用于时变稀疏信道的估计方法。

背景技术

接收端相干解调技术的有效性在很大程度上依赖于信道冲击响应估计的准确性。对于宽带传输，以浅海声通信为例，信道估计的挑战性在于信道的快时变性和稀疏性。在水声系统中，声波的传输速度远远低于陆地无线通信中电磁波的传播速度，因而收发端移动等带来的多普勒效应更加显著，具有时变特性，因此，信道呈现严重的时间选择性。对于时变信道，可以近似认为在较短的时间内，信道是线性变化的，因此可以将多普勒效应建模为多普勒扩展因子，其表现为引起信号在时域上的扩展或压缩。另外，浅海声信道中大量反射的存在，使得多径扩展严重，然而，多径中只有少数路径的信号能够被接收端检测到，其他路径信号由于多次反射能量几乎为0。

由于只有较少的信道抽头不为0，需要跟踪和估计的路径数大大减小，因而估计算法的复杂度就大为减小。利用稀疏信道的特性，基于压缩感知(compressed sensing,CS)的信道估计算法得到了广泛的研究。现有的CS算法大致可以分为两类：第一类方法是将信道估计问题转化为优化问题，如基追踪(basis pursuit，BP)算法将信道估计建模为稀疏信号重构问题，并利用线性规划求解；BP算法的主要缺点是计算复杂度太高，在实际应用中受限。另一类是基于贪婪算法，如匹配追踪(matching pursuit，MP)、正交匹配追踪(orthogonal matching pursuit，OMP)等。这类算法预先利用可能的参数(时延和多普勒因子)取值来构造字典，再通过迭代的方式选取字典中与接收信号相关性最大的列来进行信道估计，并且在每次迭代结束时，从接收信号中减去相应的估计分量。

MP算法及其改进算法的不足之处在于其估计精度依赖于字典的大小，估计精度越高则字典的列数越多，因而计算量也就更大。对于时变信道，MP算法的计算复杂度限制了参数估计的精度。考虑到MP算法在迭代过程中依次将目标函数与字典中每一列做相关，使得计算过于复杂，因而本发明结合智能算法，如人工鱼群算法，具有快速搜索的优势，提出了一种人工鱼群算法(artificial fish swarm algorithm，AFSA)与OMP算法结合的算法，记为AFS-OMP算法，在降低复杂度的同时提升估计精度。

发明内容

本发明所要解决的技术问题在于，提供一种适用于时变稀疏信道的估计方法，能够降低计算的复杂度，同时提升了估计精度。

为解决上述技术问题，本发明提供一种适用于时变稀疏信道的估计方法，包括如下步骤：

(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；

(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；

(3)SF执行局部觅食行为；NF执行聚群和追尾行为；

(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；

(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；

(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5)、(6)直至候选列数等于路径数；