稀疏信道下基于能量集中的水声前导信号检测方法技术

本发明专利技术提出了提出一种稀疏信道下基于能量集中度(EC)的水声前导信号检测方法，应用于稀疏信道下的水声通信系统，降低前导信号误检率，提高检测率，提高系统的检测性能，提高系统通信效率。本发明专利技术通过稀疏信号重构以及OMP算法，估计了几个重要元素（分量）的能量集中度用以判定稀疏信号是否重构成功，可应用与水声通信、水声定位跟踪、军事、航海远洋、雷达、声纳中。相较于现有技术有以下优点：1.本发明专利技术在加性高斯白噪声以及不同类型干扰下都具有很强的鲁棒性；2.相较于基于匹配滤波器的检测技术，本发明专利技术在多径信道下有较好的检测性能；3.相较于其它现有技术，本发明专利技术在复杂多变的实际水下环境中表现出较为理想的检测性能。

【技术实现步骤摘要】
稀疏信道下基于能量集中的水声前导信号检测方法
本专利技术涉及水声通信系统
，尤其涉及一种稀疏信道下的水声前导信号检测方法。
技术介绍
在传输大量数据流之前，通常都会发送一个用于辅助接收器检测传输数据的前导信号，这个前导信号会使接收器从一种潜在低功耗模式转入到一种高功耗的数据处理模式。前导信号的误检可能会缩短接收器电池寿命。同时，随着水下网络不断发展其应用范围越来越广，不同系统的共存问题日益凸显。而不同水下系统的共存要求接收机能够不被来自于其它系统的信号触发。然而，水声系统中的前导信号检测在以下两个方面挑战。首先，实际系统中水下背景噪声是时变的非平稳的，并且存在着各种各样外界干扰：窄带干扰、冲激噪声、短时带限干扰等。(其中尤为有害的干扰是来自于共存声呐或通信系统中的类似的线性调频信号，因为类似线性调频信号往往具有很大相关性。)其次，水声信道具有复杂的多径结构。现有水声前导信号技术一般都是基于匹配滤波器的检测方法，主要有以下几种：1.匹配滤波器(MF)：将本地信号与接收信号进行卷积，进而得到接收信号与已知前导信号的相关值用于表征相似性并与门限值进行比较，以此进行信号检测。匹配滤波器是在加性高斯白噪声下最大化输出SNR的最优线性滤波器。2.累积和检验算法(Pagetest)：首先对噪声方差进行估计，借此对匹配滤波器输出值进行归一化。其次将归一化值进行数据偏移并且对多条路径的归一化偏移值进行累加，提高检测能力。Pagetest算法明确考虑到海洋环境的非平稳性，且该算法复杂度较低。3.归一化匹配滤波器(NMF)：在匹配滤波器基础上归一化输入功率，计算输入样本与本地模板之间的相关系数并与门限值进行比较，以此进行信号检测。NMF方法在干扰噪声能量较大时能够有效的抑制噪声幅度从而取得较为理想的检测效果。然而以上基于匹配滤波器的算法都存在着各种各样的问题。其中MF算法，水下多径信道会导致模板不匹配，除此之外水下环境噪声是不稳定的还存在各种各样外部噪声。这使得接收器选择适当的门限值变得更加复杂；Pagetest算法，当干扰时长较短且频带与双曲调频信号(HFM)/线性调频信号(LFM)有重叠时，该算法受影响严重，检测性能不理想；NMF算法没有考虑到多径问题，其性能在密集的多径信道中会显著恶化。
技术实现思路
本专利技术的目的在于，提出了一种稀疏信道下基于能量集中度(EC)的水声前导信号检测方法，应用于稀疏信道下的水声通信系统，降低前导信号误检率，提高检测率，提高系统的检测性能，提高系统通信效率。本专利技术通过稀疏信号重构以及OMP算法，估计了几个重要元素(分量)的能量集中度用以判定稀疏信号是否重构成功，可应用与水声通信、水声定位跟踪、军事、航海远洋、雷达、声纳中。为达上述目的，本专利技术通过以下技术方案实现：一种稀疏信道下基于能量集中的水声前导信号检测方法，包括：步骤1、频带搬移及采样：首先将接收到的带通信号进行频率搬移得到基带信号x(t)，然后对基带信号x(t)以基带采样率B进行采样，其中B为指定带宽，采样间隔为Ts＝1/B；步骤2、块检测：在n时刻取N个连续接受样本组成数据块x[n]，x[n]＝[x[n-N+1],···,x[n]]h,其中x[n]∈CN×1，并且块大小N大于模板大小NT，NT＝信号时长T/采样间隔Ts；对每个数据块进行检测，利用字典矩阵Φ对检测数据块x[n]进行OMP信号重构；步骤3、初始化残差、索引集：假设信道稀疏度为K，则需要在字典矩阵中找到K个字典条目组成索引向量集合用于信号重构。首先用观测量初始化残差量r0＝x[n]，并初始化索引集为空集，令迭代计数器i＝0，所述观测量即检测块；步骤4、寻找能量贡献路径，索引字典条目，找到索引值ti，更新索引集；步骤5：剔除相关路径，得到估计信号并更新残差，在经历有限次迭代后，执行步骤6；否则，设置i＝i+1并返回步骤4；步骤6、计算能量集中度EC得到本次检测结果：当有信号发送时，由于水下多径信道具有稀疏性，重构信号与x[n]匹配，其能量集中在前几个码元。计算能量集中度如下式：若ζ[n]＞ΓEC表明检测到信号，若ζ[n]＜ΓEC表明未检测到信号，其中ΓEC为检测门限值；到此，一个数据块样本检测完成；步骤7、窗口滑动，检测下一个数据块。进一步地，为降低其计算复杂度，利用两步实现法借助NMF来实现所述检测方法，设置归一化匹配滤波门限hNMF以及检测门限ΓEC，具体实现步骤如下：a)设置滑动窗口计数器w＝1；b)假设窗口长度N为偶数，那么当对第N个检测块进行检测时，初始化残差如下：r0＝[x((w-1)N/2+1)x((w-1)N/2+2)…x((w-1)N/2+N)]H；c)对r0做以下匹配归一化处理，d)若rNMF＜hNMF，判断未发送信号，且w＝w+1,，滑动窗口对下一个检测块进行检测，同时返回步骤b，否则继续，执行步骤e；e)～h)同上述过程中的步骤3-步骤6，计算i)若ζ[n]＜ΓEC，判断没有信号发送；否则，判断有信号发送。并且w＝w+1，返回步骤b继续对下一个数据块进行检测。进一步地，所述步骤4以贪婪的方式在字典矩阵中选择列向量，在每次迭代中，选择与x[n]剩余部分最为相关的列向量；为了找到最为相关的列向量，则需解决以下优化问题：其中ti表示本次迭代中选择的字典条目在字典矩阵中的列标；选定字典条目后，将向量添加到向量集合中，并更新索引集：Ωi＝Ωi-1∪ti进一步地，步骤5中利用更新后的列向量集合求解以下最小二乘问题得到本次迭代的估计信号：更新信号残差并估计信号：进一步地，步骤5的停止准则替换为相对拟合误差准则。本专利技术的有益效果是：本专利技术是基于水下信道固有稀疏特性的新型检测技术，即NMF-EC技术。通过稀疏信号重构以及OMP算法，NMF-EC技术估计了几个重要元素(分量)的能量集中度用以判定稀疏信号是否重构成功，该技术相较于现有技术有以下优点：1.本专利技术在加性高斯白噪声以及不同类型干扰下都具有很强的鲁棒性；2.相较于基于匹配滤波器的检测技术，本专利技术在多径信道下有较好的检测性能；3.相较于其它现有技术，本专利技术在复杂多变的实际水下环境中表现出较为理想的检测性能。附图说明图1是滑动窗口示意图；图2是高斯白噪声下HFM前导信号检测ROC曲线(SNR＝-13dB)；图3是窄带干扰下HFM前导信号检测ROC曲线(SNR＝-12dB)；图4是短时带限干扰下HFM前导信号检测ROC曲线(SNR＝-13dB)；图5(a)是类似调频干扰HFM前导信号检测ROC曲线(蒙特卡洛仿真5000次，SNR＝-2dB，INR＝1db，干扰时长＝90ms)；图5(b)是类似调频干扰HFM前导信号检测ROC曲线(蒙特卡洛仿真5000次，SNR＝-3dB，INR＝3db，干扰时长＝90ms)；图6是冲激干扰下前导信号检测ROC曲线(SNR＝-12dB)；图7是冲激干扰下前导信号检测ROC曲线(SNR＝-13dB)；图8是不同多径条数下HFM前导信号检测ROC曲线(SNR＝-13dB)；图9是短时带限干扰下下HFM前导信号检测ROC曲线(实验数据)；图10是上行扫频干扰HFM前导信号检测ROC曲线(实验数据)；图11是下行扫频干扰HFM前导信号检测ROC曲线(实验数据)；图12是冲击干扰下H本文档来自技高网...

【技术保护点】
一种稀疏信道下基于能量集中度(EC)的水声前导信号检测方法，其特征在于：所述方法包括：步骤1、频带搬移及采样：首先将接收到的带通信号

【技术特征摘要】
1.一种稀疏信道下基于能量集中度(EC)的水声前导信号检测方法，其特征在于：所述方法包括：步骤1、频带搬移及采样：首先将接收到的带通信号进行频率搬移得到基带信号x(t)，然后对基带信号x(t)以基带采样率B进行采样，其中B为指定带宽，采样间隔为Ts＝1/B；步骤2、块检测：在n时刻取N个连续接受样本组成数据块x[n]，x[n]＝[x[n-N+1],···,x[n]]h,其中x[n]∈CN×1，并且块大小N大于模板大小NT，NT＝信号时长T/采样间隔Ts；对每个数据块进行检测，利用字典矩阵Φ对检测数据块x[n]进行OMP信号重构；步骤3、初始化残差、索引集：假设信道稀疏度为K，则需要在字典矩阵中找到K个字典条目组成索引向量集合用于信号重构。首先用观测量初始化残差量r0＝x[n]，并初始化索引集为空集，令迭代计数器i＝0，所述观测量即检测块；步骤4、寻找能量贡献路径，索引字典条目，找到索引值ti，更新索引集；步骤5、剔除相关路径，得到估计信号并更新残差；在经历有限次迭代后，执行步骤6；否则，设置i＝i+1并返回步骤4；步骤6、计算能量集中度EC得到本次检测结果：当有信号发送时，由于水下多径信道具有稀疏性，重构信号与x[n]匹配，其能量集中在前几个码元。计算能量集中度如下式：若ζ[n]＞ΓEC表明检测到信号，若ζ[n]＜ΓEC表明未检测到信号，其中ΓEC为检测门限值；到此，一个数据块样本检测完成；步骤7、窗口滑动，检测下一个...

【专利技术属性】
技术研发人员：李维，辛梦颖，刘永芳，刘旸旭，陈希，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东,44