电子信息技术

本发明涉及一种基于成比例归一化最小均方误差的稀疏水声信道估计方法，用以估计时域簇稀疏水声信道冲激响应函数。首先，针对时变水声信道进行簇稀疏建模，以期获得水声信道结构化稀疏表达框架，在此基础上。采用逐块训练模式，设计一种基于成比例归一化最小均方误差算法迭代寻优得到时域稀疏水声信道冲激响应函数，将所估计得到的时域水声信道信息。该项发明适用于时变水声信道估计、水声通信等。有益效果体现在：本发明基于水声信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的水声信道估计结果具有更高的精度。

水声信道估计和水声通信等问题都可归结为冲激响应函数的估计优化问题，基于训练序列和接收到的信号用以对时变水声信道稀疏表达估计。目前，对水声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《New sparse adaptive algorithms based on the natural gradient and the L0‑norm》，该文2013年发表于《IEEE Journal of Oceanic Engineering》第38期，起始页码为323。时域的逐块估计框架详见《Estimation of rapidly time‑varying sparse channels》该文2007年发表于《IEEE Journal of Oceanic Engineering》第32期，起始页码为927。

由于水声信道的多径扩展和时变特性，导致对水声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。考虑到水声信道的多径扩展和时变特性可由水声信道的时域进行刻画。本发明将建立在该模型基础上，对时变水声信道进行估计。然而待估计的抽头系数繁多，计算量大，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。考虑到实际中的水声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。本发明提出在簇稀疏表达的基础上，对稀疏水声信道估计的目标函数施加范数约束，以期提高水声信道的估计精度。

有益效果：

本发明提出的一种基于成比例归一化最小均方误差的稀疏水声信道估计方法，用以估计时域簇稀疏水声信道冲激响应函数。首先，针对时变水声信道进行簇稀疏建模，以期获得水声信道结构化稀疏表达框架，在此基础上。采用逐块训练模式，设计一种基于成比例归一化最小均方误差算法迭代寻优得到时域稀疏水声信道冲激响应函数，将所估计得到的时域水声信道信息。该项发明适用于时变水声信道估计、水声通信等。有益效果体现在：本发明基于水声信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的水声信道估计结果具有更高的精度。