论文部分内容阅读
水声信道辨识与均衡问题一直是困扰许多水声工作者的难题。本文就浅海环境下的水声信道辨识与均衡技术进行了研究。主要内容和成果有：1、分析了信道辨识与均衡技术的研究现状及其在水声领域的研究现状,介绍了浅海水声信道中辨识与均衡需要的基础知识与难点。2、在浅海水声信道条件下研究了LMS算法和RLS算法,提出了一种改进的判决反馈盲均衡自适应算法。算法将判决反馈均衡算法与常数模盲均衡(CMA)算法相结合,提高了算法性能,辨识与均衡效果更好。通过仿真数据和海试数据对研究的自适应滤波信道辨识与均衡方法进行了验证。基于自适应滤波的三种盲均衡方法在信号传输速率低的情况下均无法辨识出信道,说明窄带信号不能用来辨识信道；在低信噪比条件下均无法辨识出信道；相同条件下,改进的判决反馈盲均衡算法辨识效果最好,RLS算法次之,LMS算法最差。3、研究了三种基于二阶统计量的盲辨识与盲均衡算法：OPDA算法、QR分解算法、子空间跟踪盲均衡算法。对其进行了理论研究、算法改进,并利用典型浅海水声信道仿真数据和实测海试数据进行了验证,结果表明：几种算法都有自身的优点和缺陷,适用场合不同。子空间算法对条件要求比较苛刻,但当满足一定条件后辨识效果最好；OPDA算法的健壮性较好,但辨识效果有限；QR分解算法对样本长度的依赖性最低,收敛速度较快,但对信噪比等条件的适应及辨识效果相对较差；因为子空间跟踪盲均衡算法是由子空间算法演化而来,所以性能类似,都能在一定条件下很好的辨识信道,均衡后得到很好的收敛效果,但其优势在于收敛速度明显较子空间方法有所提高。4、研究分析了浅海多途信号的时频域特性,结合浅海水声信道条件,比较分析了各种线性、非线性时频分析方法,最终选择径向高斯核时频分析方法进行时频域解卷积。提出了基于时频分析与盲源分离结合的水声信道盲均衡与盲辨识方法。针对LFM信号进行了仿真和海试验证,利用时频分析方法完成时频域解卷积,提取了声源信号瞬时频率,进一步实现了声源信号盲估计,并提出了时频域、时域联合解卷的方法,提高了信号估计精度。将盲源分离用于阵列数据预处理,结合提出的时频域、时域联合解卷方法实现了LFM信号的更好估计。