[发明专利]基于信道预测的TMSBL水声OFDM时变信道估计方法

说明书

本发明提出了基于信道预测的TMSBL水声OFDM时变信道估计方法，所述估计方法包括以下步骤：基于CP‑OFDM通信系统模型，将连续块间信道路径的幅度、时延和多普勒因子的变化建模成基于簇的信道偏移参数模型；通过对信道偏移参数的估计，利用前一个符号估计的信道进行补偿来预测当前信道，并根据已知的导频符号虚构出当前信道的虚拟接收向量；构建基于信道预测构建联合估计模型，基于联合估计模型采用TMSBL算法对稀疏信道进行联合估计。本发明在基于簇特征的路径时延、幅度发生明显变化的快时变水声信道下，充分利用相邻块间信道的时变信息，有效提升信道估计的精度，降低了系统的误码率。

技术领域

本发明涉及基于信道预测的TMSBL水声OFDM时变信道估计方法，属于水声通信领域技术领域。

背景技术

海洋观测、海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(OrthogonalFrequency Division Multiplexing-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，故水声信道的估计必不可少。但由于声波在水中的传播速度约为1500m/s，远低于电磁波在空气中的传播速度3.0×10⁸m/s，从而可知水声通信系统中的传输时延远高于电磁波无线通信系统中的传输时延，仅靠接收端逐符号的信道估计能力有限，利用前面已解调符号的信道预测信息，能够有效提升当前符号的信道估计性能。

本发明方法提出了基于信道预测的时间多重稀疏贝叶斯学习(TemporalMultiple Sparse Bayesian Learning-TMSBL)水声OFDM时变信道估计方法。首先采用正交匹配追踪(Orthogonal Matching Pursuit-OMP)算法对信道偏移参数进行估计。然后，重建了一个基于先前一个块的信道预测的虚拟接收信号，此虚拟接收信号被认为通过的是与实际接收信号相同的信道。最后，利用TMSBL方法联合估计当前块的信道，因为虚拟接收信号和实际接收信号的经历的主要路径具有相同的稀疏分布。通过性能仿真和处理海试数据，验证了本方法在时变水声信道中的有效性，并且与现有的OMP方法和TMSBL方法相比，本方法具有更低的误码率(BER)和最小的均方误差。

发明内容

本发明的目的是提出基于信道预测的TMSBL水声OFDM时变信道估计方法，首先采用正交匹配追踪(Orthogonal Matching Pursuit-OMP)算法对信道偏移参数进行估计。然后，重建了一个基于先前一个块的信道预测的虚拟接收信号，此虚拟接收信号被认为通过的是与实际接收信号相同的信道。最后，利用TMSBL方法联合估计当前块的信道，因为虚拟接收信号和实际接收信号的经历的主要路径具有相同的稀疏分布。通过性能仿真和处理海试数据，验证了本方法在时变水声信道中的有效性，并且与现有的OMP方法和TMSBL方法相比，本方法具有更低的误码率(BER)和最小的均方误差。

基于信道预测的TMSBL水声OFDM时变信道估计方法，所述估计方法包括以下步骤：

步骤一、基于CP-OFDM通信系统模型，将连续块间信道路径的幅度、时延和多普勒因子的变化建模成基于簇的信道偏移参数模型；

步骤二、通过对信道偏移参数的估计，利用前一个符号估计的信道进行补偿来预测当前信道，并根据已知的导频符号虚构出当前信道的虚拟接收向量；

步骤三、构建基于信道预测构建联合估计模型，基于联合估计模型采用TMSBL算法对稀疏信道进行联合估计。

进一步的，步骤一中，具体的，对于初始的CP-OFDM通信系统模型：