[发明专利]一种水声稀疏信道估计方法、系统、设备及存储介质有效
申请号: | 201910489438.3 | 申请日: | 2019-06-06 |
公开(公告)号: | CN110311872B | 公开(公告)日: | 2020-09-08 |
发明(设计)人: | 李栋;房小芳;朱敏;武岩波 | 申请(专利权)人: | 中国科学院声学研究所 |
主分类号: | H04L25/02 | 分类号: | H04L25/02;H04L27/26 |
代理公司: | 北京方安思达知识产权代理有限公司 11472 | 代理人: | 陈琳琳;刘振 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 稀疏 信道 估计 方法 系统 设备 存储 介质 | ||
1.一种水声稀疏信道估计方法,所述方法包括:
建立水声信道估计模型;具体为:
对一个正交频分复用多载波传输系统,子载波个数为N,分别对应索引在频域等间隔插入Np个梳状导频,导频索引为导频位置处所对应的符号向量为Sp,用作信道估计;
发射端在时域引入循环前缀,这样接收信号为发射信号与信道冲激响应的圆周卷积,进而接收信号的频域分量为发射信号频域分量与信道频率响应的乘积,则基于已知导频的水声信道估计模型为:
Yp=Diag(Sp)Fph+Vp
其中,Diag(·)将任意向量转为对角线为该向量的对角矩阵,Yp为接收端OFDM解调后导频位置处的采样向量,Fp为导频对应的部分离散傅里叶变换矩阵,h=[h0,h1,…,hN-1]T为待估计的稀疏信道冲激响应向量,Vp为导频位置对应的噪声分量向量,噪声方差为ν,服从复高斯分布其中I为单位阵;
通过匹配追踪算法确定水声信道的稀疏支撑集,然后在稀疏支撑集内基于阻尼广义近似消息传递算法实现信道的联合迭代稀疏估计;具体包括:
将稀疏点支撑集初始化为空集:
将匹配追踪迭代的初始残差向量η0设置为:η0=Yp;
将待估计信道冲激响应向量初始化为全零列向量:即在全支撑集内信道系数均初始化为0;
初始化信道观测矩阵A:A=Diag(Sp)Fp;
设置噪声方差ν;
设置匹配追踪的最大迭代次数K;
在前K-1次匹配追踪迭代中更新水声信道稀疏点支撑集,在稀疏点支撑集通过一次DGAMP迭代更新信道观测矩阵;在第K次匹配追踪迭代中,通过多次DGAMP迭代完成稀疏点信道系数的估计;具体包括:
步骤2-1)设置匹配追踪当前迭代次数k=1;
步骤2-2)计算信道观测矩阵的列向量与第k-1次迭代残差向量ηk-1的匹配向量s:s=|ATηk-1|,AT为信道观测矩阵的转置;
步骤2-3)找出匹配向量s中最大值对应的位置pk:pk=pos(max(s));
步骤2-4)更新第k次迭代的稀疏点支撑集其中为第k-1次迭代的稀疏点支撑集,
步骤2-5)在稀疏点支撑集内,基于支撑集所指向的列向量构成的观测子矩阵采用DGAMP算法估计信道系数
所述步骤2-5)具体包括:
步骤2-5-1)设置DGAMP最大迭代次数M;
步骤2-5-2)设置当前迭代次数为m=1;初始化为的方差向量初始化为全1向量,即虚拟噪声向量初始化为u0=0;
步骤2-5-3)根据当前信道估计值预测理想采样向量:其中表示第m-1次DGAMP迭代中位于支撑集内信道的估计值;
步骤2-5-4)预测采样向量的方差:其中为第m-1次DGAMP迭代输出的信道方差向量;
步骤2-5-5)预测真实的采样向量:其中⊙表示两个向量对应元素相乘,um-1表示第m-1次DGAMP迭代的虚拟噪声向量;
步骤2-5-6)更新第m次DGAMP迭代虚拟噪声向量um:
其中表示两个向量对应元素相除;θ为阻尼因子,取值为θ=0.95;
步骤2-5-7)计算虚拟噪声向量um的方差vu:
步骤2-5-8)预测信道预测误差q:其中为观测子矩阵的共轭转置;
步骤2-5-9)计算预测误差q的方差:
步骤2-5-10)预测信道的观测向量r:
步骤2-5-11)更新第m次DGAMP迭代信道的方差向量
步骤2-5-12)更新第m次DGAMP迭代输出的支撑集内的信道估计值
步骤2-5-13)判断m=M是否成立,如果成立,则信道系数为支撑集内的信道估计值否则,将m的值加1,转入步骤2-5-3);
步骤2-6)计算第k次迭代的残差向量ηk:比较残差功率与噪声方差,若||ηk||2<ν,则迭代结束,输出全支撑集内的信道估计值否则,转入步骤2-7);
步骤2-7)判断k=K是否成立,如果成立,输出全支撑集内的信道估计值否则,将k的值加1,令信道观测矩阵A的第pk列置为0:转入步骤2-2)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院声学研究所,未经中国科学院声学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910489438.3/1.html,转载请声明来源钻瓜专利网。