基于混合期望传播的水声信道均衡算法
文献发布时间:2023-06-19 19:28:50
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。