Page 47 - 应用声学2019年第4期

第 38 卷 第 4 期 张永霖等： 基于混合范数约束的非均匀稀疏水声信道估计方法 507

-10.0 0.25
APA APA
l -APA వ஡ਫ਼ଢவข
-10.5
کӉѬጸl  -IPAPA 0.20
వ஡ਫ਼ଢவข
-11.0 0.15
MSE/dB -11.5 ॆʷӑη᥋־ऄ
-12.0 0.10
0.05
-12.5
-13.0 0
0 100 200 300 400 500 600 700 0 0.5 1.0 1.5 2.0 2.5
ᤖ̽൓஝ ௑ण/s
(a) η᥋ͥᝠឨࣀ (b) η᥋ͥᝠፇ౧
图 9 海上试验结果 (69 km)
Fig. 9 Experiment results(69 km)

各算法对试验海域第一声影区以及第二声影 致谢 感谢参与远程水声通信试验的全体工作人
区信道进行估计，信道估计均方误差随迭代次数 员，是他们辛勤的劳动为本文提供了可靠的试验
收敛曲线如图 8(a)、图 9(a) 所示，标准 APA 算法 数据。
与本文所提方法得到信道估计结果对比如图 8(b)、
图 9(b)所示。
参 考 文 献
由图 8、图 9 可知，试验海域声影区信道具有
明显的簇状结构，其中第一影区信道包含 0 s 以及

0.2 s 两组簇状结构，第二影区包含 0 s 以及 1.82 s [1] Stojanovic M. Efficient processing of acoustic signals for
high-rate information transmission over sparse underwa-
两组簇状结构。本文提出的非均匀分组 l 21 -IPAPA ter channels[J]. Physical Communications, 2008, 1(2):
相较其他各算法的性能提升如图 8、图 9 所示，其 146–161.
中在第二影区信道估计中相较均匀分组 l 21 -IPAPA [2] Cotter S F, Rao B D. Sparse channel estimation via
matching pursuit with application to equalization[J].
算法信道估计误差降低 18.75%，而第一影区信道 IEEE Transactions on Communications, 2002, 50(3):
估计中相较均匀分组 l 21 -IPAPA算法信道估计误差 374–377.
降低 13.07%。这是由于第二影区信道相较第一影 [3] Gui G, Peng W, Adachi F. Improved adaptive sparse
channel estimation based on the least mean square al-
区信道簇状结构在时延域上的展宽更加明显，且非 gorithm[C]. IEEE Wireless Communications and Net-
均匀性更强，因此更加适用本文所提出的信道估计 working Conference (WCNC), Shanghai, China, 2013:
方法。 3130–3134.
[4] Jiang X, Zeng W J, Li X L. Time delay and Doppler
estimation for wideband acoustic signals in multipath en-
5 结论 vironments[J]. Journal of Acoustical Society of America,
2011, 130(2): 850–857.
针对水声信道簇状稀疏特性，本文提出了一 [5] Benesty J, Gay S L. An improved PNLMS algorithm[C].
种基于非均匀分组 l 21 -IPAPA 的水声信道估计方 IEEE International Conference on Acoustics, Speech, and
Signal Processing, 2002, 2: 1881–1884.
法，该方法通过非均匀分组的 l 21 范数约束很好
[6] Hoshuyama O, Goubran R A, Sugiyama A. A generalized
地反映了信道的簇稀疏结构，进而实现了出色的 proportionate variable step-size algorithm for fast chang-
自适应水声信道估计效果。基于 BELLHOP 的数 ing acoustic environments[J]. IEEE International Confer-
ence on Acoustics, Speech and Signal Processing, 2004, 4:
值仿真结果以及实测深海远程水声信道估计结果
161–164.
都证明了这一算法相较已有的稀疏优化自适应算 [7] Gu Y, Jin Y, Mei S. l 0 norm constraint LMS algorithm
法，能够实现更快的收敛以及更加准确的估计结 for sparse system identification[J]. IEEE Signal Processing
Letters, 2009, 16(9): 774–777.
果，在水声通信、定位导航等实际应用中具有重要
[8] Jin J, Gu Y, Mei S. A stochastic gradient approach on
意义。 compressive sensing signal reconstruction based on adap-