[发明专利]一种采用期望传播的双向频域Turbo均衡方法

说明书

本发明公开了一种采用期望传播的双向频域Turbo均衡方法，包括步骤：S1.接收水声或无线信道的传输信号，并采用EP软映射方法近似推断接收到的信号的符号比特的后验分布特征；S2.采用双向频域软均衡方法对接收到的信号进行处理，得到均衡外信息；S3.利用协方差辅助的双向合并方法合并双向均衡外信息；S4.将所述合并的外信息输入到Log‑MAP译码判决方法中，得到译码外信息，并将所述译码外信息作为先验输入到EP软映射方法中，重复执行步骤S1‑S4；S5.判断迭代次数是否达到预设的迭代次数，若否，则继续执行步骤S1‑S4；若是，则利用Log‑MAP译码判决方法判决译码，输出译码码字。

技术领域

本发明涉及数字通信技术领域，尤其涉及一种采用期望传播的双向频域Turbo均衡方法。

背景技术

伴随着海洋作业时通信需求的持续增长，海洋通信技术需要得到不断的改善。水声通信的传输媒介为声波。因声波的局限性，水声信道具有严重的选择性衰落、极长的时延扩展等特点，造成接收信号存在极为严重的码间串扰问题。为解决上述问题，引入了Turbo均衡结构对接收信号进行处理。通过均衡模块与译码模块间软信息迭代，Turbo均衡可有效解决信号间串扰问题，因此广泛的应用于水下机器人、无人机、以及水下传感网络的信号接收模块中。

采用最大后验概率(Maximum A Posterior,MAP)的Turbo均衡是目前性能最优的均衡之一，又称之为BCJR均衡。其采用网格计算状态和转移概率，但计算复杂度随调制阶数增长呈指数级增长，且其对于信道估计精度要求较高。尽管后续又对其简化改进，但仍存在若信道阶数超过了网格状态数，易出现均衡效果大幅削弱等问题。对于长时延时变信道条件下，采用最小均方误差(Minimum mean Square Error,MMSE)和置信方法的Turbo均衡器具有更大应用潜力。

利用MMSE准则的Turbo均衡器，所采用的信号处理的信号域的不同，可分为时域或频域Turbo均衡。前者在处理较长帧长的数据时，一般滑动窗对数据分批处理，可有效降低复杂度。但在实际应用中，设置的滑动窗大小对于均衡接收性能有较大影响，故不适用于时变水声及无线信道环境。利用频域Turbo均衡可近似看作时域下单抽头Turbo均衡，通过快速傅里叶变换(FFT)，可将时域均衡器的计算复杂度由O(N²L)降低为O(NlogN)，具有计算复杂度低和性能稳定等优点。但上述两种均衡器性能远劣于BCJR均衡。置信均衡主要包括BP(Belief Propagation)、GMP(Gaussian messege Passing)，BP利用因子图模型处理信号，其应用仅限于稀疏信道，且置信迭代循环边数需大于6，才可保证较好收敛性能。GMP主要是采用树图对置信信息处理，有效解决了短环问题，但其存在迭代次数过多等问题，且因计算复杂度与信道长度成平方关系，提高了计算复杂度，不适应于长时延高阶水声及无线信道；

EP方法：

EP方法是属于近似推断中的确定性逼近方法。其利用简单分布对来近似难以计算参数的后验分布。该方法基本原理是通过对目标分布因子分解，迭代逼近后验分布。举一个例子，假定q(x)是高斯分布N(x|μ,∑)，p(x)为复杂分布，EP通过迭代使μ、∑与p(x)的均值、方差相等来最小化散度KL(p||q)，当迭代收敛时，可认为q(x)近似与p(x)相等，这种方式又称之为矩匹配(Moment Matching)。

贝叶斯公式：

贝叶斯定理是基于条件概率公式解决以下问题：假设事件H₁、H₂、...、H_n互斥且构成一个完全事件，已知这些事件的概率P(H_i)，i＝1,2,...,n与观察到的事件A伴随出现，且已知条件概率P(A|H_i)，利用下式求解P(H_i|A)：

上式称之为贝叶斯公式。

Log-MAP译码方法：