[发明专利]一种基于最大箕舌线准则算法的簇稀疏信道估计方法

说明书

本发明涉及一种基于最大箕舌线准则算法的簇稀疏信道估计方法，用以估计时域簇稀疏信道冲激响应函数。首先，针对时变信道进行簇稀疏建模，以期获得结构化稀疏信道表达框架，在此基础上。采用逐块训练模式，设计一种基于最大箕舌线准则算法迭代方式，可估计得到簇稀疏信道冲激响应函数信息。该项发明适用于时变信道估计、水声通信等内容，属于水声通信和水声信号处理等领域。有益效果体现在：本发明基于信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的信道估计结果具有更高的精度。

技术领域

本发明属于水声通信和水声信号处理等领域，涉及一种基于最大箕舌线准则算法的簇稀疏信道估计方法。该估计方法将提高对时变水声信道的估计性能。

背景技术

信道估计和水声通信等问题都可归结为冲激响应函数的优化估计问题，采用基于训练序列和接收到的信号对时变信道稀疏表达估计。目前，对信道的估计方法包括有 限冲激响应框架和时域的逐块估计框架。有限冲激响应框架的算法细节具体参见 《Non-uniform norm constraint LMS algorithm for sparse system identification》，该文2013年发表于《IEEE Communications Letters》第17卷，第2期，起始页码为385。 基于最大互相关熵准则的稀疏信道估计方法详见《Sparse estimator with L0-norm constraintkernel maximum-correntropy-criterion》该文2020年发表于《IEEE Transactions onCircuits and Systems II:Express Briefs》第67卷，第2期，起始页码为400。

由于信道的多径扩展和时变特性，导致对信道的冲激响应函数估计极为困难，因此，对于有限冲激响应框架下的算法效果欠佳。考虑到信道的多径扩展和时变特性可 由信道的时域进行刻画。本发明将建立在该模型基础上，对时变信道进行估计。然而 传统的估计方法如果不采用稀疏约束处理，将使待估计的抽头系数繁多，计算量增大， 所幸的是，稀疏估计策略可以简化估计的抽头个数，从而有望提高估计效率。考虑到 实际中的信道冲激响应函数不是严格意义上的稀疏信号，因此，现行压缩感知算法难 以直接应用。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于最大箕舌线准则算法的簇稀疏信道估计方法，在簇稀疏表达的基础上，对稀疏信道估计的目标函数施加范数约束， 以期提高信道的估计精度。

技术方案

一种基于最大箕舌线准则算法的簇稀疏信道估计方法，其特征在于步骤如下：

步骤1：计算时域稀疏信道的估计误差：其中y_i为第i时刻的接收信号离散值，为第i时刻的用于训练的发射信号的转置，h_i-1为第i-1时刻的信道冲 激响应函数；

步骤2：设置稀疏光滑度调整参数β＝10～12，约束项调整因子γ＝0.1～0.2，初始化 信道冲激响应函数为h₀＝0；

步骤3：给定输入训练信号x和输出信号y，进行迭代计算得到信道估计h_i，i为 迭代次数，初始化i＝0，i＝1，2，3，…a，a等于数据长度和信道长度之差：

1、计算估计误差：其中：y_i为第i时刻的接收信号离散值，为 第i时刻的用于训练的发射信号的转置，h_i-1为第i-1时刻的信道冲激响应函数；

2、计算簇稀疏导引向量：

其中：表示Kronecker即克罗内克积的乘积；