[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

说明书

本发明提出了一种水声稀疏信道估计方法、系统、设备及存储介质，所述方法包括：建立水声信道估计模型；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。本发明将匹配追踪MP算法与DGAMP算法有机结合，提出一种稀疏信道联合迭代估计方法，一方面MP迭代确定了稀疏点的支撑集，降低了DGAMP因子的节点数，保证了DGAMP的收敛性并大幅提高其鲁棒性；另一方面，在支撑集内采用DGAMP迭代估计获得信道的估计值，由于迭代过程只涉及标量运算，大大降低了计算复杂度。

技术领域

本发明涉及一种水声稀疏信道估计方法，特别涉及用于水声多载波传输的稀疏信道联合迭代估计方法，具体涉及一种水声稀疏信道估计方法、系统、设备及存储介质。

背景技术

水声信道是一种长时延多径信道，对水平传输信道，多径效应尤为明显。长时延多径效应对水声通信信号主要有两方面的影响：在时域引入较强的符号间干扰；在频域带来严重的频率选择性。因此，想要准确地恢复传输的符号与比特，水声通信系统的接收端需要充分利用水声信道的信息。

水声信道的冲激响应主要由发射端与接收端之间的本征声线决定，在时域具有明显的稀疏特性。因此，可利用稀疏压缩感知等技术来实现水声信道的估计。传统的信道估计方法为线性最小均方误差(LMMSE，Linear Minimum Mean Square Error) 估计，没有利用信道的稀疏特性。对稀疏水声信道而言，信道稀疏点的支撑集与支撑集内的估计值决定了信道估计的性能。

近些年来，基追踪(BP，Basis Pursuit)与正交匹配追踪(OMP，OrthogonalMatching Pursuit)等以迭代支撑集估计为主的稀疏算法被广泛应用于水声信道估计，这类算法在支撑集内利用最小二乘估计，涉及矩阵求逆，复杂度高。

2010年，Donoho基于因子图提出了一种可有效解决压缩感知类问题的近似消息传递(AMP，Approximate Message Passing)算法；之后参考文献[1](S.Rangan.(2010).“Generalized approximate message passing for estimation with random linearmixing.”) 在此基础上扩展了广义近似消息传递(GAMP，Generalized ApproximateMessage Passing)算法。与匹配追踪类算法相比，GAMP算法是通过近似因子图迭代直接获得信道的估计值，其主要优势在于其只涉及标量运算，复杂度低。然而，当测量矩阵为零均值小方差高斯随机矩阵时才可保证严格收敛。在GAMP算法中加入阻尼可以(即阻尼广义近似消息传递算法，Damping Generalized Approximate Message Passing，简称为DGAMP)改善其收敛性并提高鲁棒性，但改善程度有限(参考文献[2]：S.Rangan,P.Schniter,andA.Fletcher,“On the convergence of approximate message passing with arbitrarymatrices,”in Proc.IEEE Int.Symp.Inf.Theory(ISIT), Jun./Jul.2014,pp.236–240.)。

发明内容

本发明的目的在于解决水声通信中稀疏多径、长延时、非高斯信道估计的问题，提出了一种基于DGAMP与MP的稀疏信道联合迭代估计方法。该方法通过MP 迭代确定水声信道的稀疏支撑集，在支撑集内基于DGAMP自迭代算法完成信道的准确估计。

为了实现上述目的，本发明提出了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；

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。

作为上述方法的一种改进，所述建立水声信道估计模型；具体为：