稀疏贝叶斯学习水声信道估计与脉冲噪声抑制方法

作     者：殷敬伟 高新博 韩笑 张晓 王大宇 张锦灿 YIN Jingwei;GAO Xinbo;HAN Xiao;ZHANG Xiao;WANG Dayu;ZHANG Jincan

作者机构：哈尔滨工程大学水声技术重点实验室哈尔滨150001 工业和信息化部海洋信息获取与安全工信部重点实验室(哈尔滨工程大学)哈尔滨150001 哈尔滨工程大学水声工程学院哈尔滨150001 吉林大学计算机科学与技术学院长春130012 中国电子科技集团公司第五十四研究所石家庄050081 

出 版 物：《声学学报》 (Acta Acustica)

年 卷 期：2021年第46卷第6期

页      面：813-824页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082403[工学-水声工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0824[工学-船舶与海洋工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61901136,61631008) 国家重点研发计划项目(2018YFC1405900) 声呐技术重点实验室开放基金项目(6142109KF201802)资助 

主　　题：稀疏贝叶斯学习 水声信道估计 脉冲噪声抑制 归一化均方误差 稀疏水声信道 稀疏特性 信道解码 高斯分布 

摘      要：水声信道具有显著的稀疏特性,利用稀疏贝叶斯学习(SBL)算法能够实现稀疏水声信道的有效估计。针对SBL计算复杂度较高的问题,将广义近似消息传递-稀疏贝叶斯学习(GAMP-SBL)引入水声信道估计。该方法在SBL的框架下结合GAMP以消息传递的方式计算信道冲激响应,能够有效降低SBL的计算复杂度。针对假设背景噪声服从高斯分布的信道估计方法在脉冲噪声环境下性能下降问题,提出了基于GAMP-SBL的脉冲噪声抑制水声信道估计方法:首先利用脉冲噪声时域稀疏特性,采用GAMP-SBL估计脉冲噪声并进行抑制,然后再次利用GAMP-SBL实现水声信道估计.基于第九次北极科考冰下脉冲噪声的两次仿真结果表明,所提出的方法在归一化均方误差上相对于未进行脉冲噪声抑制的GAMP-SBL最大分别降低了18.71%,6.61%,在信道解码前误码率上最大分别降低了1.66%,4.05%,并且相对于Clipping方法更加稳健。在信噪比为20 dB时,误码率可低于10^(-2)。