预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105490974A(43)申请公布日2016.04.13(21)申请号201510930460.9(22)申请日2015.12.15(71)申请人江苏科技大学地址212003江苏省镇江市梦溪路2号(72)发明人王彪丁鹭飞杨奕飞戴跃伟(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人陈静(51)Int.Cl.H04L25/02(2006.01)H04L27/26(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种MIMO-OFDM水声通信系统的多普勒估计方法(57)摘要本发明公开了一种MIMO-OFDM水声通信系统的多普勒估计方法,包括如下步骤:对接收端接收到的稀疏信号以抽样间隔进行采样,得到稀疏向量y;由接收双方都已知的同步导频信号s(t)结合信道特点,选取合适精度,构造超完备字典;在一个周期内对所有抽样值累积得:y=Cx+n,接收向量看作以x元素为系数的C各列的线性组合;由超完备字典C、接收稀疏向量y,利用SBL算法,重构信号x;找到x中非零元素所对应超完备字典C中的相应列,继而找到各径所对应的等价多普勒因子。本发明不仅大大提高了MIMO-OFDM水声多普勒因子的估计精度,而且针对常规多普勒扩展也提出了新的解决方法。CN105490974ACN105490974A权利要求书1/2页1.一种MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,包括如下步骤:S1:对接收端接收到的稀疏信号以抽样间隔进行采样,得到稀疏向量y;S2:由接收双方都已知的同步导频信号s(t)结合信道特点,选取合适精度,构造超完备字典;S3:在一个周期内对所有抽样值累积得:y=Cx+n,接收向量看作以x元素为系数的C各列的线性组合;S4:由超完备字典C、接收稀疏向量y,利用SBL算法,重构信号x;S5:找到x中非零元素所对应超完备字典C中的相应列,继而找到各径所对应的等价多普勒因子。2.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S1具体为:考虑一个有Nt个换能器,Nr个水听器的水声MIMO-OFDM通信系统,假设在第i个换能器和第j个水听器间的MIMO水声稀疏信道中,在一个符号周期内多径衰减是近似保持不变的,并且每一个换能器至水听器的等效多普勒因子都不同;定义多普勒因子νp、时延因子τp参数集合:νp∈{ν1,ν2,...,νl,...,νL}τp∈{τ1,τ2,...,τk,...,τK}其中νl=ν1+(l-1)Δν,τk=τ1+(k-1)Δτ,Δν、Δτ表示多普勒及时延估计的离散精度,可以根据需要灵活调整,L、K分别表示MIMO信道可能的多普勒因子、时延值个数;假定发送端同步导频信号为s(t),经过MIMO稀疏时变信道后第j个水听器接收信号表示成yj(t)。3.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S2具体为:设s(t)的持续时间为[0,T],在接收端对y(t)以间隔Δt进行抽样,令所述S1步骤中τ1=0,抽样间隔Δt=Δτ,并省略上式中的Δt,化简并写成向量形式可表示为y[i]=c[i]Tx+n[i]。4.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S3具体为:在一个周期内对所有抽样值累积得:y=Cx+n,考虑所示接收信号的向量形式,接收向量看作以x元素为系数的C各列的线性组合。5.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S4具体为:采用基于稀疏贝叶斯学习的MIMO-OFDM水声多普勒估计方法,从水声信道的稀疏特性出发,基于超完备字典将MIMO多普勒估计问题建模为稀疏表示问题,利用稀疏贝叶斯学习算法进行求解,在已知y与C的前提下,SBL算法以自适应调整当时重构出幅度衰减矩阵x。6.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S5具体为:根据所述步骤S4重构出的稀疏矩阵x,找到其非零向量对应C矩阵中相应的元素,继而找到各对应MIMO信道的多普勒因子。7.根据权利要求1所述的MIMO-OFDM水声通信系统的多普勒估计方法,其特征在于,所述步骤S4中SBL算法的具体实现步骤为:第一步,输入:I维的接收向量y,I×(L×K)维超完备字典矩阵C,I=T/Δt第二步,初始化:超参数γ(0)≥0,β(0)>0,迭代数k=1,ε>0;第三步,算法迭代:a.记Λ=diag(1/γ),利用2CN105490974A权利要求书2/2页Σ=(βCTC+Λ)-1分别估计μ(k-1),Σ(k-1);b.记A=β-1I+CΛ-