鲁棒的半盲联合信道估计与均衡单载波远程高速水声通信技术研究

The available communication bandwidth is limited in long range underwater acoustic (UWA) communication. Under low SNR and time-varying channel conditions, improving the robustness of high speed UWA communication is a big challenge. First, we will research the modeling techniques in order to get a time-varying UWA channel model which could reflect the sparsity and specific sea environment. Second, we will research the channel estimation algorithms under the MAP criterion. Based on a hierarchical Bayesian model, the priori information of channel response is introduced in order to increase the robustness of sparse channel estimation under low SNR and calculate confidence of estimation results at the same time. Then, we will research the channel equalization algorithms under MAP criterion. The robust channel equalization algorithms are deduced by MCMC techinique. And low complexity algorithms are realized by block processing and factor graph.

中远程高速水声通信链路的建立对深入开发海洋具有重要意义。但随通信距离的增加，可用通信频带进一步降低。在低信噪比、时变信道环境下，提升语音、图像等高速数据通信的鲁棒性面临巨大挑战。项目重点针对单载波半盲通信的关键技术进行研究，包括：1）时变水声信道建模研究。通过对海试数据时变参数的统计分析，建立能够反映水声信道稀疏特点、贴近特定海域环境的时变信道模型；2）信道估计技术研究。研究低信噪比下鲁棒的稀疏信道估计技术，基于分层贝叶斯模型，迭代计算MAP估计次最优解，引入信道冲击响应的先验信息，获得估计结果置信度；3）信道均衡技术研究。对MAP均衡次最优实现；采用M元软扩频作为信道编码，译码软信息获取；基于MCMC的鲁棒信道均衡；基于块处理和因子图的低复杂度实现算法;分块均衡时逐符号多普勒补偿等技术进行研究。.基于以上研究成果，建立一个鲁棒的中远程高速水声通信验证平台

针对水声信道的快空/时变特点，项目的研究以实现“鲁棒”和“高速”的水声通信为目标。项目的研究成果除可以提高水声通信的鲁棒性和通信速率外，还综合考虑了能耗、时延等水声通信中的关键参数，提高了水声通信的综合性能。为实现项目研究目标，开展了以下几项相互联系、互为依托的研究：时变海洋信道建模、快时/空变信道下的迭代均衡技术研究、鲁棒的高速水声通信技术研究、基于移动节点中继的水声通信抗干扰技术研究和非协作通信技术研究。.研究首先提出了一种能够反映水声信道稀疏度、时变和空变特性的水声信道建模算法。其次，开展了基于短码M元扩频的单载波水声通信技术研究。其中，重点针对M元扩频码的译码软信息计算进行研究，提出了相关的算法。再次，提出了基于强化学习的信道预测技术。研究中将强化学习用于信道预测中，提出了一种不依赖模型的信道预测算法。再次，基于任务需求、能耗、通信时延等性能参数提出了一种点对点水声通信性能优化算法。设计了海上试验，验证了算法的性能。再次，将自适应调制编码技术和深度路由协议的基本思想结合在一起，设计了一种高效的水下无线传感网络通信技术。再次，研究利用位于收/发端之间的移动节点进行信息中继，对抗水声干扰。最后，开展了信号带宽、调制方式识别等方面的研究。提出了一种精确估计MPSK码元宽度的算法。.在论文发表方面，共发表相关论文13篇，其中SCI检索9篇(2区5篇、3区3篇），EI检索3篇，国内核心期刊论文1篇，第一标注7篇，第二标注3篇，第三篇3篇。在专利申请方面，依托项目的研究，申请国家发明专利4项，目前已获批3项、公开1项。在人才培养方面，通过项目资助，共培养硕士研究生5人，博士研究生1人。项目经费按预算计划执行。