本发明涉及水声通信技术领域，具体的说是一种能根据具体的水声信道包络，自适应调整观察窗口长度的水声通信用可调观察窗口长度的盲均衡检测器。
背景技术：
：
对于数字信息传输，水声信道是最有挑战性的信道之一。在此信道中，多径传输会导致码间干扰(ISI,Intersymbol Interference)，甚至能影响到上百个传输符号，带来严重的频率选择性衰落和信号失真。
ISI会严重影响水声通信的性能。因此，已有研发了多种不同的均衡技术，用以消除ISI。现有的均衡技术中，大部分工作于传统的模式，需要训练序列对均衡器的抽头系数进行自适应调整，基于最小均方误差(MMSE,Minimum Mean Square Error)标准实现，直到算法收敛。观察窗口长度(OWL,Observation Window Length)是影响均衡检测器(ED,Equalization Detector)性能的重要参数。在最优化配置ED的过程中，主要挑战之一就是OWL的选择。文献N.Al-Dhahir and J.M.Cioffi,“MMSE decision-feedback equalizers:Finite-length results,”IEEE Trans.Inf.Theory,vol.41,no.4,pp.961–975,Jul.1995.以及N.Al-Dhahir and A.H.Sayed,“Thefinite-length multi-input multi-outputMMSE-DFE,”IEEE Trans.Signal Process.,vol.48,no.10,pp.2921–2936,Oct.2000.中已充分分析研究了基于MMSE标准的均衡性能，结果表明均衡检测器中的观察窗口长度会给检测器性能带来严重影响。之后，针对此问题，提出了多种可调观察窗口方案。然而，这些工作固有地假设观察时间是无限长的，但在非平稳信道中，情况并不是这样，只有有限数量的稳态观测值可用于均衡检测器抽头向量的自适应调整。在实际的水声环境中，稳态观测量是有限的，而且常常受到限制。信道的时变性限制了可大致认为信道条件不变的某一时间间隔内，能获得的稳态观测值数量。但盲均衡检测器(BED,Blind Equalization Detector)提供了一种可能的解决方法。在BED中，并不需要训练序列，而是用发送信号统计的先验知识来恢复发送的信号。其中，常数模算法(CMA,Constant Modulus Algorithm)和多模算法(MMA,Multimodulus Algorithm)是使用的最为广泛的盲均衡算法。与CMA算法相比，在MMA算法中，盲均衡和载波相位恢复可同时联合实现，排除了在稳态状态下执行分离星座-相位恢复，对旋转器的需要。然而，在所有以前BED的构想中，BED的OWL均假设为固定的。然而，在许多的应用中，确定一个好的OWL是十分困难的。而且，如果OWL太长，会增加检测器的计算复杂度；如果OWL太短，实现的均衡性能会收到影响。因此，为了获得更好的均衡性能，BED需要具备根据具体水声信道包络，自适应调整OWL的能力。现阶段仍缺乏对BED观察窗口长度调整的研究出现。
技术实现要素：
：
本发明针对现有技术中存在的缺点和不足，提出了能根据具体的水声信道包络，自适应调整观察窗口长度的水声通信用可调观察窗口长度的盲均衡检测器。
本发明可以通过以下措施达到：
一种水声通信用可调观察窗口长度的盲均衡检测器，其特征在于
首先在点对点水声通信系统，将连续发送的数据流表示为：
其中，d(j)表示等概无关的正交幅度调制数据，T是符号持续时间，g(t)表示发送波形的脉冲形状，通过水声信道之后的基带接收信号表示为
r(t)＝s(t)*h(t)+n(t) (2)
其中*表示卷积，n(t)为加性高斯白噪声，均值为零，方差为N0，h(t)表示水声信道的冲激相应，由BELLHOP水声信道模型获得；
通过使用同相和正交相位振荡器混频器与低通滤波器LPF，将接收信号变换到复数基带之后，使用符号间隔采样获得的信号，并将其作为盲均衡检测器的输入；盲均衡检测器BED采用符号间隔线性滤波器结构，该检测器将直接处理采样信号，采样周期为Ts，对BED来说，输入信号是r(n)，在该检测器中，由r(n)构成的信号向量表示为
u(n)＝[r(n-1),r(n-2),…,r(n-L)] (3)
其中，L为OWL，相应的抽头系数向量由下式表示
c(n)＝[cn1,cn2,…,cnL] (4)
MMA算法的代价函数表示为
其中yR(n)andyI(n)分别表示BED输出的实部和虚部部分；
R2,R和R2,I分别由和计算得出，式中的dR(n)和dI(n)分别表示d(n)的实部和虚部，BED的最优通过最小化误差e(n)的MSE实现，e(n)在直接判决模式中由BED的输出和发送信号的信号统计之间的不同得出，由下式表示
e(n)＝eR(n)+jeI(n) (6)
其中
MSE最小化使用基于随机梯度的迭代算法简化，该最小化问题使用归一化最小均方算法解决
其中，c(n)表示BED的复值抽头系数向量，长度为L，0＜μ＜2，ε是一个大于零的小数，其目的是防止接近于零时的数值计算问题；
不同OWL下，BED的不同输出y(n)用公式(6)计算相应的误差信号e(n)，该误差信号在平方和平均处理之后，获得针对每一个OWL下BED的一个输出MSE量度标准
为了避免除法的重复计算，采用累计均方误差ASE作为衡量标准，调整BED的OWL，对每一个OWL，ASE定义为
针对每一个OWL，检测器中用以计算ASE的输入序列长度设置为Nt，理想地，每一个ASE(n)将小于之前的累计均方误差
ASEL(n)＜ASEL-1(n) (12)
其中
其中，γ为遗忘因子，γ≤1，其将对之前采样信号的相对重要性进行加权；yk,M(i)表示在第M段输入序列中BED的第i个输出，k∈{R,I}，ASEM(n)为相应于第M段输入序列的ASE；
BED的OWL的调整过程如下所示：
如果ASEL(n)≤αupASEL-1(n)增加p个抽头
u'(n)＝[r(n-1+p)…,r(n-1),r(n-2),…,r(n-L-p)] (15)
如果ASEL(n)≥αdownASEL-1(n)减少p个抽头
u”(n)＝[r(n-1-p),r(n-2-p),…,r(n-L+p)] (18)
c”(n)＝[cn(1+p),cn(2+p),…,cn(L-p)] (19)
其中，αdown需要满足αdown≤1，αup和αdown应当满足αup≤αdown。
本发明中αup和αdown的功能是确定对检测器观察窗口长度增加和减少的调整次数，αup和αdown值的大小越接近，检测器调整OWL的次数越频繁。
本发明中OWL是影响BED复杂度的重要参数，随着OWL的增加，计算复杂度相应地增加，对AOWL-BED来说，OWL的调整仅仅需要乘法、加法和减法操作，因此，对某一个分段输入序列，当AOWL-BED和FOWL-BED采用相同的OWL时，由OWL调整带来的复杂度增加是有限的。
本发明与现有技术相比，能根据具体的水声信道包络自适应调整OWL，此外，本发明提出的检测器基于盲均衡算法实现，并不需要训练序列，能提高传输效率，更适合于实际的水声通信系统。
附图说明：
附图1是本发明的结构示意图。
附图2是本发明实施例中SNR＝15dB时，不同OWL下FOWL-BED的SMSE性能曲线图。
附图3是本发明实施例中SNR＝15dB时，AOWL-BED的OWL进化曲线。
附图4是本发明实施例中AOWL-BED和FOWL-BED的BER性能比较曲线图。附图5是本发明实施例中SNR＝15dB时，AOWL-BED and FOWL-BED的收敛性能比较示意图。
具体实施方式：
下面结合实施例，对本发明作进一步的说明。
本发明提出了一种水声通信用可调观察窗口长度的盲均衡检测器，其中针对一个点对点水声通信系统，连续发送的数据流可表示为
其中，d(j)表示等概无关的正交幅度调制(QAM,Quadrature Amplitude Modulation)数据，T是符号持续时间；g(t)表示发送波形的脉冲形状。通过水声信道之后的基带接收信号可表示为
r(t)＝s(t)*h(t)+n(t) (2)
其中*表示卷积，n(t)为加性高斯白噪声(AWGN,Additive White Gaussian Noise),均值为零，方差为N0；h(t)表示水声信道的冲激相应，可由BELLHOP水声信道模型获得；
通过使用同相和正交相位振荡器混频器与低通滤波器(LPF,Lowpass Filter)，将接收信号变换到复数基带之后，使用符号间隔采样获得的信号，并将其作为盲均衡检测器的输入；所述BED采用符号间隔线性滤波器结构，该检测器将直接处理采样信号，采样周期为Ts；对BED来说，输入信号是r(n)；在该检测器中，由r(n)构成的信号向量可表示为
u(n)＝[r(n-1),r(n-2),…,r(n-L)] (3)
其中，L为OWL。相应的抽头系数向量可由下式表示
c(n)＝[cn1,cn2,…,cnL] (4)
其中，c(n)的初始值为
本发明所提出的AOWL-BED如下：
固定观察窗口长度(FOWL,Fixed Observation Window Length)BED的结构如图1所示。MMA算法的代价函数可表示为
其中yR(n)andyI(n)分别表示BED输出的实部和虚部部分；R2,R和R2,I可分别由和计算得出，式中的dR(n)和dI(n)分别表示d(n)的实部和虚部；BED的最优可通过最小化误差e(n)的MSE实现，e(n)在直接判决模式中由BED的输出和发送信号的信号统计之间的不同得出，可由下式表示
e(n)＝eR(n)+jeI(n) (6)
其中
MSE最小化可使用基于随机梯度的迭代算法简化。该最小化问题可使用归一化最小均方(NLMS,Normalized Least Mean Square)算法解决
其中，c(n)表示BED的复值抽头系数向量，长度为L，0＜μ＜2，ε是一个大于零的小数，其目的是防止接近于零时的数值计算问题。
本发明提出的AOWL-BED如下：
不同OWL下，BED的不同输出y(n)可用公式(6)计算相应的误差信号e(n)。该明显的误差信号可在平方和平均处理之后，获得针对每一个OWL下BED的一个输出MSE量度标准
为了避免除法的重复计算，拟采用累计均方误差(ASE,Accumulated Squared Error)作为衡量标准，调整BED的OWL，对每一个OWL，ASE可定义为
针对每一个OWL，检测器中用以计算ASE的输入序列长度设置为Nt。理想地，每一个ASE(n)将小于之前的累计均方误差
ASEL(n)＜ASEL-1(n) (12)
其中
其中，γ为遗忘因子，γ≤1，其将对之前采样信号的相对重要性进行加权。yk,M(i)表示在第M段输入序列中BED的第i个输出，k∈{R,I}。ASEM(n)为相应于第M段输入序列的ASE。
BED的OWL的调整过程如下所示：
如果ASEL(n)≤αupASEL-1(n)增加p个抽头
u'(n)＝[r(n-1+p)…,r(n-1),r(n-2),…,r(n-L-p)] (15)
如果ASEL(n)≥αdownASEL-1(n)减少p个抽头
u”(n)＝[r(n-1-p),r(n-2-p),…,r(n-L+p)] (18)
c”(n)＝[cn(1+p),cn(2+p),…,cn(L-p)] (19)
其中，αdown需要满足αdown≤1，αup和αdown应当满足αup≤αdown。αup和αdown的功能是确定对检测器观察窗口长度增加和减少的调整次数。αup和αdown值的大小越接近，检测器调整OWL的次数越频繁。此外，值得注意的是OWL是影响BED复杂度的重要参数，随着OWL的增加，计算复杂度相应地增加。对AOWL-BED来说，OWL的调整仅仅需要乘法、加法和减法操作。因此，对某一个分段输入序列，当AOWL-BED和FOWL-BED采用相同的OWL时，由OWL调整带来的复杂度增加是有限的。
实施例：
基于BELLHOP水声信道模型，建立蒙特卡洛仿真以评估系统性能，在该模型中，载波频率为12KHz，发射机和接收机间的距离设为200米，发射机和接收机均位于水面以下10米，浪高设为0.2米，假设信息比特帧长为500，调制模式为4-QAM。对FOWL-BED来说，OWL设为7，在AOWL-BED中，OWL增量p设为2，初始OWL为1，用以计算ASE的每一段输入序列的长度Nt为10。
关于自适应OWL调整的验证：
首先，采用仿真的方式，针对一个具体的水声信道实现，获得最优的OWL。该具体的水声信道由BELLHOP水声信道模型获得，图2给出了OWL对稳态均方误差(SMSE,Steady-State Mean Square Error)的影响，曲线上每个点由平均每一个数据包下的SMSE得出，输出SMSE可在盲均衡算法收敛之后由计算得出。由图2可见，OWL是一个影响BED检测性能的重要参数；考虑检测器的实现复杂度，最优OWL定义为能获得逼近最优SMSE性能，所需的最小OWL，从图2可以看出，当OWL设置为13-20左右时，检测器的SMSE值接近于最优值，根据最优OWL的定义，最优观察窗口长度为13。
接下来，评估所提检测器的OWL调整能力，OWL进化曲线由平均每一个数据包下的OWL进化曲线得出。图3给出了AOWL-BED的OWL调整曲线。在(13)和(14)中，γ设为0.999。在(9)、(17)和(20)中，μ和ε分别设置为0.25和0.6。αup设为0.98，αdown为0.989。对于图2中使用的相同水声信道实现，由图3可以看出，AOWL-BED的OWL能最终收敛于图2所示的最优OWL。根据上述结果，证明了所提出的检测器能根据具体的水声信道包络，自适应地调整检测器的OWL。
关于BER和收敛性能比较：
在本节中，将比较不同方法的误码率(BER,Bit Error Rate)和收敛性能。为了比较这两个性能，蒙特卡洛仿真基于BELLHOP模型建立。BER和收敛曲线以平均500个数据包下的BER和收敛曲线得出。
在图4中，检验了不同方法的BER性能。由图4可以看出，AOWL-BED能比FOWL-BED获得更好的BED性能。这是因为OWL是一个影响BER性能的重要参数，提出的AOWL-BED能根据具体的水声信道包络自适应地调整检测器的OWL。
图5给出了AOWL-BED和FOWL-BED的收敛性能比较。由图5可以看出，AOWL-BED和FOWL-BED能获得接近的收敛速率，但AOWL-BED能比FOWL-BED获得更小的SMSE。这是因为OWL是影响SMSE性能的重要参数，AOWL-BED能自适应调整检测器的OWL。
本发明提出了一种AOWL-BED，该检测器能根据具体的水声信道包络，自适应调整检测器的OWL。此外，该检测器基于盲均衡算法实现，并不需要训练序列的辅助，因此，可大大改善系统的传输效率。仿真结果验证了AOWL-BED的OWL调整能力，也说明了该检测器能比现有方法取得更好的性能。