一种用于非协作点击模仿通信信号的情景自适应盲信道估计方法

《Signal Processing》：A scenario-adaptive blind channel estimation method for non-cooperative click-mimicking communication signals

　　摘要：盲信道估计对于识别非合作型的生物启发式通信信号至关重要。然而，作为鲸类启发式通信信号典型代表的点击模拟信号，具有持续时间短、带宽宽以及非平稳特性，这导致基于互相关模型和源信号重建方法的性能受限。为解决这一问题，本文提出了一种针对点击模拟信号的、基于正交匹配追踪的情景自适应盲信道估计方法。根据相邻传播路径之间是否存在超过信号持续时间的延迟间隔，水下声学通道被划分为短延迟场景和长延迟场景，并为每种场景设计了专门的估计方法。在短延迟通道中，利用单输入多输出系统中的互相关性及多径稀疏性，将盲信道估计问题转化为稀疏向量恢复模型。通过测量向量选择、字典矩阵优化以及改进的OMP算法，进一步提升估计精度。对于长延迟通道，则基于多通道接收信号的互相关与自相关特性，提出了一种源信号估计方法。该方法将盲信道估计问题转化为具有已知信号的信道恢复模型，进而利用OMP算法高效求解，以降低计算复杂度。仿真与实验结果均证明了所提方法的稳健性与准确性。

引言：近年来，由于在通信、雷达以及水下声学信号分析中的重要性，用于盲信道估计与多通道盲反卷积的信号处理技术受到了广泛关注。尤其是随着人们对生物启发式水下声学通信的日益重视[[1], [2], [3], [4], [5], [6], [7]]，识别那些模仿鲸类点击发声的非合作型点击模拟通信信号已成为一个重要的研究课题[8,9]。这类信号通常具有持续时间短、带宽宽且非平稳性强的特点。此外，接收端通常无法获知点击模拟信号的传输波形。再加上水下声学通道固有的严重多径传播现象，接收信号往往会出现严重的符号间干扰，给可靠的信号识别带来了巨大挑战。在这种条件下，盲信道估计便成为准确识别点击模拟通信信号的关键信号处理任务。

盲信道估计技术旨在无需事先知晓传输波形的情况下，直接从接收信号中估计出信道脉冲响应。一种常用的方法是通过利用信道输出对之间的互相关性以及单输入多输出系统中多径信道的固有稀疏性，将盲信道估计问题转化为稀疏向量恢复模型。在这一框架下，可通过多种信道反卷积与稀疏重建算法来解决信道估计问题。作为主要的盲信道估计框架之一，互相关模型最早由[10]提出。此后，众多信道反卷积算法被应用于信道估计并不断得到改进。[11]中提出了基于增广拉格朗日法的快速交替最小化算法。[12]中将匹配追踪、正交匹配追踪和基追踪三种压缩感知算法应用于盲信道估计。[13]提出了一种基于范数自适应惩罚的最小二乘/四阶算法，用于稀疏信道估计。[14]引入了一种基于稀疏信号建模的创新方法，并采用高效的交替投影最小二乘算法进行求解。[15]提出了两种非凸优化算法，用于解决多通道盲反卷积问题，包括交替特征向量法和截断幂迭代法。[16]提出了一种用于解决多通道盲反卷积问题的非凸正则化算法。此外，[17]提出了一种宽带字典方法，通过逐步缩小参数搜索空间来实现稀疏信号的高精度估计。[18]开发了一种基于稀疏贝叶斯学习算法的盲多通道估计方法。[19]提出了基于压缩测量和基于核的采样方案的识别条件，用以高效识别稀疏滤波器与未知信号。进一步地，[20]提出了一种迭代三阶段盲源分离算法。[21]提出了一种基于邻域的多重正交最小二乘算法，通过考虑每次迭代中候选原子的残差误差，提高稀疏信号重建的精度。[22]提出了一种改进的序列二次规划方法，通过平滑目标函数来实现稀疏信号恢复。[23]提出了一种鲁棒的感测矩阵设计方法，用于提升OMP在噪声环境下的稀疏重建性能。[24]提出了一种迭代的有限收缩阈值交替方向乘子法算法，通过使用有限收缩阈值算子和截断技术，解决具有l0范数约束的一般非凸问题。[25]提出了一种新的深度学习方法，利用协方差矩阵的对称特性来估计信道长度，从而提高盲信道估计的精度与泛化能力。

另一类盲信道估计方法则着眼于重建源信号， thereby将盲信道估计问题转化为具有已知源信号的信道恢复模型。相关研究[[26], [27], [28], [29]]通过从接收信号中估计中心频率和带宽等参数，重建线性频率调制信号，从而实现信号恢复并为后续的信道估计提供便利。此外，[30,31]提出了一种基于稀疏重建框架的盲信道反卷积方法，该方法利用线性稀疏模型重建由多个正弦分量或线性频率调制信号构成的水下声学信号，然后通过ADMM算法进行信道估计。该算法的精度与[32]中提出的快速迭代收缩阈值算法进行了比较。在[33,34]中，将非线性啁啾信号置于稀疏重建框架下进行建模，通过ADMM算法实现了高效的信号分解与参数估计。[35]提出了一种自适应的集群结构稀疏贝叶斯学习算法，用于实现对啁啾信号的高精度压缩重建。

尽管取得了这些进展，现有的盲信道估计方法在应用于点击模拟型水下声学通信信号时仍面临诸多挑战。虽然互相关模型在人工信号的盲信道估计中表现良好，但在处理具有持续时间短、带宽宽和非平稳特性的点击模拟信号时存在局限性。此外，在长延迟水下声学通道中，互相关模型的计算复杂度会变得极高。而现有的源信号重建方法主要针对具有封闭形式表达式或稳定时频结构的合成信号。然而，点击模拟信号源自真实的鲸类点击发声，其波形并无封闭形式表达式。因此，现有的源信号重建模型无法重建这类信号，进而阻碍了有效的信道估计。在[36]中，提出了一种基于半定规划的算法，通过自相关与互相关测量来重建两个信号。但该方法假设传输信号是均值为零、方差为1、独立同分布的随机过程。对于非合作型的点击模拟型水下声学通信信号，很难获得可靠且完整的二阶统计量。因此，基于自相关与互相关重建的半定规划框架并不适用于这类信号的实用盲信道估计。

为克服这些局限性，本文提出了一种基于OMP算法的盲信道估计方法，专门用于非合作型的点击模拟型水下声学通信信号。根据源信号持续时间与多径延迟扩展之间的关系，水下声学通道被划分为短延迟场景和长延迟场景。在短延迟水下声学通道中，根据接收信号的自相关特性选择互相关模型的测量向量，同时根据测量向量的自相关特性优化字典矩阵，从而改进互相关模型。此外，还进一步发展了改进的正交匹配追踪算法，以提高估计精度。对于长延迟水下声学通道，则利用多通道接收信号的互相关与自相关特性，提出了一种源信号估计方法。该方法将盲信道估计问题转化为具有已知源信号的信道恢复模型，进而利用OMP算法高效求解，降低计算复杂度。本文的贡献可总结如下：

（1）针对非合作型的点击模拟型水下声学通信信号，提出了一种基于OMP算法的盲信道估计方法。根据源信号持续时间与多径延迟扩展之间的关系，将水下声学通道划分为短延迟场景和长延迟场景，并为每种场景设计了差异化的信道估计方法。所提方法有效缓解了传统方法在信号持续时间短、带宽宽且非平稳条件下的性能限制，显著提升了算法的情景适应能力与估计精度。

（2）提出了适用于短延迟场景的改进互相关模型。在短延迟水下声学通道中，根据多通道接收信号的自相关特性选择互相关模型的测量向量，再根据测量向量的自相关特性优化字典矩阵，从而构建出改进的互相关模型，提高稳定性与估计精度。在此基础上，进一步发展了IOMP算法，以提高稀疏信道估计的精度与鲁棒性。

（3）针对长延迟场景，提出了一种基于源信号重建的信道估计方法。为解决长延迟水下声学通道中互相关模型计算复杂度过高的问题，利用多通道接收信号的互相关与自相关特性，开发了一种源信号估计方法。基于估计得到的源信号，将盲信道估计问题转化为具有已知源信号的信道恢复模型，进而利用OMP算法高效求解，大幅降低计算复杂度。此外，该方法还克服了点击模拟信号缺乏封闭形式表达式这一缺陷，使得源信号重建方法无法应用的局限。

（4）通过数值仿真与实际海上实验，验证了所提方法的有效性。

本文的结构如下：第2节介绍短延迟与长延迟水下声学通道的盲信道估计模型；第3节详细阐述相应的盲信道估计算法；第4节展示仿真与实验结果，以证明所提方法的稳健性与准确性；最后在第5节给出结论。

片段内容：

水下声学通道模型：鲸类和海豚产生的点击声属于持续时间短、带宽宽且具有非平稳特性的信号[37,38]。根据鲸类发声源强度及物种分布范围等因素，选择抹香鲸的点击声[[3], [4], [5], [6]]和领航鲸的点击声[1]作为点击模拟信号。抹香鲸的点击声持续时间通常在3毫秒到30毫秒之间，频率范围大约在500赫兹左右。

信号段提取：准确的信道估计需要从接收信号中提取受多径影响的信号段，并确定信道类型以便选择合适的模型。在短延迟水下声学通道中，由于点击模拟信号的持续时间较短，可直接应用基于动态窗口能量比的点击定位方案[8]来提取受多径影响的信号段。然而，在长延迟水下声学通道中，这种方法可能……

仿真结果：为评估所提盲信道估计方法在不同水下声学通道中对点击模拟信号的估计精度，根据表1中的环境参数，利用Bellhop声学传播模型构建了四种信道场景。相应的信道脉冲响应如图10所示。由于盲反卷积存在两个固有不确定性，因此使用估计得到的信道脉冲响应h^i(n)与真实信道脉冲响应hi(n)之间的相关系数κ作为……

结论：本文提出了一种基于OMP算法的情景自适应盲信道估计方法，专门用于点击模拟信号。根据相邻传播路径之间是否存在超过信号持续时间的延迟间隔，水下声学通道被划分为短延迟场景和长延迟场景，并为每种场景设计了专门的估计方法。对于短延迟通道，将盲信道估计问题转化为……