[发明专利]基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法

说明书

本发明提供一种基于广义近似消息传递‑稀疏贝叶斯学习的稀疏水声信道估计方法，本发明属于水声信号处理领域。涉及一种将广义近似消息传递(GAMP)与稀疏贝叶斯学习(SBL)相结合的信道估计方法。(1)输入频域基带接收信号、字典矩阵、迭代终止条件，以及相关参数初值；(2)在SBL的框架下利用GAMP计算信道冲激响应；(3)更新噪声方差以及信道超参数；(4)判决迭代终止条件，若满足则输出信道估计结果。本发明的优点在于：在SBL的框架下利用近似消息传递的方式计算水声信道冲激响应，在基本没有性能损失的条件下，降低了SBL的计算复杂度，缩短了算法的运行时间。

技术领域

本发明涉及水声信号处理方法，尤其涉及一种基于广义近似消息传递(GAMP)-稀疏贝叶斯学习(SBL)的稀疏水声信道估计方法。

背景技术

水声通信中，复杂多变的水声信道对于水声通信产生了重大的影响，为提升通信质量，需要对信道的状态进行估计。水声信道具有显著的稀疏性，稀疏贝叶斯学习对于稀疏信号的重构性能较好，并且在部分条件较差的场景中仍较为稳定，得到了越来越多的关注。然而，当问题维度变大，SBL的计算复杂度将随之升高，不利于数据的实时处理。广义近似消息传递-稀疏贝叶斯学习(GAMP-SBL)在SBL的框架下，利用GAMP迭代计算信道冲激响应，将矢量运算转化为标量运算，在基本没有性能损失的条件下，有效降低了SBL的计算复杂度，并保持了SBL的稳定性。

发明内容

本发明的目的是为了提供一种基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法。

本发明的目的是这样实现的：步骤如下：

步骤一：输入频域基带接收信号、字典矩阵、迭代终止条件以及相关参数初值；

步骤二：在SBL的框架下利用GAMP计算信道冲激响应；

步骤三：更新噪声方差以及信道超参数；

步骤四：判决迭代终止条件，若满足则输出信道估计结果，否则返回至步骤二。

本发明还包括这样一些结构特征：

1.步骤一中的参数具体为：导频位置处接收信号Y_p，字典矩阵Φ_p，令S＝|Φ_p|²，GAMP中|·|²指以元素为单位进行平方；假设信道服从均值为0、方差为超参数γ的高斯独立同分布，γ＝[γ₁,γ₂,…,γ_L]^T，L为信道长度；令Γ＝diag(γ)；对γ⁰赋值，一般为大于0的向量，其中，为信道估计结果的方差；令初始噪声方差(σ²)⁰为大于0的常数；s⁰,h⁰为0向量，其中h为信道，s和τ_s分别为由因子节点向变量节点传递消息的一阶、二阶泰勒展开系数，用于在GAMP收敛时记录s的值并为下一轮GAMP迭代中的s赋初始值；SBL最大循环次数K_max，GAMP算法最大循环次数M_max；GAMP算法停止条件ε_gamp，SBL停止条件ε_sbl；k＝1，m＝1，k和m分别记录SBL和GAMP的迭代次数。

2.步骤二具体是利用GAMP进行信道估计：

令μ^m＝1＝h^k-1，