一种适用于时变稀疏信道的估计方法技术

本发明专利技术公开了一种适用于时变稀疏信道的估计方法，该方法在正交匹配追踪算法OMP算法的基础上，结合人工鱼群算法并进行改进。方法以迭代的方式进行，包含一个子迭代过程。子迭代中将人工鱼分为特殊鱼SF和普通鱼NF，SF执行局部觅食行为；子迭代结束时根据人工鱼位置信息估计时变信道参数，重构目标信号，直至剩余信号能量小于设定阈值。仿真结果表明，本发明专利技术提出的时变稀疏信道估计方法，可以准确估计每一条路径参数，在估计精度和计算复杂度上均优于OMP算法。

An estimation algorithm for time-varying sparse channels

The invention discloses an estimation algorithm for time-varying sparse channels, which combines artificial fish swarm algorithm with improved OMP algorithm based on orthogonal matching pursuit algorithm. The algorithm is done in an iterative fashion, including a sub iteration process. Sub iteration of artificial fish is divided into special and ordinary fish fish SF NF, SF executive local foraging behavior; the sub iteration ends according to the artificial fish location information to estimate time-varying channel parameters, target signal reconstruction, until the remaining signal energy is less than the threshold. The simulation results show that the proposed time variant sparse channel estimation algorithm can estimate each path parameter accurately, and is superior to OMP algorithm in estimation accuracy and computational complexity.

【技术实现步骤摘要】
一种适用于时变稀疏信道的估计算法
本专利技术涉及时变稀疏信道估计
，尤其是一种适用于时变稀疏信道的估计算法。
技术介绍
接收端相干解调技术的有效性在很大程度上依赖于信道冲击响应估计的准确性。对于宽带传输，以浅海声通信为例，信道估计的挑战性在于信道的快时变性和稀疏性。在水声系统中，声波的传输速度远远低于陆地无线通信中电磁波的传播速度，因而收发端移动等带来的多普勒效应更加显著，具有时变特性，因此，信道呈现严重的时间选择性。对于时变信道，可以近似认为在较短的时间内，信道是线性变化的，因此可以将多普勒效应建模为多普勒扩展因子，其表现为引起信号在时域上的扩展或压缩。另外，浅海声信道中大量反射的存在，使得多径扩展严重，然而，多径中只有少数路径的信号能够被接收端检测到，其他路径信号由于多次反射能量几乎为0。由于只有较少的信道抽头不为0，需要跟踪和估计的路径数大大减小，因而估计算法的复杂度就大为减小。利用稀疏信道的特性，基于压缩感知(compressedsensing,CS)的信道估计算法得到了广泛的研究。现有的CS算法大致可以分为两类：第一类方法是将信道估计问题转化为优化问题，如基追踪(basispursuit，BP)算法将信道估计建模为稀疏信号重构问题，并利用线性规划求解；BP算法的主要缺点是计算复杂度太高，在实际应用中受限。另一类是基于贪婪算法，如匹配追踪(matchingpursuit，MP)、正交匹配追踪(orthogonalmatchingpursuit，OMP)等。这类算法预先利用可能的参数(时延和多普勒因子)取值来构造字典，再通过迭代的方式选取字典中与接收信号相关性最大的列来进行信道估计，并且在每次迭代结束时，从接收信号中减去相应的估计分量。MP算法及其改进算法的不足之处在于其估计精度依赖于字典的大小，估计精度越高则字典的列数越多，因而计算量也就更大。对于时变信道，MP算法的计算复杂度限制了参数估计的精度。考虑到MP算法在迭代过程中依次将目标函数与字典中每一列做相关，使得计算过于复杂，因而本专利技术结合智能算法，如人工鱼群算法，具有快速搜索的优势，提出了一种人工鱼群算法(artificialfishswarmalgorithm，AFSA)与OMP算法结合的算法，记为AFS-OMP算法，在降低复杂度的同时提升估计精度。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种适用于时变稀疏信道的估计算法，能够降低计算的复杂度，同时提升了估计精度。为解决上述技术问题，本专利技术提供一种适用于时变稀疏信道的估计算法，包括如下步骤：(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；(3)SF执行局部觅食行为；NF执行聚群和追尾行为；(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5)、(6)直至候选列数等于路径数；(7)若剩余信号能量大于阈值，用估计的路径参数作为SF的初值，NF在问题空间随机初始化；返回至步骤(2)，进入新的迭代；(8)迭代结束，候选集中各列对应的参数即为路径时延、多普勒估计值，相应的适应度值即为幅度估计值。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载波速度的比值。优选的，步骤(1)中，人工鱼p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，Xp为人工鱼p的位置，为以Xp为时延‐多普勒参数得到的训练序列。优选的，步骤(3)中，SF执行的局部觅食行为是：以每个SF的位置{al,τl}(l＝1,…,L)为中心点，其中al为多普勒扩展因子，τl为时延；以0.0001为多普勒分辨率，以0.1ms为时延分辨率，选取a′l∈[al-0.0005,al+0.0005],τ′l∈[τl-0.3,τl+0.3](l＝1,…,L)为参数，以已知的训练序列构造字典，接着用OMP算法从字典中选取L列，对应的参数作为SF的位置。优选的，步骤(3)中，NF执行的聚群行为是：人工鱼p在其视野范围内有Q个同伴，若Q>0，计算Q个同伴的中心位置Xc和相应的适应度值yc，若yc/Q>λyp，其中λ为拥挤度因子，则p向Xc移动一步；若yc/Q≤λyp或Q＝0，则执行觅食行为；觅食行为是指：人工鱼p在其视野范围内随机选取一个位置，若该位置的适应度值大于当前位置的适应度值，则向该位置移动一步；否则继续尝试，若尝试次数大于设定的最大值仍未成功，则随机移动一步。优选的，步骤(3)中，NF执行的追尾行为是：人工鱼p在其视野范围内内有Q个同伴，若Q>0，找到具有最优适应度值的同伴Xq，若其适应度值yq满足yq/Q>λyp，则p向Xq移动一步，若yq/Q≤λyp或Q＝0，则执行觅食行为。优选的，步骤(5)中，重构目标信号的方法是：令候选集为Φ，接收信号为r，重构信号r'为r'＝ΦΦ+r其中，Φ+表示对Φ进行伪逆操作。本专利技术的有益效果为：本专利技术提供的时变稀疏信道估计算法，每一次迭代包含一个子迭代过程和利用估计出的参数重构信号的过程；在子迭代中，将人工鱼划分为两类，执行不同的行为，使得算法在快速搜索的同时也能局部精确搜索；与OMP算法相比，该方案有较快的收敛速度和较高的估计精度，在计算量和估计准确度上均有优势。附图说明图1为本专利技术的时延估计误差随信噪比的变化而变化的仿真曲线示意图。图2为本专利技术的多普勒扩展因子估计的归一化均方误差随信噪比的变化而变化的仿真曲线示意图。图3为本专利技术的信道冲激响应归一化均方误差随信噪比的变化而变化的仿真曲线示意图。图4为本专利技术的剩余信号能量比随信噪比的变化而变化的仿真曲线示意图。具体实施方式为了解决传统压缩感知算法用于时变稀疏信道估计时，计算复杂度高、估计精度受限于字典的大小等问题，本专利技术提供一种人工鱼群算法与OMP算法结合的AFS-OMP算法。该算法以迭代的方式进行，每次迭代包含一个子迭代过程。子迭代中将人工鱼划分为两类，执行不同的行为；子迭代结束时根据人工鱼位置信息估计时变信道参数，重构目标信号。与OMP算法相比，AFS-OMP算法降低计算复杂度的同时提升了估计精度。一种适用于时变稀疏信道的估计算法，包括如下步骤：(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；(3)SF执行局部觅食行为；NF执行聚群和追尾行为；(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5本文档来自技高网...

【技术保护点】
一种适用于时变稀疏信道的估计算法，其特征在于，包括如下步骤：(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；(3)SF执行局部觅食行为；NF执行聚群和追尾行为；(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5)、(6)直至候选列数等于路径数；(7)若剩余信号能量大于阈值，用估计的路径参数作为SF的初值，NF在问题空间随机初始化；返回至步骤(2)，进入新的迭代；(8)迭代结束，候选集中各列对应的参数即为路径时延、多普勒估计值，相应的适应度值即为幅度估计值。

【技术特征摘要】
1.一种适用于时变稀疏信道的估计算法，其特征在于，包括如下步骤：(1)在问题空间中初始化鱼群位置，计算相应的适应度值，将最优值及其对应的人工鱼位置记录在公告板中，进入子迭代过程；(2)选取前L条人工鱼作为SF，其中L为路径数目；其他人工鱼为NF；(3)SF执行局部觅食行为；NF执行聚群和追尾行为；(4)计算每一条人工鱼的适应度值，更新公告板，并循环执行子迭代过程直至结束；(5)从公告板获取最优位置和适应度值，作为一条路径参数，并入候选集中；用最小二乘法计算各候选列的系数，重构目标信号；(6)利用剩余信号重新计算人工鱼的适应度值，更新公告板，循环执行步骤(5)、(6)直至候选列数等于路径数；(7)若剩余信号能量大于阈值，用估计的路径参数作为SF的初值，NF在问题空间随机初始化；返回至步骤(2)，进入新的迭代；(8)迭代结束，候选集中各列对应的参数即为路径时延、多普勒估计值，相应的适应度值即为幅度估计值。2.如权利要求1所述的适用于时变稀疏信道的估计算法，其特征在于，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载波速度的比值。3.如权利要求1所述的适用于时变稀疏信道的估计算法，其特征在于，步骤(1)中，人工鱼p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，Xp为人工鱼p的位置，为以Xp为时延‐多普勒参数得...

【专利技术属性】
技术研发人员：李春国，张行，宋康，张连炜，杨绿溪，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32