[发明专利]SC-MIMO水声通信环境下的块对角稀疏贝叶斯信道估计方法

说明书

本发明公开了一种SC‑MIMO水声通信环境下的块对角稀疏贝叶斯信道估计方法，适用于快速时变、多普勒效应明显以及多径干扰严重的水声信道。本发明提出的分块稀疏贝叶斯算法用于信道估计特征在于充分利用MIMO水声信道的空间相关性、稀疏性以及信道的统计特性，构建信道块对角模型，每个子块描述对应信道的空间相关性，结合最大期望算法联合更新迭代估计信道系数、协方差以及噪声参数。在算法鲁棒性和计算复杂度上较之传统的贝叶斯学习算法表现更优，在估计精确度上比OMP及IPNLMS算法更好。

技术领域

本发明属于水声通信领域，涉及一种块对角稀疏贝叶斯信道估计方法，适用于快速时变且多径干扰严重的水下信道环境。

背景技术

水下通信领域存在着很大的技术挑战，主要体现在三个方面：多径延时导致严重的符号间干扰且干扰持续时间长；由于波的运动以及收发平台的移动导致的时变和多普勒效应；水下信道非常有限的带宽限制了水下通信的传输速率。为了实现水下高速率数据传输，MIMO技术所带来的时空分集增益，使之被越来越广泛地应用于水下高速通信领域。然而其自身也面临一些技术难关，强的空间相关性不可避免地降低了分集带来的增益，另外信道间的干扰对接收端的设计来说也是个巨大的挑战。如何消除掉干扰，恢复出各路信号传输的信息，依赖于更加准确的信道信息，因此水声信道估计至关重要。

水声信道存在稀疏特性，因此存在一些已有稀疏信道估计以及追踪的算法。典型的如LMS最小均方算法，但在一个数据块持续时间内要求信道冲激响应保持不变，然而限制条件很容易被水下快速时变的动态环境打破。另外一种方法是估计多普勒频移，然而带来很高的计算复杂度。最近稀疏贝叶斯学习算法被应用于水声信道估计，较好地处理了信道过度参数化的问题，但同样会带来巨大的计算复杂度。同时将信道协方差矩阵假设为对角阵，这在水声通信环境中是不合适的。

发明内容

针对水声通信领域的一系列技术难题，以及目前已有技术，本发明提出一种SC-MIMO水声通信环境下的块对角稀疏贝叶斯信道估计方法(I-SBL)，进一步探究了水声信道空间相关性以及稀疏性控制，降低了计算复杂度，提高信道估计准确度从而降低数据传输误码率。

本发明的目的通过如下的技术方案来实现：

一种SC-MIMO水声通信环境下的块对角稀疏贝叶斯信道估计方法，其特征在于,该方法包括以下步骤：

S1：建立如下的系统I/O模型：

其中，N为MIMO发射端数目，M为接收端数目，L为信道长度，y_m为接收端符号，w_m为加性高斯白噪声，N_p为训练序列长度，X为发射端符号矩阵，由L个X_l矩阵堆叠而成；h_m为L个h_m，l矩阵堆叠形成的联合信道矩阵，两者具有如下形式：

其中，N_p-L+1≥NL；

S2:设定信道估计参数，包括迭代次数T、稀疏控制因子γ和收敛阈值δ，作为预先设定的超参数；

S3:对信道进行初始化，其中信道协方差矩阵的初值为噪声方差的初值为(σ²)⁽⁰⁾，作为后续贝叶斯迭代的初始参数；

S4：根据贝叶斯信道估计模型，利用期望最大化算法，即EM算法，对h_m、R_m、σ²进行更新；