基于混合期望传播的水声信道均衡算法

技术领域：

本发明属于水声信道均衡领域。具体的说提出了一种正交调制优化的二维期望传播均衡算法，算法将传统EP-F算法的复数运算转化为实部和虚部的两个实数运算，将原本的复高斯分布转变更合适的二维高斯分布，从而改善传统的EP-F算法的性能。同时为解决迭代收敛问题，提出混合期望传播均衡算法，该算法能在改善信道均衡性能的同时，具有很好的迭代收敛特性。

背景技术：

声通信是水体中远距离通信的有效方式。作为复杂的通信信道之一，水声信道具有较强的时-空-频变特性，同时还存在及其复杂的外部噪声，在这样的信道环境下，信号路径损耗大，传输信号可用带宽窄，传输速率慢，传输可靠性低，这些因素给可靠通信带来了极大的挑战。由于强多径效应和信道的时变性，接收到的信号不可避免的会出现码间干扰(inter-symbol interference,ISI)，因此要实现准确的水下通信，就必须采取信道估计、信道均衡等措施。

传统信道均衡算法在复杂的水声信道下不能满足可靠通信的需求。随着信道均衡算法的发展，均衡算法借鉴了Turbo编码中交织和迭代交换软信息的思想，发展为迭代均衡算法，将信道译码器与均衡联合起来进行迭代判决。迭代均衡算法相对于孤立单次的进行传统均衡，有着更好的性能表现。

线性最小均方误差(Linear Minimum Mean Square-error Estimation,LMMSE)是目前使用的较为广泛的迭代均衡算法之一。LMMSE算法均衡器从贝叶斯估计的角度出发，通过高斯分布先验来近似传输符号的离散先验，其均值和方差均来自信道译码器输出的离散先验。近几年来，越来越多的贝叶斯推断方法出现，并被应用在复杂的通信系统中。期望传播(Expectation Propagation,EP)作为一种先进的贝叶斯推断法，能够获取更加准确的概率分布来近似先验分布。EP算法已经在不同领域验证了其可行性，已被广泛应用在压缩感知、MIMO天线，低密度匹配校验信道译码以及迭代均衡等方面。

本发明通过将传统的复数运算转化为实部和虚部的二维运算，改变了传统的矩匹配模型，能更好的提升信道均衡的性能，同时将EP-F算法进行改进，改善了算法的迭代性能，具有更好的实用效果。

发明内容：

本发明主要针对水声通信的信道均衡技术，通过对传统的EP-F算法进行改进，能进一步提升信道均衡的性能，同时将改进的EF-P算法与传统的EP-F算法相结合，使得改进算法能在保证性能的前提下，改善算法迭代性能。

本发明的采用方案是：

第一步：输入接收到的序列y，y

第二步：设置均衡算法的迭代次数t＝1,2,…,T，设置常数m，其中T为大于m的正整数；

第三步：判断算法迭代次数，当t≤m时，跳转至第四步执行，当m＜t≤T时，跳转至第十四步执行；

第四步：通过式(2)和式(3)计算

第五步：在t的循环内再设置循环i，i＝1,2,…,C，其中C为设置的矩匹配的次数；

第六步：在循环i中在次设置循环n，n＝1,2,…,S,其中S为发射的总的符号数；

第七步：计算

/>

第八步：通过式(11)中的概率

第九步：进行矩匹配并设立衰减因子β，并通过式(16)、(17)更新

第十步：若

第十一步：当n≤S时，返回步骤六，并设置n＝n+1，否则停止循环n；当i≤C时，返回步骤五，并设置i＝i+1，否则停止循环i；

第十二步：根据

第十三步：译码器的输出经过交织和映射后，传递给均衡器新的

第十四步：通过式(20)和式(21)计算

第十五步：在t的循环内再设置循环i，i＝1,2,…,C，其中C为设置的矩匹配的次数；

第十六步：在循环i中在次设置循环n，n＝1,2,…,S,其中S为发射的总的符号数；

第十七步：计算

f

第十八步：通过式(26)中的概率q(x

ρ＝E(q(x

Ω＝Cov(q(x

第十九步：进行矩匹配并设立衰减因子β，并通过式(31)、(32)更新

第二十步：若

第二十一步：当n≤S时，返回步骤十六，并设置n＝n+1，否则停止循环n；当i≤C时，返回步骤十五，并设置i＝i+1，否则停止循环i；

第二十二步：根据

第二十三步：译码器的输出经过交织和映射后，传递给均衡器新的

第二十四步：当t≤T时，返回步骤二，并设置t＝t+1，否则停止循环t，并输出估计的原始序列；

本发明优点在于：

1、提出了EP-F算法的二维改进TDEP-F算法

2、使用二维高斯分布代替复高斯分布，来同时算法性能

3、通过EP-F和TDEP-F算法相结合的方式，提出了混合传播迭代均衡算法，保证了算法的迭代稳定性。

附图说明

图1为本发明的流程图。

具体实施方式：

下面结合具体实例对本发明做详细说明。

第一步：输入接收到的序列y，其中：y的长度为4096，y

第二步：设置均衡算法的迭代次数t＝1,2,…,5，设置常数m＝2，

第三步：判断算法迭代次数，当t≤2时，跳转至第四步执行，当2＜t≤5时，跳转至第十四步执行；

第四步：通过式(2)和式(3)计算

第五步：在t的循环内再设置循环i，i＝1,2,…,C，其中C＝3为设置的矩匹配的次数；

第六步：在循环i中在次设置循环n，n＝1,2,…,S,其中S＝4096为发射的总的符号数；

第七步：计算

/>

第八步：通过式(11)中的概率

第九步：进行矩匹配并设立衰减因子β，其中

第十步：若

第十一步：当n≤S时，返回步骤六，并设置n＝n+1，否则停止循环n；当i≤C时，返回步骤五，并设置i＝i+1，否则停止循环i；

第十二步：根据

第十三步：译码器的输出经过交织和映射后，传递给均衡器新的

第十四步：通过式(20)和式(21)计算

第十五步：在t的循环内再设置循环i，i＝1,2,…,C，其中C＝3为设置的矩匹配的次数；

第十六步：在循环i中在次设置循环n，n＝1,2,…,S,其中S＝4096为发射的总的符号数；

第十七步：计算

f

第十八步：通过式(26)中的概率q(x

ρ＝E(q(x

Ω＝Cov(q(x

第十九步：进行矩匹配并设立衰减因子β，其中

/>

第二十步：若

第二十一步：当n≤S时，返回步骤十六，并设置n＝n+1，否则停止循环n；当i≤C时，返回步骤十五，并设置i＝i+1，否则停止循环i；

第二十二步：根据

第二十三步：译码器的输出经过交织和映射后，传递给均衡器新的

第二十四步：当t≤5时，返回步骤二，并设置t＝t+1，否则停止循环t，并输出估计的原始序列。