[发明专利]一种基于MSASWOMP算法的水声信道估计方法及系统

说明书

本发明公开了一种基于MSASWOMP算法的水声信道估计方法，包括：(1)构建频分复用系统，根据子载波的数据符号得到接收的导频信号Y，并建立水声信道压缩感知方程；(2)在MSAMP算法的信号残差匹配中加入阈值弱选择，在阈值弱选择后加入回溯筛选进行迭代优化，更新支撑集，进而实现对水声信道向量的估计。本发明采用阈值弱选择方法，并在阈值弱选择后加入回溯筛选，通过阈值弱选择的原子当作回溯阶段的候选原子，在回溯筛选阶段，通过比较此时的阈值弱选择的原子支撑集大小与初始支撑集K₀，可以利用更少的导频资源有效提高信道估计性能。

技术领域

本发明涉及水声信道估计领域，具体涉及一种基于MSASWOMP算法的水声信道估计方法及系统。

背景技术

目前，对抗水声信道的多径干扰和时变性问题，准确估计出信道状态信息并对快速变化的水声信道进行有效地跟踪，已成为水声通信系统的重要工作。对于水声正交频分复用(OFDM)通信，常用的信道估计方法是最小二乘法(LS)和最小均方误差(MMSE)都是基于L2范数的最优估计，将信道当做稠密信道，不能体现信道的稀疏性。研究表明，水声信道内在稀疏性是能够使用压缩理论框架进行信道估计先决条件，OFDM信号经过稀疏水声信道后，利用发射端的少量导频信息，即可重构出信道的时域冲激响应，同时也能减少因噪声引起的干扰。

Jian W等人提出的广义正交匹配追踪(Generalized Orthogonal MatchingPursuit,gOMP)算法，简单设置了一个合适的固定值S作为迭代选择的原子个数，该算法在重构精度和速度上较OMP算法都有很大的提升。Milenkovic等人提出的子空间追踪(Subspace Pursuit,SP)算法引入了回溯思想，每次迭代过程中增加原子的同时剔除一些非最优原子，只保留有限个可靠性高的原子。Zhao L等人提出的一种改进的广义正交匹配追踪算法(MgOMP)，该算法的回溯思想在进行匹配原子选取时，只有当支撑集中原子的索引个数达到稀疏度K时开始回溯，避免了迭代初期因为正确原子太少而导致的回溯误差和过多的计算代价。

上述几种贪婪算法，都要求信号的稀疏度K是已知的。而在实际应用中，稀疏度却是未知的。针对这种情况，朱延万等人提出的一种改进的稀疏度自适应匹配追踪算法(MSAMP)，一定程度上解决了SAMP在大稀疏条件下运算量较大以及固定步长导致的欠估计和过估计问题，实现了未知信号稀疏度时的精确重建，但是其所消耗的导频资源较多。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于MSASWOMP算法的水声信道估计方法，该方法解决了消耗导频资源过多的问题，同时本发明还提供一种基于MSASWOMP算法的水声信道估计系统。

技术方案：一方面，本发明所述的基于MSASWOMP算法的水声信道估计方法，包括：

(1)构建频分复用系统，根据子载波的数据符号得到接收的导频信号Y，并建立水声信道压缩感知方程y；

(2)在MSAMP算法的信号残差匹配中加入阈值弱选择，在阈值弱选择后加入回溯筛选进行迭代优化，更新支撑集，进而实现对水声信道向量的估计。

优选的，所述步骤(2)中，在MSAMP算法的信号残差匹配中加入阈值弱选择，具体包括：

选择信号残差匹配g_k中大于阈值th的值生成集合V_k并将对应原子下标索引存入集合J_k，所述信号残差匹配g_k＝|A^T，r_k-1|，其中A＝XF，r表示独立同分布的高斯白噪声，其均值为0，方差为w²，k为算法的迭代次数，X为N个子载波的数据符号X对应的矩阵形式，F为傅里叶变换矩阵。

优选的，所述弱选择阈值th＝α·max(abs(g))，其中，0α1，表示向上取整，g＝|A^T，y|为信号残差匹配，|.|为内积计算。