[发明专利]一种基于改进粒子群算法的多扩展多时延水声信道参数估计方法

说明书

技术领域

本发明涉及水声信道参数估计技术领域，尤其是一种基于改进粒子群算法的多扩展多时延水声信道参数估计方法。

背景技术

近年来水声通信受到了广泛的关注和研究，然而，水声信道严重的多径扩展和多普勒效应却限制了水声通信的性能。在陆地无线通信中，多普勒效应可以近似为多普勒频移，而在水声通信中，由于信号带宽与声波频率相当，水声信道呈现出宽带特性，不同频率受到的多普勒效应影响不同，因而将多普勒效应处理为多普勒扩展。另外，水下实验发现，不同路径的多普勒扩展因子不同，因而MSML信道模型可以较好的描述水声信道特点。

在MSML信道模型中，每一条路径被参数化为幅度、时延和多普勒扩展因子三个参数。现有的信道参数估计算法主要是基于压缩感知(compressed-sensing，CS)和FrFT。CS常用的贪婪算法包括基追踪(basis pursuit，BP)和MP算法。MP算法在每一次迭代中找出字典中与接收信号相关值最大的列，作为一条路径的参数，并减去该径以更新接收信号；在MP算法的基础上，通过使剩余信号与已选出的每一列正交，提出了正交匹配追踪(orthogonal matching pursuit，OMP)算法，OMP算法具有更优的估计精度和收敛速度；同时，也有一些算法提出自适应估计路径数，如稀疏自适应匹配追踪(sparsity adaptive matching pursuit，SaMP)算法和自适应步长SaMP算法。然而，所有基于CS的算法都有一个共同的缺点：使用预定义的字典来近似目标信号，估计精度受限于字典的大小和计算量的要求。

基于FrFT的算法采用线性调频(linear frequency modulation，LFM)信号作为前导，因为选取合适的阶数，LFM信号可以变换为FrFT域上的一个冲激信号。根据发射的LFM信号与接收的LFM信号对应的最佳阶数的变化可以计算出多普勒扩展因子。在此基础上，利用迭代的方式可以估计MSML信道参数，在每一次迭代中，依次估计出多普勒扩展因子、时延和幅度，并更新接收信号。基于FrFT的算法的主要缺点在于LFM的时间分辨率较差，因而导致时延和多普勒扩展估计精度的降低。

因而本发明提出了MPSO算法进行水声信道参数估计，该算法适用于基于训练序列进行信道估计的水声系统。仿真结果显示所提算法的估计性能优于MP算法和FrFT算法。

发明内容

本发明所要解决的技术问题在于，提供一种基于改进粒子群算法的多扩展多时延水声信道参数估计方法，能够同时估计出各条路径的多普勒扩展、时延和幅度参数。

为解决上述技术问题，本发明提供一种基于改进粒子群算法的多扩展多时延水声信道参数估计方法，包括如下步骤：

(1)用每一个粒子的位置表示一个可能的多普勒扩展因子，时延参数对，在问题空间中进行初始化，计算相应的适应度值，并将大于阈值thr1的粒子位置及其适应度值记录在多径列表中；

(2)对每一个粒子，从多径列表中找出与其最邻近的时延值，若该时延点对应的适应度较大，则用该适应度值更新粒子速度，记作式1，否则仅用粒子自身适应度值更新速度，记作式2；

(3)更新粒子的位置并重新计算适应度值；

(4)对于适应度值大于列表中最小值的粒子，从列表中选取与其时延值最近的点，计算时延差值；

(5)若时延差值大于阈值Δ_peak，将该粒子添加进多径列表，否则比较两者的适应度值，取较大者作为列表中记录值；

(6)循环执行直至算法结束，从列表中选取适应度值大于阈值thr2的粒子位置，即为多普勒扩展因子和时延估计值，相应的适应度值为幅度估计值。

优选的，步骤(1)中，问题空间即为路径参数可能的取值空间，包括时延和多普勒扩展因子的取值范围，一般认为最大时延扩展为训练序列的时间长度，最大多普勒扩展为收发端最大相对运动速度与声波在海水中的速度的比值。

优选的，步骤(1)中，粒子i适应度值的计算公式为：

其中r(t)为接收信号，s(t)为训练序列，x_i为粒子i的位置，为以x_i为参数的时延-多普勒训练序列。

优选的，步骤(2)中，式1的定义为：