一種信道估計動態(tài)更新的逐幸存路徑處理算法

黃建純，郭圣明，賈寧，郭中源，郭海波

?

一種信道估計動態(tài)更新的逐幸存路徑處理算法

黃建純1,2，郭圣明1，賈寧1，郭中源1，郭海波3

(1. 中國科學(xué)院聲學(xué)研究所水聲環(huán)境特性實驗室，北京 100190；2. 中國科學(xué)院大學(xué)，北京 100190； 3. 國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作北京中心，北京 100190)

水聲信道復(fù)雜的時變特性會影響水聲通信系統(tǒng)的性能，在設(shè)計時需要進行特殊考慮。利用逐幸存路徑處理算法在無需插入訓(xùn)練序列的情況下即可同時進行信道估計和數(shù)據(jù)檢測的特點，提出了一種信道估計動態(tài)更新的算法。該算法通過比較當(dāng)前時刻各條幸存路徑的分支量度來判斷信道變化的情況，從而決定信道估計更新的時刻，達到動態(tài)更新信道估計的目的。仿真結(jié)果表明，所提出的基于信道估計動態(tài)更新的逐幸存路徑處理算法能有效地跟蹤信道變化的情況，在時變信道中使用能獲得較好的性能。

時變信道；逐幸存路徑處理；信道估計動態(tài)更新

0 引言

水聲信道具有復(fù)雜的時變特性，收發(fā)平臺的運動以及傳播環(huán)境的改變(如海面的波動、水中物體的移動、非均勻水團的運動等)都會導(dǎo)致信道結(jié)構(gòu)的變化。如果這種變化比較劇烈，在設(shè)計水聲通信接收機的時候就需要進行特殊的考慮。

傳統(tǒng)接收機利用訓(xùn)練序列進行信道估計，通過改變相鄰訓(xùn)練序列的時間間隔來控制信道估計更新的頻率。如果信道估計更新的頻率過低，則無法跟蹤信道的變化；更新的頻率過高又會影響系統(tǒng)的有效傳輸速率。逐幸存路徑處理(Per-Survivor Processing, PSP)[1,2]是一種逼近最大似然序列估計(Maximum Likelihood Sequence Estimation, MLSE)的信號處理框架，將傳輸系統(tǒng)看成一個用網(wǎng)格圖表示的有限狀態(tài)機，對網(wǎng)格圖中的每一條狀態(tài)轉(zhuǎn)移路徑進行數(shù)據(jù)檢測并做出判決。該算法在進行信道估計時會對所有的狀態(tài)都進行計算，信道估計使用的發(fā)射序列由已判決的幸存路徑?jīng)Q定，無需事先插入訓(xùn)練序列進行輔助，從而實現(xiàn)了信道估計和數(shù)據(jù)檢測同步進行，在復(fù)雜時變信道中使用可以有效跟蹤信道的變化。

PSP在無線電通信中已經(jīng)得到廣泛的應(yīng)用[3-6]，但其在水聲通信中的應(yīng)用并不多見。X. Xu等人[7]將該框架應(yīng)用到水聲直接序列擴頻通信中，并結(jié)合稀疏信道估計算法，獲得了優(yōu)于傳統(tǒng)RAKE接收機的性能。但是文中對信道估計的更新是固定時間間隔的，在時變信道下性能有明顯的下降。本文利用PSP可以同步進行信道估計和數(shù)據(jù)檢測的優(yōu)勢，針對時變信道，提出了一種信道估計動態(tài)更新的算法，該算法通過比較當(dāng)前時刻各條幸存路徑對應(yīng)的分支量度來判斷信道變化的情況，當(dāng)信道的變化大于設(shè)定閾值時則進行信道估計。仿真結(jié)果表明，文中提出的算法在時變信道中有良好的性能。

1 信道與信號模型

2 基于信道估計動態(tài)更新的逐幸存路徑處理算法

圖1 逐幸存路徑處理的網(wǎng)格圖

于是可以將式(5)表示成以下形式

由于以上算法估計信道時使用的發(fā)射序列可直接從已判決的幸存路徑中獲取，無需事先插入訓(xùn)練序列進行輔助，因此可以實現(xiàn)信道估計和數(shù)據(jù)檢測同步進行，在復(fù)雜時變信道中應(yīng)用時可以根據(jù)信道的變化情況隨時更新信道估計。

3 系統(tǒng)仿真

3.1 多徑時延時變的情況

在仿真中，假設(shè)每條徑的時延變化情況(即多普勒系數(shù))不一樣，于是不同多徑被拉伸或者壓縮的程度就不同，從而造成了信道結(jié)構(gòu)隨時間的變化。C. R. Berger等人[9]在進行信道估計時進行了這樣的假設(shè)，在對海試數(shù)據(jù)的處理中得到了優(yōu)于傳統(tǒng)算法的結(jié)果，由此也可見這種假設(shè)具有一定的合理性。幾個主要參數(shù)按如下分布取值：多徑的幅度服從高斯分布；固定時延在之間服從均勻分布，設(shè)為25 ms，從而確定符號間干擾，網(wǎng)格的狀態(tài)數(shù)為；則在之間服從均勻分布，的取值為4 m/s和1 m/s，分別代表信道快速變化和緩慢變化兩種情況，得到的性能曲線如圖2所示。動態(tài)更新算法可以根據(jù)信道變化的快慢情況來確定信道估計更新的頻率，并且在遇到突發(fā)錯誤以后能快速糾正過來，不會造成后續(xù)符號的連環(huán)錯誤，因此其性能要優(yōu)于固定更新算法的性能。從圖2中可以看出，在慢變信道下，動態(tài)更新和固定更新的算法的性能相差不大，當(dāng)誤碼率小于10-3時所需信噪比僅相差1 dB左右；在快變信道下，兩種算法的性能出現(xiàn)較大的區(qū)別，動態(tài)更新算法有較好的性能，其變化趨勢與慢變信道的情況大致相同，但固定更新算法的性能則有明顯的損失，信噪比為0 dB時誤碼率為2×10-3，與動態(tài)更新算法相比高了一個數(shù)量級，且出現(xiàn)了錯誤平臺的情況。

3.2 多徑幅度時變的情況

在仿真中，多徑時延在之間服從均勻分布，設(shè)為25 ms；幅度模值服從高斯分布，相位變化周期的取值設(shè)為2 s和6 s，分別代表信道快速變化和緩慢變化兩種情況，得到的性能曲線如圖3所示。由圖3可見，在慢變信道的情況下，兩種算法的性能幾乎一致，看不出什么差別；在快變信道的情況下，固定更新算法的性能有一定的損失，當(dāng)誤碼率為10-3時，兩者所需的信噪比相差2 dB，而且這個差距隨誤碼率的降低也越來越大。

3.3 多普勒系數(shù)隨時間變化的情況

這種信道變化容易在收發(fā)平臺之間存在加速運動的情況下出現(xiàn)。仿真中服從高斯分布；在之間服從均勻分布，設(shè)為25 ms；多普勒系數(shù)隨時間變化的斜率k的取值為1/1500 和4/1500 ，分別代表信道隨時間緩慢變化和快速變化的兩種情況，得到的性能曲線如圖4所示。

由圖4可見，當(dāng)信道緩慢變化時，系統(tǒng)保持較好的性能，信道估計固定更新和動態(tài)更新兩種算法的區(qū)別并不大，當(dāng)誤碼率在10-3到10-4之間的條件下，兩者所需的信噪比大致相差1 dB左右。當(dāng)信道快速變化時，兩者的性能差別則較為明顯，當(dāng)信噪比為0 dB時，動態(tài)更新算法的誤碼率為2×10-4，而固定更新頻率算法的誤碼率則為2×10-3，兩者相差一個數(shù)量級。

從以上三組仿真結(jié)果我們可以得到以下結(jié)論：當(dāng)信道緩慢變化時，動態(tài)更新算法和固定更新算法的性能相近，說明兩者都能很好地跟蹤信道變化的情況；當(dāng)信道快速變化時，動態(tài)更新算法有較好的性能，其性能曲線的變化趨勢與信道緩慢變化時大致相同，保持了瀑布狀的變化趨勢，而固定更新算法的性能則出現(xiàn)了較大的損失，甚至出現(xiàn)了錯誤平臺的現(xiàn)象，可見此時信道估計的更新速度無法跟蹤信道的變化。通過兩者的比較，可見動態(tài)更新算法在時變信道中應(yīng)用能很好地跟蹤信道的變化，具有較大的優(yōu)勢。

4 結(jié)論

水聲通信中收發(fā)平臺的運動和傳播環(huán)境的變化造成信道結(jié)構(gòu)的時變特性，影響水聲通信系統(tǒng)的性能，需要在設(shè)計時對其進行特殊考慮。本文利用PSP無需插入訓(xùn)練序列就可以同時進行信道估計和數(shù)據(jù)檢測的特點，提出了信道估計動態(tài)更新的算法，該算法通過比較當(dāng)前時刻各條幸存路路徑對應(yīng)的分支量度來判斷信道變化的情況，從而決定信道估計更新的時刻，達到動態(tài)更新信道估計的目的。本文對該算法在時變信道下的性能進行了仿真，分別選取了多徑時延、多徑幅度和多普勒系數(shù)隨時間變化等三種時變信道，并將結(jié)果與每20個符號進行一次信道估計更新時的性能進行對比。

仿真結(jié)果表明，當(dāng)信道緩慢變化時，動態(tài)更新算法和固定更新算法的性能沒有明顯的區(qū)別；當(dāng)信道快速變化時，固定更新算法的更新速度無法跟蹤上信道變化的情況，因此性能出現(xiàn)了明顯下降，而動態(tài)更新算法則保持了較好的性能，從而證明了其在時變信道中應(yīng)用的優(yōu)勢。

[1] Raheli R, Polydoros A, Tzou C K. Per-survivor processing: a general approach to MLSE in uncertain environments[J]. IEEE Transactions on Communications, 1995, 43(2): 354-364.

[2] Zhu Z, Sadjadpour H R. An adaptive per-survivor processing algorithm[J]. IEEE Transactions on Communications, 2002, 50(11): 1716-1718.

[3] Tzou C K, Raheli R, Polydoros A. Applications of per-survivor processing to mobile digital communications. Proceeding of GLOBECOM Communications[C]// Theory Mini-Conf. ’93, Nov. 1993: 77-81.

[4] 薛義生, 朱雪龍. 基于雙向逐幸存路徑處理的空時格形碼軟判決自適應(yīng)解碼[J]. 電子 學(xué)報, 2000, 28(11): 80-82. XUE Yisheng, ZHU Xuelong. Soft-decision adaptive decoding of space-time trellis code based on bi- directional Per-survivor- Processing[J]. ACTA Electronica Sinica, 2000, 28(11): 80-82.

[5] 向倩, 孫洪, 茹國寶, 等. 一種短波信道自適應(yīng)均衡算法的研究[J]. 電波科學(xué)學(xué)報, 2005, 20(2): 212-215. XIANG Qian, SUN Hong, RU guobao, et al. Adaptive receivers for digital transmissions over HF channels[J]. Chinese Journal of Radio Science, 2005, 20(2): 212-215.

[6] 茹國寶, 張永強, 楊浩, 等. 一種用于無線信道的逐幸存路徑處理均衡器[J]. 信息與電 子工程, 2005, 3(1): 6-9. RU Guobao, ZHANG Yongqiang, YANG Hao, et al. Equalization Based on Per-Survivor Processing for Wireless Channel[J]. Information and Electronic Engineering, 2005, 3(1):6-9.

[7] Xu X, Zhou S, Morozov A K, et al. Per-survivor processing for underwater acoustic communications with direct-sequence spread spectrum[J]. J. Acoust. Soc. Am. 2013, 133(5): 2746-2754.

[8] Li W C, Preisig J C. Estimation of rapidly time-varying sparse channels[J]. IEEE Journal on Oceanic Engineering, 2007, 32(4): 927-939.

[9] Berger C R, Zhou S, Preisig J, et al. Sparse channel estimation for multicarrier underwater acoustic communications: From subspace methods to compressed sensing[J]. IEEE Transactions on Signal Processing, 2010, 58(3): 1708-1721.

[10] Tropp J A, Gilbert A. C. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Transaction on Information Theory, 2007, 53(12): 4655-4666.

A per-survivor processing algorithm based on data-depended updating of channel estimation

HUANG Jian-chun1,2, GUO Sheng-ming1, JIA Ning1, GUO Zhong-yuan1, GUO Hai-bo3

(1. Laboratory of Underwater Acoustic Environment, Institute of Acoustics, Chinese Academy of Science, Beijing 100190, China; 2. University of Chinese Academy of Science, Beijing 100190, China; 3. Patent Examination Cooperation Center of the Patent Office, State Intellectual Property Office, Beijing 100190, China)

Measures should be taken to overcome the time-variability of underwater acoustic channel, which will degrade the performance of underwater communication systems. Per-survivor processing is an approximation of maximum likelihood sequence estimation, and it provides a solution to carry out channel estimation and information detection at the same time without using training data. An algorithm is proposed in this paper that the channel estimations are updated depending on the received data. By comparing the current costs in different survivor paths, the variation of channel is measured, hence whether to update the channel estimation or not is decided. Simulation result shows that the per-survivor processing algorithm based on data-depended updating of channel estimation is a good solution to underwater communication system in time-varying channels.

time-varying channel; per-survivor processing; data-depended updating of channel parameters

TB533

A

1000-3630(2014)-03-0265-05

10.3969/j.issn1000-3630.2014.03.016

2013-10-21;

2013-12-17

國家自然科學(xué)基金資助項目(61102152)。

黃建純(1983－), 男, 廣東惠州人, 博士研究生, 研究方向為水聲 信號處理。

黃建純, E-mail: jasonbarca@gmail.com