电子信息技术

本发明涉及一种基于最大箕舌线准则算法的簇稀疏信道估计方法，用以估计时域簇稀疏信道冲激响应函数。首先，针对时变信道进行簇稀疏建模，以期获得结构化稀疏信道表达框架，在此基础上。采用逐块训练模式，设计一种基于最大箕舌线准则算法迭代方式，可估计得到簇稀疏信道冲激响应函数信息。该项发明适用于时变信道估计、水声通信等内容，属于水声通信和水声信号处理等领域。有益效果体现在：本发明基于信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的信道估计结果具有更高的精度。

信道估计和水声通信等问题都可归结为冲激响应函数的优化估计问题，采用基于 训练序列和接收到的信号对时变信道稀疏表达估计。目前，对信道的估计方法包括有 限冲激响应框架和时域的逐块估计框架。有限冲激响应框架的算法细节具体参见 《Non-uniform norm constraint LMS algorithm for sparse system identification》，该文 2013年发表于《IEEE Communications Letters》第17卷，第2期，起始页码为385。 基于最大互相关熵准则的稀疏信道估计方法详见《Sparse estimator with L0-norm constraint kernel maximum-correntropy-criterion》该文2020年发表于《IEEE Transactions on Circuits and Systems II:Express Briefs》第67卷，第2期，起始页码为400。

由于信道的多径扩展和时变特性，导致对信道的冲激响应函数估计极为困难，因 此，对于有限冲激响应框架下的算法效果欠佳。考虑到信道的多径扩展和时变特性可 由信道的时域进行刻画。本发明将建立在该模型基础上，对时变信道进行估计。然而 传统的估计方法如果不采用稀疏约束处理，将使待估计的抽头系数繁多，计算量增大， 所幸的是，稀疏估计策略可以简化估计的抽头个数，从而有望提高估计效率。考虑到实际中的信道冲激响应函数不是严格意义上的稀疏信号，因此，现行压缩感知算法难以直接应用。

有益效果：

本发明提出的一种基于最大箕舌线准则算法的簇稀疏信道估计方法，用以估计时 域簇稀疏信道冲激响应函数。首先，针对时变信道进行簇稀疏建模，以期获得结构化 稀疏信道表达框架，在此基础上。采用逐块训练模式，设计一种基于最大箕舌线准则 算法迭代方式，可估计得到簇稀疏信道冲激响应函数信息。该项发明适用于时变信道 估计、水声通信等内容，属于水声通信和水声信号处理等领域。有益效果体现在：本 发明基于信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生 的信道估计结果具有更高的精度。