[发明专利]一种基于凸优化的水声信道盲解卷积方法

说明书

本发明属于水声学和水声信号处理领域，具体涉及一种基于凸优化的水声信道盲解卷积方法。本发明不需要预先输入发射信号便可以对复杂水声信道进行估计，(1)只需要一帧接收信号，便可以通过凸优化算法将信道的冲激响应和发射信号有效分离，得到多途信道的时延和幅度信息，快速感知海洋环境，适用于无人水下平台自主探测和信道估计，是发展具有认知功能声纳的关键技术。(2)本发明用ADMM代替了常用的凸优化工具箱，解决了针对真实海洋环境中的水声数据点数多，运算量大的问题，提高了运算速度，可以更好地将其应用到无人水下平台上，提高环境适应性。

技术领域

本发明属于水声学和水声信号处理领域，具体涉及一种基于凸优化的水声信道盲解卷积方法。

背景技术

近年来，水声信道的估计以及实时感知的研究受到国内外学者的广泛关注，在短时平稳的条件下准确的获取海洋声信道的冲激响应函数信息无论对于水下通信还是定位探测与导航都具有至关重要的作用。简而言之，在接收到每帧信号以后，如何快速的得到海洋信道作用于发射信号的时延信息，是国内外学者一直关心的问题。

近几年，基于无人水下平台的认知声呐技术得到了广泛的研究，其中“认知”所要表达的便是无人操控的传感器可以智能的、实时地处理接收信号，不再需要发射端或者是更高一级的控制端提供冗余或者是额外的信息，而是通过不断迭代优化，快速地得到最优解。而在水声信道估计的研究方面，接收端不再需要发射端提供发射探针信号的先验信息便可以很大程度上压缩信道的估计周期，加快对周围环境的感知。

LASSO算法，即最小绝对收缩和选择乘子算法。它通过构造一个罚函数得到一个较为精炼的模型，使得它设定一些系数为零，是一种处理复共线性数据的有偏估计。LASSO算法的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小，即在最小二乘表达式的基础上加入了L1范数正则化的惩罚项，使得整个代价函数成为了凸函数，进而获得全局最优解，是凸优化思想在参数估计中的延伸。

交替方向乘子算法ADMM算法是机器学习中比较广泛使用的约束问题最优化方法，它是一种求解优化问题的计算框架，适用于求解分布式凸优化问题，特别是统计学习问题。ADMM通过分解协调过程,将大的全局问题分解为多个较小、较容易求解的局部子问题。

中国专利CN107395536A《对多途环境下的水声信道冲激响应函数进行估计的方法》文件中提出将施密特正交化与正交匹配追踪技术相结合对多途水声环境中的信道冲激响应函数进行估计，利用贪婪迭代算法，使得迭代过程中的误差能够快速收敛，减少冗余运算。而此专利中，发射信号必须作为已知变量代入到计算表达式中求解信道冲激响应函数的估计值，增加了先验信息，如应用到水下无人平台，则需要提前知会水下无人节点探针信号的信息，增加了环境感知与信道估计的复杂度，因此在水下无人平台的声信号处理中应更加强调盲信号处理，使得水下无人平台可以自主感知环境，提高认知能力。

发明内容

本发明的目的在于提供一种能够提高水下无人平台实时感知海洋环境能力的基于凸优化的水声信道盲解卷积方法。

本发明的目的是这样实现的：

一种基于凸优化的水声信道盲解卷积方法，该方法包括以下步骤：

步骤1：建立完备的傅里叶原子基字典，为水下无人平台的各个传感器预设参考信号感知矩阵；

步骤2：将参考信号感知矩阵转换为拓扑利兹形式，构建待估参数的函数优化模型；

步骤3：将信道冲激响应函数信息和发射信号信息转化凸函数的形式；

步骤4：利用凸优化思想估计参数：

步骤4.1：使用凸优化工具箱对转化得到的凸函数进行优化求解，估计得到了发射信号参数和信道系数的乘积这个新的变量；

步骤4.2：将新变量中的零值对应的感知矩阵中的列向量去除，将更新的感知矩阵代入到系统的代价函数中求解；