[发明专利]基于时间多重稀疏贝叶斯学习的水声时变信道估计方法

说明书

本发明涉及基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，包括以下步骤：步骤一：输入信道估计参数，包括：接收符号向量字典矩阵Φ_p，最大迭代次数r_max，终止门限e，噪声方差σ²；步骤二：初始化超参数矩阵Γ、迭代计数r和相关矩阵B；步骤三：采用期望最大化算法对超参数γ进行求解；步骤四：更新相关矩阵B；步骤五：迭代终止条件判断，如果r＜r_max且令r＝r+1，返回步骤三；如果r＜r_max且则终止迭代；如果r≥r_max，则终止迭代；步骤六：输出估计参数，包括稀疏信道估计矩阵，超参数估计向量以及估计出的相关矩阵本发明与SBL方法相比，预先充分利用了水声信道之间的相关性，提高了信道估计的性能，降低了系统的误码率，在实际水声OFDM通信系统中，具有实际应用价值。

技术领域

本发明涉及一种水声稀疏时变信道估计方法，特别是一种基于时间多重稀疏贝叶斯学习的水声稀疏时变信道估计方法，本发明属于水声通信领域。

背景技术

海洋观测、海洋资源的开发利用是众多海洋国家最为关注的问题之一，水声通信技术作为海洋开发的重要技术支持近年来被提上了研究议程。正交频分复用(OFDM)技术具有抗频率选择性衰落的特性且频带利用率高，被广泛应用于水下高速通信系统当中。水声信道是最为复杂的无线信道之一，会对在其中传播的声信号造成多径传播、相位起伏等干扰，同时水声信道是一个时变、频变的衰落信道，复杂多变的水声信道导致接收端接收到的信号产生畸变。为了能准确的解调出接收信号，水声信道的估计必不可少，准确的信道估计是水声通信研究的重点。

本发明方法提出了基于水声OFDM通信系统的时间多重稀疏贝叶斯学习(TMSBL)水声时变信道估计方法，提高了信道估计算法的准确度，降低了系统的误码率。本发明方法首先提出了用于多块联合处理的联合信道模型，其中几个连续块的信道时延相似且信道增益表现出时间相关性，利用路径增益的时间相关系数来评估相关的强度；接着提出了基于TMSBL的信道估计器，利用连续的OFDM块之间的信道相关性来联合估计信道。通过性能仿真和处理海试数据，验证了本发明方法在水声时变信道下的有效性，同时验证了本发明方法与SBL方法相比，在强时间相关信道下实现了更好的信道估计性能和更低的误码率，在弱时间相关信道下有较好的鲁棒性。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种能够提高水声OFDM系统信道估计算法准确度的基于时间多重稀疏贝叶斯学习的水声时变信道估计方法。

为解决上述技术问题，本发明一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，包括以下步骤：

步骤一：输入信道估计参数，包括：接收符号向量字典矩阵Φ_p，最大迭代次数r_max，终止门限e，噪声方差σ²；

步骤二：初始化超参数矩阵Γ、迭代计数r和相关矩阵B；

步骤三：采用期望最大化算法对超参数γ进行求解；

步骤四：更新相关矩阵B；

步骤五：迭代终止条件判断，如果r＜r_max且令r＝r+1，返回步骤三；如果r＜r_max且则终止迭代；如果r≥r_max，则终止迭代；

步骤六：输出估计参数，包括稀疏信道估计矩阵，超参数估计向量以及估计出的相关矩阵

本发明一种基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，还包括：