面向浅水声信道的具有优化初始化的稀疏双模式分数间隔盲均衡

《Measurement》:Sparse dual-mode fractional-spaced blind equalization with optimized initialization for shallow-water acoustic channel

【字体: 大 中 小 】 时间:2026年08月29日 来源:Measurement 6.1

编辑推荐:

   •用于浅水声学信号估计的稀疏双模 FSE 框架。•结合 SEI 归一化的双模自适应改进收敛与跟踪能力。•改进的基于 SSA 的初始化增强稳定性并降低 ISI。引言浅水水下声学信道表现出严重的多径传播、强时变性和带宽受限,导致信号测量和估计存在显著的不确定性 [1], [2]。

  
  • •
    用于浅水声学信号估计的稀疏双模 FSE 框架。
  • •
    结合 SEI 归一化的双模自适应改进收敛与跟踪能力。
  • •
    改进的基于 SSA 的初始化增强稳定性并降低 ISI。

引言

浅水水下声学信道表现出严重的多径传播、强时变性和带宽受限,导致信号测量和估计存在显著的不确定性 [1], [2]。具体而言,在浅水环境中,声学传播受表面和海底反射、折射本征射线以及介质非均匀性的影响。共同作用下,这些因素导致长多径时延扩展和严重的频率选择性衰落 [3]。许多此类信道具有高度稀疏性,信道冲激响应 (CIR) 能量集中在少数主导抽头上,而大多数其他抽头的幅度可忽略不计或接近于零 [4]。这些特征创建了一个高度动态且具有挑战性的传播环境,使得准确的信号估计和恢复变得更加困难。
盲均衡已被广泛用于在不需要训练序列的情况下补偿信道失真,从而在带宽受限的水下声学系统中提高频谱效率和通信可靠性 [5]。为了提高浅水声学信道中的估计性能,现有的盲均衡方法可大致分为四类:经典盲均衡算法、分数间隔均衡技术、稀疏感知均衡方法和基于智能优化的方法。
经典盲均衡算法,如恒模算法 (CMA) [6]、改进恒模算法 (MCMA) [7] 及其变体,在中等色散通信信道中已显示出令人满意的性能。然而,浅水声学信道通常表现出长多径时延扩展、严重的频率选择性衰落和稀疏的信道响应,这显著增加了信号估计的不确定性。在这种条件下,传统的符号间隔盲均衡器往往表现出收敛慢、显著的残余符号间干扰 (ISI) 和有限的跟踪能力。
为了克服这些局限性,研究人员探索了分数间隔均衡结构和各种自适应增强策略。FSE 通过采用过采样提高了对频谱混叠和深度频谱零值的鲁棒性,并已被广泛采用在水下声学通信中 [8], [9]。为了进一步改善收敛行为,开发了多种双模自适应策略,即在初始阶段采用较大的步长,并在收敛后使用较小的步长 [10], [11], [12], [13]。这种方法平衡了收敛速度和准确性。虽然这些方法提高了收敛效率,但分数间隔结构维度的增加使得系数估计对噪声、初始化误差和信道变化更加敏感。
为了利用浅水声学信道的稀疏特性,稀疏感知的自适应滤波技术引起了 considerable 关注 [14], [15], [16]。代表性方法结合 ?0 或 ?1 范数正则化以促进稀疏系数估计并抑制不显著的抽头 [17], [18]。特别是,稀疏分数间隔盲均衡方法通过联合利用水下声学环境中的信道稀疏性和过采样多样性,已显示出改进的性能 [19]。为了进一步改善动态信道中的自适应,基于超指数迭代 (SEI) 的归一化机制已被纳入稀疏自适应滤波框架中,以增强收敛行为和信道跟踪能力 [20], [21]。虽然这些方法有效地减少了冗余的系数更新并提高了估计性能,但它们在快速时变环境中的鲁棒性仍然有限,特别是当均衡器初始化次优时。
为了缓解与初始化相关的问题,智能优化算法最近被引入自适应信号处理中。诸如粒子群优化 (PSO) [22]、灰狼优化 (GWO) [23] 和麻雀搜索算法 (SSA) [24], [25] 的技术已显示出强大的全局搜索能力和改进的收敛行为。这些方法可以有效地改善均衡器初始化并降低收敛到不良局部最优的风险 [26], [27], [28]。
然而,大多数现有研究仅优化盲均衡的一两个方面,如稀疏性利用、自适应跟踪或初始化增强,而它们在浅水水下声学通信中的联合集成仍然有限。因此,在稀疏信道结构、高维均衡参数和快速时变传播环境下实现鲁棒的信号估计仍然是水下声学通信中的一个挑战性问题,如近期研究 [29], [30] 所强调的那样。
受这些挑战的启发,一种统一盲均衡框架,同时利用信道稀疏性、增强信道跟踪能力并改善高维分数间隔均衡器的初始化鲁棒性,在很大程度上仍未被探索。
为解决这一研究空白,本文提出了 ?0-SDMFSE-OI 框架,该框架将稀疏感知估计、结合 SEI 归一化的双模自适应信道跟踪以及智能系数初始化集成到用于浅水水下声学通信的统一分数间隔盲均衡架构中。
我们的主要贡献总结如下:
  • 1.
    开发了一种用于浅水水下声学通信的统一稀疏分数间隔盲均衡框架。通过纳入显式的 ?0 范数稀疏约束,所提出的框架有效地利用了水下声学信道的稀疏多径结构并提高了信号估计效率。
  • 2.
    提出了一种结合 SEI 归一化的双模自适应更新策略,以在快速时变的水下声学信道下共同改善收敛速度、稳态估计精度和信道跟踪能力。
  • 3.
    开发了一种基于 OCCSSA 的面向高维稀疏均衡器的智能初始化策略。通过融合苍鹰启发式的全局探索与柯西变异,所提出的初始化方法增强了全局收敛稳定性并降低了对不利初始系数设置的敏感性。
  • 4.
    在由 BELLHOP 模型生成的代表性浅水声学传播环境下进行了全面仿真。实验结果表明,与几种代表性基准算法相比,所提出的算法实现了更快的收敛、更低的残余 ISI、更强的信道跟踪能力和更好的初始化鲁棒性。
本文其余部分组织如下:第 2 节提出了所提出算法的理论公式和更新规则。第 3 节提供了仿真结果和对比分析。第 4 节总结了本文并讨论了未来研究的方向。

章节摘要

方法论

在浅水环境中接收的信号受到多径传播、多普勒引起的时变和信道稀疏性的失真。从信号测量和估计的角度来看,盲均衡可以被公式化为从高度不确定和高维信道响应中恢复发射信号的问题,而不依赖于训练序列。

仿真环境设置

使用 BELLHOP 声学工具箱 [33] 构建了一个浅水声学环境,整体仿真场景如图 4 所示。BELLHOP 仿真采用了一个代表性的浅水声速剖面,其中在约 60 米深度包含一个过渡层,声速梯度从弱正梯度变为负梯度,如图 5 所示。该剖面隐含地包含了温度和盐度的综合效应

结论

为解决传统分数间隔盲均衡器在稀疏和时变浅水声学信道中的局限性,本文提出了一种 ?0 范数稀疏双模分数间隔盲均衡与优化初始化 (?0-SDMFSE-OI) 算法。通过联合纳入 ?0 范数稀疏约束、结合 SEI 归一化的双模自适应更新策略以及基于 OCCSSA 的智能初始化方案到统一的分数间隔盲

CRediT 作者贡献声明

周满立:撰写 – 初稿,验证,软件,方法论,概念构思。陈宇杰:监督,项目管理,经费获取。王震:形式分析,数据整理。陈晓:可视化,软件。王倩:撰写 – 审阅与编辑,调查。

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系,这些关系可能被认为影响了本论文中报告的工作。

致谢

本研究由 山东省教育厅(项目编号:2024KJN033)、过程工业综合自动化国家重点实验室开放基金(项目编号:SAPI-2025-KFKT-10)、国家自然科学基金(项目编号:62501101, U24A20275)、青岛黄海学院博士研究基金项目(项目编号:2024boshi16)以及 青岛黄海学院人工智能中心基金项目共同支持
周满立 | 陈宇杰 | 王震 | 陈晓 | 王倩
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号