水声通信中稀疏信道均衡算法优化

doi:10.12141/j.issn.1000-565X.220040

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (12): 89-100.doi: 10.12141/j.issn.1000-565X.220040

所属专题： 2022年电子、通信与自动控制

• 电子、通信与自动控制 • 上一篇下一篇

水声通信中稀疏信道均衡算法优化

陈芳炯^1,² 刘明星^1,³ 付振华⁴ 余华^1,³

^1.华南理工大学电子与信息学院，广东广州 510640
^2.通信网信息传输与分发技术重点实验室，河北石家庄 050081
^3.自然资源部海洋环境探测技术与应用重点实验室，广东广州 510300
^4.广东省国土资源测绘院，广东广州 510500

收稿日期:2022-01-25 出版日期:2022-12-25 发布日期:2022-05-30
通信作者: 陈芳炯（1975-），男，博士，教授，主要从事无线通信及组网技术研究。 E-mail:eefjchen@scut.edu.cn
作者简介:陈芳炯（1975-），男，博士，教授，主要从事无线通信及组网技术研究。
基金资助:
国家自然科学基金资助项目(62271208);NSFC-浙江两化融合联合基金资助项目(U1809211)

Optimization of Sparse Channel Equalization Algorithm in Underwater Acoustic Communication

CHEN Fangjiong^1,² LIU Mingxing^1,³ FU Zhenhua⁴ YU Hua^1,³

^1.School of Electronic and Information Engineering，South China University of Technology，Guangzhou 510640，Guangdong，China
^2.Science and Technology on Communication Networks Laboratory，Shijiazhuang 050081，Hebei，China
^3.Key Laboratory of Marine Environmental Survey Technology and Application，Ministry of Natural Resources，Guangzhou 510300，Guangdong，China
^4.Guangdong Institute of Land and Resources Surveying and Mapping，Guangzhou 510500，Guangdong，China

Received:2022-01-25 Online:2022-12-25 Published:2022-05-30
Contact: 陈芳炯（1975-），男，博士，教授，主要从事无线通信及组网技术研究。 E-mail:eefjchen@scut.edu.cn
About author:陈芳炯（1975-），男，博士，教授，主要从事无线通信及组网技术研究。
Supported by:
the National Natural Science Foundation of China(62271208);the NSFC-Zhejiang Joint Fund for the Industrialization and Informatization(U1809211)

摘要/Abstract

摘要：

为应对复杂的水声信道环境，提高信道均衡算法的收敛速度和误码率性能，文中提出了一种零值吸引稀疏控制成比例最小误码率判决反馈均衡算法。该算法在稀疏控制成比例最小误码率判决反馈均衡算法的基础上，通过在目标函数中加入近似l₀范数的稀疏约束，迫使均衡算法在迭代过程中将幅值小的均衡器抽头向零值吸引，以加快均衡算法的初始收敛速度；同时在信道均衡过程中引入锁相环技术，以消除抖动相位噪声带来的影响。传统的锁相环技术都是基于最小均方误差准则的，但现有文献和相关实验仿真已经证明，当系统的均方误差最小时，误码率不一定最小。针对此问题，文中提出了一种基于最小误码率准则的锁相环相位追踪算法，并将其嵌入稀疏均衡算法中。在Matlab平台上，分别在实际采集的静态水声信道和实际时变水声信道条件下进行了实验，结果表明：加入近似l₀范数约束的稀疏控制成比例最小误码率判决反馈均衡算法，在没有时变相位噪声影响下的收敛速度更快；在有时变相位噪声影响的信道条件下，基于最小误码率准则的锁相环相位追踪算法相较于基于最小均方误差准则的锁相环相位追踪算法，收敛速度更快，误码率性能更优。

关键词: 信道均衡, 稀疏性, 零值吸引, 锁相环, 最小误码率

Abstract:

In order to cope with the complex underwater acoustic channel environment and improve the convergence speed and symbol error rate performance of the channel equalization algorithm, this paper proposed a zero attraction sparse control proportional minimum symbol error rate decision feedback equalization algorithm. On the basis of the proposed sparse control proportional minimum symbol error rate decision feedback equalization algorithm, this algorithm added a sparse constraint of approximate $l 0$ norm to the objective function, which pulls small amplitude equalizer taps toward zero. At the same time, phase-locked loop technology was introduced in the channel equalization process to eliminate the influence of jitter phase noise. The traditional phase-locked loop technology is based on the minimum mean square error criterion. However, existing literature and related experimental simulations have demonstrated that, when the mean square error of the system is the smallest, the symbol error rate is not necessarily the smallest. Aiming at this problem, a phase-locked loop phase tracking algorithm based on the minimum symbol error rate criterion was proposed and embedded in the sparse equalization algorithm. On the Matlab platform, experiments were carried out on the static underwater acoustic channel and the real time-varying underwater acoustic channel, respectively. The results show that the sparse control proportional minimum bit error rate decision feedback equalization algorithm with approximate l₀ norm constraint converges faster without the influence of time-varying phase noise; under the channel condition affected by time-varying phase noise, the phase tracking algorithm based on the minimum bit error rate criterion has faster convergence speed and better bit error rate performance than the fragrance tracking algorithm based on the minimum mean square error criterion.

Key words: channel equalization, sparsity, zero attraction, phase-locked loop, minimum symbol error rate

中图分类号:

TN929.3

陈芳炯, 刘明星, 付振华, 等. 水声通信中稀疏信道均衡算法优化[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 89-100.

CHEN Fangjiong, LIU Mingxing, FU Zhenhua, et al. Optimization of Sparse Channel Equalization Algorithm in Underwater Acoustic Communication[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(12): 89-100.

图/表 9

图1

图2

图3

表1

图4

图5

图6

表2

图7

参考文献 25

1	SINGER A C， NELSON J K， KOZAT S S ．Signal processing for underwater acoustic communications ［J］．IEEE Communications Magazine，2009，47（1）：90-96．
2	KOCIC M， BRADY D， STOJANOVIC M ．Sparse equa-lization for real-time digital underwater acoustic commu-nications ［C］∥ Proceedings of 1995 MTS/IEEE Confe-rence “Challenges of Our Changing Global Environment”．San Diego：IEEE，1995：1417-1422．
3	RONTOGIANNIS A A， BERBERIDIS K ．Efficient decision feedback equalization for sparse wireless channels ［J］．IEEE Transactions on Wireless Communications，2003，2（3）：570-581．
4	CHNG E S， CHEN S， MULGREW B ．Efficient computational schemes for the orthogonal least squares algorithm ［J］．IEEE Transactions on Signal Processing，1995，43（1）：373-376．
5	魏昕，赵力，邹采荣．浅海水声通信中的间接自适应均衡算法［J］．电子与信息学报，2009，31（4）：916-919．
	WEI Xin， ZHAO Li， ZOU Cai-rong ．Indirect adaptive equalization algorithm for shallow water acoustic communication ［J］．Journal of Electronics and Information Te-chnology，2009，31（4）：916-919．
6	冉茂华，黄建国，韩晶．水声通信中基于信道估计的稀疏均衡算法研究［J］．系统仿真学报，2009，21（14）：4479-4482．
	RAN Mao-hua， HUANG Jian-guo， HAN Jing ．Simulation of multichannel sparse equalization algorithm based on channel estimation for underwater acoustic communications ［J］．Journal of System Simulation，2009，21（14）：4479-4482．
7	CHEN Y， GU Y， HERO A O ．Sparse LMS for system identification ［C］∥ Proceedings of 2009 IEEE International Conference on Acoustics，Speech and Signal Processing．Taipei：IEEE，2009：3125-3128．
8	TAO J， AN L， ZHENG Y R ．Enhanced adaptive equa-lization for MIMO underwater acoustic communications ［C］∥ Proceedings of OCEANS 2017．Anchorage：IEEE，2017：1-5．
9	DUTTWEILER D L ．Proportionate normalized least-mean-squares adaptation in echo cancelers ［J］．IEEE Tran-sactions on Speech and Audio Processing，2000，8（5）：508-518．
10	BENESTY J， GAY S L ．An improved PNLMS algorithm ［C］∥ Proceedings of 2002 IEEE International Confe-rence on Acoustics，Speech，and Signal Processing．Orlando：IEEE，2002：1881-1884．
11	KHONG A W H， NAYLOR P A ．Efficient use of sparse adaptive filters ［C］∥ Proceedings of 2006 the Fortieth Asilomar Conference on Signals，Systems and Compu-ters．Pacific Grove：IEEE，2006：1375-1379．
12	YEH C C， BARRY J R ．Adaptive minimum bit-error rate equalization for binary signaling ［J］．IEEE Tran-sactions on Communications，2000，48（7）：1226-1235．
13	YEH C C， BARRY J R ．Adaptive minimum symbol-error rate equalization for quadrature-amplitude modulation ［J］．IEEE Transactions on Signal Processing，2003，51（12）：3263-3269．
14	MULGREW B， CHEN S ．Adaptive minimum-BER decision feedback equalisers for binary signalling ［J］．Signal Processing，2001，81（7）：1479-1489．
15	CHEN S， HANZO L， MULGREW B ．Adaptive minimum symbol-error-rate decision feedback equalization for multilevel pulse-amplitude modulation ［J］．IEEE Transactions on Signal Processing，2004，52（7）：2092-2101．
16	CHEN S， HANZO L， LIVINGSTONE A ．MBER space-time decision feedback equalization assisted multiuser detection for multiple antenna aided SDMA systems ［J］．IEEE Transactions on Signal Processing，2006，54（8）：3090-3098．
17	GONG M， CHEN F， YU H，et al ．Normalized adaptive channel equalizer based on minimal symbol-error-rate ［J］．IEEE Transactions on Communications，2013，61（4）：1374-1383．
18	WANG Z， CHEN F， YU H，et al ．Sparse decision feedback equalization for underwater acoustic channel based on minimum symbol error rate ［J］．International Journal of Naval Architecture and Ocean Engineering，2021，13：617-627．
19	STOJANOVIC M， CATIPOVIC J A， PROAKIS J G ．Phase-coherent digital communications for underwater acoustic channels ［J］．IEEE Journal of Oceanic Engineering，1994，19（1）：100-111．
20	李记龙，冯海泓，黄敏燕．强多径干扰下的水声通信均衡算法研究［J］．声学技术，2016，35（1）：73-77．
	LI Ji-long， FENG Hai-hong， HUANG Min-yan ．Study of channel equalization of underwater acoustic communication in multipath horizontal channel ［J］．Technical Acoustics，2016，35（1）：73-77．
21	CANDÈS E J， WAKIN M B， BOYD S P ．Enhancing sparsity by reweighted l₁ minimization ［J］．Journal of Fourier Analysis and Applications，2008，14（5）：877-905．
22	HOYER P O ．Non-negative matrix factorization with sparseness constraints ［J］．Journal of Machine Lear-ning Research，2004，5（9）：1457-1469．
23	王振忠．水声通信中基于最小误码率的稀疏均衡［D］．广州：华南理工大学，2019．
24	ARIYAVISITAKUL S ．A decision-feedback equalizer with selective time-reversal operation for high-rate indoor radio communication ［C］∥ Proceedings of 1990 IEEE Global Telecommunications Conference and Exhibition．San Diego：IEEE，1990：2035-2039．
25	ZHONG X， CHEN F， ZHENG B，et al ．Minimum symbol-error rate equalization based Turbo receiver for underwater acoustic communications ［C］∥ Proceedings of the 10th International Conference on Underwater Networks & Systems．New York：Association for Compu-ting Machinery，2015：1-5．

判决反馈均衡器	抽头长度	训练模式步长	判决模式步长
前向滤波器	75	0.15	0.01
反馈滤波器	75	0.25	0.01

判决反馈均衡器	抽头长度	训练模式步长	判决模式步长
前向滤波器	120	0.6	0.1
反馈滤波器	51	0.6	0.1

[1]	梁振李斌黄沫徐肯叶晖. 基于极性发射机的两点调制锁相环的设计 [J]. 华南理工大学学报（自然科学版）, 2019, 47(2): 9-15.
[2]	欧阳森马文杰. 基于改进型SOGI的锁相环设计研究[J]. 华南理工大学学报（自然科学版）, 2018, 46(10): 1-8.
[3]	汪兆栋文小琴游林儒曾文涛. IPMSM宽速域范围无位置传感器高性能控制[J]. 华南理工大学学报（自然科学版）, 2015, 43(9): 1-7.
[4]	易伯瑜康龙云林玉键姜凯郭红霞. 基于双段卡尔曼滤波的永磁电机无传感器控制[J]. 华南理工大学学报（自然科学版）, 2013, 41(12): 49-55.
[5]	姚若河陈中盟. 抗谐波锁定的延时锁相环[J]. 华南理工大学学报（自然科学版）, 2010, 38(9): 1-6.
[6]	赵敏谢胜利肖明. 欠定和非完全稀疏的盲源恢复[J]. 华南理工大学学报（自然科学版）, 2010, 38(6): 19-23.
[7]	武剑董惠娟张广玉. 压电换能器锁相环频率跟踪的失效分析与解决[J]. 华南理工大学学报（自然科学版）, 2010, 38(3): 123-128.
[8]	魏建军. 快速锁定的低功耗电荷泵锁相环[J]. 华南理工大学学报（自然科学版）, 2009, 37(9): 71-76.
[9]	邓婉玲郑学仁刘伟俭. 基于MASH 2-1结构的小数分频锁相环的设计与实现[J]. 华南理工大学学报（自然科学版）, 2007, 35(6): 50-53,75.

水声通信中稀疏信道均衡算法优化

Optimization of Sparse Channel Equalization Algorithm in Underwater Acoustic Communication

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 25

相关文章 9

编辑推荐

Metrics

本文评价