稀疏信道下基于累積相關(guān)系數(shù)的水聲前導(dǎo)信號(hào)檢測(cè)方法與流程

本發(fā)明涉及水聲通信系統(tǒng)技術(shù)領(lǐng)域，尤其涉及一種稀疏信道下的水聲前導(dǎo)信號(hào)檢測(cè)方法。

背景技術(shù)：

在傳輸大量數(shù)據(jù)流之前，通常都會(huì)發(fā)送一個(gè)用于輔助接收器檢測(cè)傳輸數(shù)據(jù)的前導(dǎo)信號(hào)，這個(gè)前導(dǎo)信號(hào)會(huì)使接收器從一種潛在低功耗模式轉(zhuǎn)入到一種高功耗的數(shù)據(jù)處理模式。前導(dǎo)信號(hào)的誤檢可能會(huì)縮短接收器電池壽命。同時(shí)，隨著水下網(wǎng)絡(luò)不斷發(fā)展其應(yīng)用范圍越來(lái)越廣，不同系統(tǒng)的共存問(wèn)題日益凸顯。而不同水下系統(tǒng)的共存要求接收機(jī)能夠不被來(lái)自于其它系統(tǒng)的信號(hào)觸發(fā)。

然而，水聲系統(tǒng)中的前導(dǎo)信號(hào)檢測(cè)在以下兩個(gè)方面挑戰(zhàn)。首先，實(shí)際系統(tǒng)中水下背景噪聲是時(shí)變的非平穩(wěn)的，并且存在著各種各樣外界干擾：窄帶干擾、沖激噪聲、短時(shí)帶限干擾等。(其中尤為有害的干擾是來(lái)自于共存聲吶或通信系統(tǒng)中的類似的線性調(diào)頻信號(hào)，因?yàn)轭愃凭€性調(diào)頻信號(hào)往往具有很大相關(guān)性。)其次，水聲信道具有復(fù)雜的多徑結(jié)構(gòu)。

現(xiàn)有水聲前導(dǎo)信號(hào)技術(shù)一般都是基于匹配濾波器的檢測(cè)方法，主要有以下幾種：

1.匹配濾波器(mf)：將本地信號(hào)與接收信號(hào)進(jìn)行卷積，進(jìn)而得到接收信號(hào)與已知前導(dǎo)信號(hào)的相關(guān)值用于表征相似性并與門(mén)限值進(jìn)行比較，以此進(jìn)行信號(hào)檢測(cè)。匹配濾波器是在加性高斯白噪聲下最大化輸出snr的最優(yōu)線性濾波器。

2.累積和檢驗(yàn)算法(pagetest)：首先對(duì)噪聲方差進(jìn)行估計(jì)，借此對(duì)匹配濾波器輸出值進(jìn)行歸一化。其次將歸一化值進(jìn)行數(shù)據(jù)偏移并且對(duì)多條路徑的歸一化偏移值進(jìn)行累加，提高檢測(cè)能力。pagetest算法明確考慮到海洋環(huán)境的非平穩(wěn)性，且該算法復(fù)雜度較低。

3.歸一化匹配濾波器(nmf)：在匹配濾波器基礎(chǔ)上歸一化輸入功率，計(jì)算輸入樣本與本地模板之間的相關(guān)系數(shù)并與門(mén)限值進(jìn)行比較，以此進(jìn)行信號(hào)檢測(cè)。nmf方法在干擾噪聲能量較大時(shí)能夠有效的抑制噪聲幅度從而取得較為理想的檢測(cè)效果。

然而以上基于匹配濾波器的算法都存在著各種各樣的問(wèn)題。其中mf算法，水下多徑信道會(huì)導(dǎo)致模板不匹配，除此之外水下環(huán)境噪聲是不穩(wěn)定的還存在各種各樣外部噪聲。這使得接收器選擇適當(dāng)?shù)拈T(mén)限值變得更加復(fù)雜；pagetest算法，當(dāng)干擾時(shí)長(zhǎng)較短且頻帶與雙曲調(diào)頻信號(hào)(hfm)/線性調(diào)頻信號(hào)(lfm)有重疊時(shí)，該算法受影響嚴(yán)重，檢測(cè)性能不理想；nmf算法沒(méi)有考慮到多徑問(wèn)題，其性能在密集的多徑信道中會(huì)顯著惡化。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，提出了一種稀疏信道下基于累積相關(guān)系數(shù)(acc)的水聲前導(dǎo)信號(hào)檢測(cè)方法，應(yīng)用于稀疏信道下的水聲通信系統(tǒng)，降低前導(dǎo)信號(hào)誤檢率，提高檢測(cè)率，提高系統(tǒng)的檢測(cè)性能，提高系統(tǒng)通信效率。本發(fā)明通過(guò)稀疏信號(hào)重構(gòu)以及omp算法，利用信號(hào)的重構(gòu)過(guò)程實(shí)現(xiàn)稀疏信道主要路徑的分離，并計(jì)算各個(gè)路徑信號(hào)與發(fā)射信號(hào)的相關(guān)度，累加得到的相關(guān)系數(shù)并以此進(jìn)行前導(dǎo)信號(hào)檢測(cè)，可應(yīng)用與水聲通信、水聲定位跟蹤、軍事、航海遠(yuǎn)洋、雷達(dá)、聲納中。

為達(dá)上述目的，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種稀疏信道下基于累積相關(guān)系數(shù)(acc)的水聲前導(dǎo)信號(hào)檢測(cè)方法，包括：

步驟1、頻帶搬移及采樣：首先將接收到的帶通信號(hào)進(jìn)行頻率搬移得到基帶信號(hào)x(t)，然后對(duì)基帶信號(hào)x(t)以基帶采樣率b進(jìn)行采樣，其中b為指定帶寬，采樣間隔為ts＝1/b；

步驟2、塊檢測(cè)：在n時(shí)刻取n個(gè)連續(xù)接受樣本組成數(shù)據(jù)塊x[n]，

x[n]＝[x[n-n+1],···,x[n]]^h,

其中x[n]∈c^n×1，并且塊大小n大于模板大小nt，nt＝信號(hào)時(shí)長(zhǎng)t/采樣間隔ts；對(duì)每個(gè)數(shù)據(jù)塊進(jìn)行檢測(cè)，利用字典矩陣φ對(duì)檢測(cè)數(shù)據(jù)塊x[n]進(jìn)行omp信號(hào)重構(gòu)；

步驟3、初始化殘差、索引集：假設(shè)信道稀疏度為k，則需要在字典矩陣中找到k個(gè)字典條目組成索引向量集合用于信號(hào)重構(gòu)。首先用觀測(cè)量初始化殘差量r0＝x[n]，并初始化索引集為空集，令迭代計(jì)數(shù)器i＝0，所述觀測(cè)量即檢測(cè)塊；

步驟4、找到相關(guān)路徑，索引字典條目，找到索引值ti，更新索引集；

步驟5、剔除相關(guān)路徑，估計(jì)信號(hào)并更新殘差；在經(jīng)歷有限次迭代后，執(zhí)行步驟6；否則，設(shè)置i＝i+1并返回步驟4；

步驟6、把相關(guān)系數(shù)進(jìn)行累加作為檢驗(yàn)統(tǒng)計(jì)量：對(duì)每次迭代得到的殘差信號(hào)ri-1，可計(jì)算其與接收信號(hào)的相關(guān)系數(shù)：

累積k條主要路徑的相關(guān)系數(shù)作為檢測(cè)量來(lái)判定前導(dǎo)信號(hào)檢測(cè)結(jié)果，若表明檢測(cè)到信號(hào)，若表明未檢測(cè)到信號(hào)，其中γacc為檢測(cè)門(mén)限值；到此，一個(gè)數(shù)據(jù)塊樣本檢測(cè)完成；

步驟7、窗口滑動(dòng)，檢測(cè)下一個(gè)數(shù)據(jù)塊。

進(jìn)一步地，為降低其計(jì)算復(fù)雜度，利用兩步實(shí)現(xiàn)法借助nmf來(lái)實(shí)現(xiàn)所述檢測(cè)方法，設(shè)置歸一化匹配濾波門(mén)限hnmf以及累積相關(guān)系數(shù)門(mén)限γacc，具體實(shí)現(xiàn)步驟如下：

a)設(shè)置滑動(dòng)窗口計(jì)數(shù)器w＝1；

b)假設(shè)窗口長(zhǎng)度n為偶數(shù)，那么當(dāng)對(duì)第n個(gè)檢測(cè)塊進(jìn)行檢測(cè)時(shí)，初始化殘

差如下：

r0＝[x((w-1)n/2+1)x((w-1)n/2+2)…x((w-1)n/2+n)]^h；

c)同所述步驟4并按照上述步驟6中的公式計(jì)算

d)若判斷未發(fā)送信號(hào)，且w＝w+1,，滑動(dòng)窗口對(duì)下一個(gè)檢測(cè)塊進(jìn)行

檢測(cè)，同時(shí)返回步驟b，否則繼續(xù)，執(zhí)行步驟e；

e)～h)同所述步驟3-步驟6，計(jì)算

i)若判斷沒(méi)有信號(hào)發(fā)送；否則，判斷有信號(hào)發(fā)送，并且w＝w+1，

返回步驟b)繼續(xù)對(duì)下一個(gè)數(shù)據(jù)塊進(jìn)行檢測(cè)。

進(jìn)一步地，所述步驟4以貪婪的方式在字典矩陣中選擇列向量，在每次迭代中，選擇與x[n]剩余部分最為相關(guān)的列向量；為了找到最為相關(guān)的列向量，則需解決以下優(yōu)化問(wèn)題：

其中ti表示本次迭代中選擇的字典條目在字典矩陣中的列標(biāo)；選定字典條目后，將向量添加到向量集合中，并更新索引集：ωi＝ωi-1∪ti

進(jìn)一步地，步驟5中利用更新后的列向量集合求解以下最小二乘問(wèn)題得到本次迭代的估計(jì)信號(hào)：

更新信號(hào)殘差并估計(jì)信號(hào)：

進(jìn)一步地，步驟5的停止準(zhǔn)則替換為相對(duì)擬合誤差準(zhǔn)則。

本發(fā)明的有益效果是：本發(fā)明是基于水下信道固有稀疏特性的新型檢測(cè)技術(shù)，即nmf-acc技術(shù)。該技術(shù)利用信號(hào)的重構(gòu)過(guò)程實(shí)現(xiàn)稀疏信道主要路徑的分離，并計(jì)算各個(gè)路徑信號(hào)與發(fā)射信號(hào)的相關(guān)度，累加得到的相關(guān)系數(shù)并以此進(jìn)行前導(dǎo)信號(hào)檢測(cè)。該技術(shù)相較于現(xiàn)有技術(shù)有以下優(yōu)點(diǎn)：1.本發(fā)明在加性高斯白噪聲以及不同類型干擾下都具有很強(qiáng)的魯棒性；2.相較于基于匹配濾波器的檢測(cè)技術(shù)，本發(fā)明在多徑信道下有較好的檢測(cè)性能；3.相較于其它現(xiàn)有技術(shù)，本發(fā)明在復(fù)雜多變的實(shí)際水下環(huán)境中表現(xiàn)出較為理想的檢測(cè)性能。

附圖說(shuō)明

圖1是滑動(dòng)窗口示意圖；

圖2是高斯白噪聲下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-13db)；

圖3是窄帶干擾下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-12db)；

圖4是短時(shí)帶限干擾下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-13db)；

圖5(a)是類似調(diào)頻干擾hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(蒙特卡洛仿真5000次，snr＝-2db，inr＝1db，干擾時(shí)長(zhǎng)＝90ms)；

圖5(b)是類似調(diào)頻干擾hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(蒙特卡洛仿真5000次，snr＝-3db，inr＝3db，干擾時(shí)長(zhǎng)＝90ms)；

圖6是沖激干擾下前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-12db)；

圖7是沖激干擾下前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-13db)；

圖8是不同多徑條數(shù)下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(snr＝-13db)；

圖9是短時(shí)帶限干擾下下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(實(shí)驗(yàn)數(shù)據(jù))；

圖10是上行掃頻干擾hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(實(shí)驗(yàn)數(shù)據(jù))；

圖11是下行掃頻干擾hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(實(shí)驗(yàn)數(shù)據(jù))；

圖12是沖擊干擾下hfm前導(dǎo)信號(hào)檢測(cè)roc曲線(實(shí)驗(yàn)數(shù)據(jù))。

具體實(shí)施方案

下面通過(guò)具體實(shí)施方式結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。

基于背景技術(shù)中對(duì)現(xiàn)有技術(shù)的分析，現(xiàn)有技術(shù)和現(xiàn)在的研究都沒(méi)有考慮到水下信道各種外界干擾及其復(fù)雜的多徑結(jié)構(gòu)。本發(fā)明基于水下信道具有稀疏特性這一前提假設(shè)進(jìn)行。稀疏信道估計(jì)已被成功的應(yīng)用于單載波與多載波水下傳輸?shù)耐ㄐ沤邮諜C(jī)設(shè)計(jì)中，正交匹配追蹤(omp)算法是一種簡(jiǎn)單且有效地追蹤算法。本發(fā)明采用信道估計(jì)方法，借助信號(hào)的重構(gòu)進(jìn)行水聲通信中的前導(dǎo)信號(hào)檢測(cè)(注：相似方法僅被嘗試用于無(wú)干擾條件的無(wú)線信道)。

相較于基于匹配濾波器的接收技術(shù)，累積相關(guān)系數(shù)(accumulatedcorrelationcoefficientsacc)技術(shù)不但充分考慮了水聲信道的多徑效應(yīng)，而且它充分利用各個(gè)路徑與接收信號(hào)的相關(guān)度來(lái)實(shí)現(xiàn)前導(dǎo)信號(hào)的精確檢測(cè)。累積相關(guān)系數(shù)技術(shù)借助信號(hào)的重構(gòu)過(guò)程實(shí)現(xiàn)稀疏信道中幾條主要路徑的分離。在整個(gè)過(guò)程中，殘差信號(hào)的每一次更新都表征著一條主要路徑的剔除與分離。累積相關(guān)系數(shù)技術(shù)計(jì)算了每條被剔除路徑與接收信號(hào)的相關(guān)系數(shù)，并對(duì)幾條主要路徑的相關(guān)系數(shù)進(jìn)行累加，以此作為檢測(cè)量進(jìn)行檢測(cè)。而每個(gè)相關(guān)系數(shù)的計(jì)算過(guò)程與已有歸一化匹配濾波檢測(cè)技術(shù)類似，因此本發(fā)明的實(shí)現(xiàn)可借助歸一化匹配濾波技術(shù)來(lái)實(shí)現(xiàn)。

累積相關(guān)系數(shù)技術(shù)介紹

接收端接收到的信號(hào)實(shí)際上是經(jīng)頻率搬移后的帶通信號(hào)。由于hfm或lfm波形對(duì)多普勒不敏感，因此經(jīng)常被用做前導(dǎo)信號(hào)。用s～(t)和s(t)分別表示通帶與基帶中的前導(dǎo)信號(hào)，fc表示載頻，因此有

其中參數(shù)k、b為：

式中t為信號(hào)時(shí)長(zhǎng)。由上式可知，lfm瞬時(shí)頻率可表示為f(t)＝f1+kt，并且滿足f(0)＝f1，f(t)＝f2；hfm瞬時(shí)頻率可表示為并且滿足f(0)＝f1，f(t)＝f2。對(duì)于lfm與hfm，當(dāng)f2＞f1，為向上掃描的lfm或hfm，當(dāng)f1＞f2，為向下掃描。

基帶lfm或hfm波形可表示為：

本發(fā)明采用的時(shí)變水聲信道可表示為：

其中npa表示多徑條數(shù)，ap，τp以及ap分別表示第p條路徑的幅度、時(shí)延以及多普勒量級(jí)(時(shí)間擴(kuò)張)。由于lfm波形對(duì)多普勒壓縮或擴(kuò)張不敏感，因此可以忽略多普勒影響從而采用以下更為簡(jiǎn)單的信道模型，如下：

經(jīng)過(guò)信道傳播后，接受到的帶通信號(hào)為：

其中*表示卷積，為環(huán)境噪聲，為外界干擾。

本發(fā)明的稀疏信道下基于累積相關(guān)系數(shù)(acc)的水聲前導(dǎo)信號(hào)檢測(cè)方法的實(shí)現(xiàn)步驟如下所示：

步驟1：頻帶搬移及采樣

首先將接收到的帶通信號(hào)進(jìn)行頻率搬移得到基帶信號(hào)x(t)：

其中*表示卷積。然后對(duì)基帶信號(hào)x(t)以基帶采樣率b進(jìn)行采樣，其中b為指定帶寬。此時(shí)采樣間隔為ts＝1/b，則接收機(jī)接收的傳入樣本x[n]為：

步驟2：塊檢測(cè)

在n時(shí)刻取n個(gè)連續(xù)接受樣本組成數(shù)據(jù)塊x[n]，

x[n]＝[x[n-n+1],···,x[n]]^h,(12)其中x[n]∈c^n×1，并且塊大小n大于模板大小nt(nt＝信號(hào)時(shí)長(zhǎng)t/采樣間隔ts)。

理論分析：本發(fā)明根據(jù)發(fā)送信號(hào)模型s[n]構(gòu)造字典矩陣φ，其中

s＝[s[0],...,s[nt-1]]^h，(14)

φ＝[φ0,φ1,...,φd-1],(16)

其中，s(t)為發(fā)送信號(hào)，ts為基帶采樣間隔，φl(shuí)∈c^n×1為信號(hào)s的第l個(gè)延遲副本(l＝0、1…d-1)，d＝n-nt為最大延遲，φ∈c^n×d為字典矩陣。

本發(fā)明對(duì)每個(gè)數(shù)據(jù)塊進(jìn)行檢測(cè)，首先利用字典矩陣φ對(duì)檢測(cè)數(shù)據(jù)塊x[n]進(jìn)行omp信號(hào)重構(gòu)，顯然當(dāng)沒(méi)有前導(dǎo)信號(hào)發(fā)送時(shí)，檢測(cè)數(shù)據(jù)塊x[n]與傳輸信號(hào)無(wú)關(guān)；當(dāng)有前導(dǎo)信號(hào)發(fā)送時(shí)，檢測(cè)數(shù)據(jù)塊x[n]則包含lfm/hfm模板信號(hào)s[n]。此時(shí)接收信號(hào)x[n]可表示為

x[n]＝φξ[n]+ν[n](17)

ξ[n]＝[ξ0[n],...,ξd-1[n]]^h,(18)

其中，ξl表示第l個(gè)延遲副本所對(duì)應(yīng)的信道相關(guān)系數(shù)，v[n]表示水下各種干擾與噪聲。而信號(hào)的重構(gòu)過(guò)程即在字典矩陣中找到若干個(gè)列向量組成接收數(shù)據(jù)塊向量x[n]的過(guò)程。

步驟3：初始化殘差、索引集

采用omp對(duì)每個(gè)數(shù)據(jù)塊進(jìn)行信號(hào)重構(gòu)，需要確定矩陣φ中的哪些列向量組成了本次觀測(cè)向量x[n]。假設(shè)信道稀疏度為k，則需要在字典矩陣中找到k個(gè)字典條目組成索引向量集合用于信號(hào)重構(gòu)。首先用觀測(cè)量(檢測(cè)塊)初始化殘差量r0＝x[n]，并初始化索引集(空集)，(空集)，令迭代計(jì)數(shù)器i＝0(表示索引次數(shù))。

步驟4：找到相關(guān)路徑，索引字典條目，找到索引值ti，更新索引集

本發(fā)明的主要思想是以貪婪的方式在字典矩陣中選擇列向量。在每次迭代中，選擇與x[n]剩余部分最為相關(guān)的列向量。為了找到最為相關(guān)的列向量，則需解決以下優(yōu)化問(wèn)題：

其中ti表示本次迭代中選擇的字典條目在字典矩陣中的列標(biāo)。選定字典條目后，將向量添加到向量集合中，并更新索引集：ωi＝ωi-1∪ti。

步驟5：剔除相關(guān)路徑，估計(jì)信號(hào)并更新殘差

利用更新后的列向量集合求解以下最小二乘問(wèn)題得到本次迭代的估計(jì)信號(hào)。

更新信號(hào)殘差并估計(jì)信號(hào)：

本發(fā)明在經(jīng)歷有限次迭代(k次)后停止，得到執(zhí)行步驟6(注意：可以使用其它停止準(zhǔn)則，如相對(duì)擬合誤差準(zhǔn)則)。否則，設(shè)置i＝i+1并返回步驟4。

步驟6：把相關(guān)系數(shù)進(jìn)行累加作為檢驗(yàn)統(tǒng)計(jì)量

累積相關(guān)系數(shù)(acc)技術(shù)充分利用了稀疏信道的稀疏性與線性。該技術(shù)以貪婪的方式在每次迭代過(guò)程中選擇字典矩陣φ中與殘差信號(hào)ri最相關(guān)的字典條目，然后更新殘差信號(hào)，從殘差中剔除相關(guān)路徑的貢獻(xiàn)。由于每次迭代過(guò)程都會(huì)將來(lái)自某條路徑的貢獻(xiàn)剔除，這樣就減少了多徑信號(hào)之間的相互干擾。殘差信號(hào)ri的更新過(guò)程表征k條相關(guān)路徑的分離過(guò)程。對(duì)每條相關(guān)路徑進(jìn)行單獨(dú)處理并進(jìn)行累計(jì)疊加，這樣可以兼顧每條路徑信號(hào)的數(shù)據(jù)處理以及多徑效應(yīng)。

對(duì)每次迭代得到的殘差信號(hào)ri-1，可計(jì)算其與接收信號(hào)的相關(guān)系數(shù)如下：

累積k條主要路徑的相關(guān)系數(shù)作為檢測(cè)量來(lái)判定前導(dǎo)信號(hào)檢測(cè)結(jié)果。若表明檢測(cè)到信號(hào)，若表明未檢測(cè)到信號(hào)，其中γacc為檢測(cè)門(mén)限值。到此，一個(gè)數(shù)據(jù)塊樣本檢測(cè)完成。(本發(fā)明需要由用戶指定兩個(gè)參數(shù)信道稀疏度k和檢測(cè)門(mén)限γacc)。

理論分析：通過(guò)分析可知累積相關(guān)系數(shù)的計(jì)算類似于歸一化匹配濾波技術(shù)。第i條主要路徑的相關(guān)系數(shù)的分母部分相當(dāng)于第i條路徑信號(hào)與信號(hào)的匹配過(guò)程，而分母部分則表征匹配輸出的能量歸一化?？上攵?，當(dāng)信道稀疏度k＝1時(shí)，累加相關(guān)系數(shù)技術(shù)(acc)與歸一化匹配濾波檢測(cè)技術(shù)無(wú)異。通過(guò)分析可知，累積相關(guān)系數(shù)(acc)技術(shù)通過(guò)信號(hào)重構(gòu)將稀疏信道k條主要路徑分離，同時(shí)分別對(duì)每條路徑進(jìn)行歸一化匹配處理，最后累加幾條路徑的歸一化結(jié)果并進(jìn)行檢測(cè)。顯然本技術(shù)不但充分考慮了水聲信道的多徑結(jié)構(gòu)，還能夠想nmf一樣有效抑制強(qiáng)能量噪聲與干擾。

步驟7：窗口滑動(dòng)，檢測(cè)下一個(gè)數(shù)據(jù)塊

如附圖1所示，滑動(dòng)窗口步長(zhǎng)為n/2，n個(gè)接收數(shù)據(jù)為一個(gè)檢測(cè)樣本。每次檢測(cè)完成后，滑動(dòng)窗口移動(dòng)n/2得到下一個(gè)檢測(cè)樣本，然后返回步驟3對(duì)新樣本進(jìn)行新一輪的檢測(cè)。

acc技術(shù)的兩步實(shí)現(xiàn)

相較于基于匹配濾波的檢測(cè)技術(shù)，累積相關(guān)系數(shù)技術(shù)雖然有較為理想的檢測(cè)效果，但其計(jì)算復(fù)雜度卻相對(duì)較高。為降低其計(jì)算復(fù)雜度，可利用一種兩步實(shí)現(xiàn)法借助nmf來(lái)實(shí)現(xiàn)該技術(shù)。與上述實(shí)現(xiàn)過(guò)程相比本實(shí)現(xiàn)過(guò)程需要兩個(gè)門(mén)限值即歸一化匹配濾波門(mén)限hnmf以及累積相關(guān)系數(shù)門(mén)限γacc。具體實(shí)現(xiàn)步驟如下：

a)設(shè)置滑動(dòng)窗口計(jì)數(shù)器(對(duì)檢測(cè)塊進(jìn)行技術(shù))w＝1。

b)假設(shè)窗口長(zhǎng)度n為偶數(shù)，那么當(dāng)對(duì)第n個(gè)檢測(cè)塊進(jìn)行檢測(cè)時(shí)，可初始化殘差如下：

r0＝[x((w-1)n/2+1)x((w-1)n/2+2)…x((w-1)n/2+n)]^h(23)

c)同上述過(guò)程中的步驟4并按照式(22)計(jì)算1.5

d)若判斷未發(fā)送信號(hào)，且w＝w+1,，滑動(dòng)窗口對(duì)下一個(gè)檢測(cè)塊進(jìn)行檢測(cè)，同時(shí)返回步驟b，否則繼續(xù)，執(zhí)行步驟e。

e)～h)同上述過(guò)程中的步驟3-步驟6，計(jì)算

i)若判斷沒(méi)有信號(hào)發(fā)送；否則，判斷有信號(hào)發(fā)送。并且w＝w+1，返回步驟b繼續(xù)對(duì)下一個(gè)數(shù)據(jù)塊進(jìn)行檢測(cè)。

仿真實(shí)例

仿真實(shí)例1(加性高斯白噪聲)

具有時(shí)變方差的高斯噪聲可表示為其中n(0，σ²)表示均值為0方差為σ²的的正態(tài)分布。水下環(huán)境噪聲是非平穩(wěn)性的，而環(huán)境噪聲的非平穩(wěn)性為檢測(cè)器選擇適當(dāng)?shù)拈撝堤岢隽颂魬?zhàn)。

本例比較不同檢測(cè)器在加性高斯白噪聲下的性能。附圖2所示的是在snr＝-13db時(shí)的模擬roc曲線，同時(shí)設(shè)置hfm波形的擴(kuò)展增益為27db。該仿真條件下，mf檢測(cè)性能優(yōu)于nmf、mf-pt，顯然，因?yàn)槔鄯e了多條主要路徑，本發(fā)明的技術(shù)即累積相關(guān)系數(shù)(acc)檢測(cè)方法相較于mf有更好的檢測(cè)性能。

仿真實(shí)例2(窄帶干擾)

窄帶干擾通常具有較長(zhǎng)的持續(xù)時(shí)間且頻帶受限，特殊情況下它只有一個(gè)頻調(diào)，通常情況下有多個(gè)頻調(diào)且表示為：

式中fnb[i]，anb[i]，φnb[i]分別表示第i個(gè)頻調(diào)的頻率、幅度、相位偏移。通常，窄帶干擾具有比前導(dǎo)信號(hào)更長(zhǎng)的持續(xù)時(shí)間。

本例中，窄帶干擾為13.5khz的單音信號(hào)，它覆蓋整個(gè)塊持續(xù)時(shí)間且其功率是前導(dǎo)信號(hào)的三倍。從附圖3可以看出，在窄帶干擾下，鑒于其有效的歸一化步驟，pt表現(xiàn)出比mf、nmf更好的檢測(cè)性能。因?yàn)槿诤狭四芰繗w一化以及多徑累積效果，本發(fā)明的累積相關(guān)系數(shù)(acc)檢測(cè)技術(shù)明顯優(yōu)于以上基于匹配濾波器的檢測(cè)器。

仿真實(shí)例3(短時(shí)帶限干擾)

短時(shí)帶限干擾，帶限指干擾頻帶范圍[fl,fh]有限并且在信號(hào)頻帶內(nèi)，短時(shí)指干擾持續(xù)時(shí)長(zhǎng)小于前導(dǎo)信號(hào)。該干擾也可能是附近系統(tǒng)因其它目的傳輸?shù)牟ㄐ?。定義干擾帶寬為b1＝fh-fl，干擾時(shí)長(zhǎng)為t1。

為不失一般性，假設(shè)n1＝[b1t1]為偶數(shù)。將干擾轉(zhuǎn)移到基帶[-b/2,b/2)，基帶信號(hào)用傅里葉級(jí)數(shù)表示為：

式中cl為基系數(shù)，相應(yīng)的通帶信號(hào)可參數(shù)化為

本例中的短時(shí)帶限干擾是由固定持續(xù)時(shí)長(zhǎng)為33.3ms的高斯白噪聲通過(guò)中心頻率為13khz，帶寬為1624hz的帶通濾波器得到的。這樣干擾的持續(xù)時(shí)間與帶寬均為前導(dǎo)信號(hào)的1/3。干擾的起始時(shí)間隨機(jī)分布在塊中[25,125]ms的時(shí)間范圍內(nèi)。由附圖4可知，pt算法性能要比所提出的算法以及nmf差，這是因?yàn)閜t算法的歸一化步驟在持續(xù)時(shí)間較短的干擾下不能很好的工作。由于本發(fā)明在歸一化的基礎(chǔ)上累積了多條路徑的影響，所以在這種干擾下它表現(xiàn)出比nmf更為優(yōu)異的檢測(cè)性能。

仿真實(shí)例4(lfm/hfm干擾)

來(lái)自其它信道用戶的通信設(shè)備也可使用具有不同參數(shù)的hfm或lfm信號(hào)，用表示。當(dāng)線性調(diào)頻信號(hào)通過(guò)路徑參數(shù)為{(a′p,τ′p)}的水下信道(信道模型如8式)，接收機(jī)接收的干擾形式為：

由于類似調(diào)頻信號(hào)之間的相關(guān)性很高，因此這種類型的干擾對(duì)檢測(cè)器的性能有較為嚴(yán)重的影響。

本例中的線性調(diào)頻干擾具有與前導(dǎo)信號(hào)相同帶寬和中心頻率，唯一區(qū)別是干擾長(zhǎng)時(shí)長(zhǎng)為90ms，前導(dǎo)信號(hào)時(shí)長(zhǎng)為100ms。前導(dǎo)信號(hào)和線性調(diào)頻干擾可能來(lái)自不同的調(diào)制解調(diào)器。具有相同參數(shù)不同實(shí)現(xiàn)的信道可以通過(guò)相同的方法進(jìn)行模擬。

附圖5(a)中snr＝-2db，inr＝1db。本發(fā)明提出的方法檢測(cè)性能要優(yōu)于其它檢測(cè)器，并且由于類似線性調(diào)頻信號(hào)之間的強(qiáng)相關(guān)性(后面附圖9中給出了說(shuō)明)，pt算法在這種仿真條件下表現(xiàn)很不理想。附圖5(b)中snr＝-3db，inr＝3db，ec檢測(cè)性能下降。因?yàn)榛诓黄ヅ湔{(diào)頻信號(hào)的重構(gòu)信號(hào)仍然是近似稀疏的，本仿真條件下nmf和本發(fā)明的累積相關(guān)系數(shù)acc技術(shù)性能穩(wěn)定，且累積了多條路徑的acc在所有檢測(cè)器中表現(xiàn)最好。

仿真實(shí)例5(沖激干擾)

水下環(huán)境具有很強(qiáng)的沖激噪聲。由于海港臨近區(qū)域的人類活動(dòng)以及生物噪聲，沖激干擾的影響不可忽略。與高斯噪聲不同，沖激干擾幅度非常大、持續(xù)時(shí)間很短。

對(duì)稱α穩(wěn)定(sαs)分布用來(lái)表征環(huán)境噪聲以及溫暖淺水區(qū)對(duì)蝦產(chǎn)生的沖激噪聲的經(jīng)驗(yàn)振幅分布函數(shù)。白噪聲模型sos(wsosw)中設(shè)置a＝1，得到基于二分量高斯混合(gm)模型在樣本水平上對(duì)復(fù)合噪聲建模μ[n]＝w[n]+i[n]的另一種常用方法，并且被廣泛應(yīng)用于沖激噪聲的研究。

該模型的概率密度函數(shù)為：

式中n(·)為復(fù)高斯分布函數(shù)，為加性高斯白噪聲的方差，為沖激噪聲高斯分量的方差，p為沖激噪聲發(fā)生的概率。然而在較短的持續(xù)時(shí)間(窗口長(zhǎng)度)內(nèi)，可視為那么對(duì)于每個(gè)分量，噪聲是獨(dú)立同分布(iid)的。至于模型參數(shù)p，可由特定記錄噪聲信號(hào)推到得到。

附圖6和附圖7中描繪了式(27)中模型產(chǎn)生的沖激干擾(信噪比不同)下所有檢測(cè)器的roc性能曲線，其模型參數(shù)為p＝0.01。由以上兩圖可知，與在加性高斯白噪聲中不同，mf在沖激噪聲性能下降。由于歸一化克服了噪聲功率的不斷變化，nmf和pt相比于mf能更好的工作。通過(guò)提取信號(hào)分量，累積相關(guān)系數(shù)技術(shù)表現(xiàn)出更好的檢測(cè)。

仿真實(shí)例6(路徑條數(shù))

本發(fā)明是在稀疏信道基礎(chǔ)上進(jìn)行的，而路徑條數(shù)表征信道的稀疏度。

如附圖8所示，本例比較不同l下的檢測(cè)性能。通常，隨著l從15減小到10，從10減小到5，檢測(cè)性能提高。這是因?yàn)楫?dāng)snr較低時(shí)，信號(hào)幅度小的路徑很難提取。借助少數(shù)主路徑可以有效的將前導(dǎo)信號(hào)從干擾中區(qū)分開(kāi)來(lái)。

由附圖2-8，可以得到以下結(jié)論：

●沒(méi)有干擾，所有檢測(cè)器在加性高斯白噪聲下都表現(xiàn)出良好的性能。當(dāng)存在干擾時(shí)，情況有所不同。一般而言，mf在所有檢測(cè)方法中對(duì)干擾最為敏感，它需要某種歸一化方式以使檢測(cè)器在不同情況下穩(wěn)定工作。在長(zhǎng)時(shí)間干擾下，如窄帶干擾、沖激干擾，pt性能較好，在短時(shí)間干擾下，如短時(shí)帶限干擾、類似線性調(diào)頻信號(hào)，pt性能較差。在所有基于匹配濾波器的檢測(cè)器中，nmf方法對(duì)于不同干擾性能是最強(qiáng)的。

●在所有測(cè)試情況下acc技術(shù)都比基于匹配濾波器的檢測(cè)器都有更好的檢測(cè)性能，這充分說(shuō)明了本發(fā)明的技術(shù)相比較于以上現(xiàn)有技術(shù)的優(yōu)越性。同時(shí)這也證明了利用信道稀疏性進(jìn)行前導(dǎo)信號(hào)檢測(cè)的優(yōu)勢(shì)，能夠?qū)崿F(xiàn)檢測(cè)器在不同類型干擾下的魯棒性。

實(shí)驗(yàn)數(shù)據(jù)

下面將利用移動(dòng)水聲通信實(shí)驗(yàn)室(mace10)收集的數(shù)據(jù)來(lái)比較不同的檢測(cè)方法。該實(shí)驗(yàn)室于2010年6月在馬薩諸塞州馬薩諸塞葡萄園成立。發(fā)射源與接收矩陣被部署在深度約為95m到100m的水域中。接收器有兩個(gè)子表面接收系泊裝置和兩個(gè)表面耦合的接收器浮標(biāo)。每個(gè)浮標(biāo)有4個(gè)元素，組成1m長(zhǎng)的垂直陣列。接收陣列是靜止的，發(fā)射陣列則以1到2m/s的速度被船拖拽。發(fā)射器與接收器的相對(duì)距離從500m變化到7km左右。前導(dǎo)信號(hào)參數(shù)設(shè)置如表1，與模擬仿真中相同。在前導(dǎo)信號(hào)之后，是發(fā)送的m序列和其它通信數(shù)據(jù)。由于相對(duì)距離的改變，多徑信道的分布不是固定不變的。

將含有hfm前導(dǎo)信號(hào)的數(shù)據(jù)集轉(zhuǎn)換為基帶數(shù)據(jù)，持續(xù)時(shí)長(zhǎng)為260ms備用數(shù)據(jù)塊中，hfm前導(dǎo)信號(hào)在塊內(nèi)[25,125]ms的時(shí)間范圍內(nèi)隨機(jī)開(kāi)始。實(shí)驗(yàn)中總共獲得5127塊所需hfm前導(dǎo)信號(hào)數(shù)據(jù)塊，使用其中的2000塊進(jìn)行h1假設(shè)下的檢測(cè)。需要注意的是，由于數(shù)據(jù)發(fā)射源的移動(dòng)，這些數(shù)據(jù)塊所對(duì)應(yīng)的信道是時(shí)變的。

實(shí)驗(yàn)實(shí)例7(hfm與濾過(guò)的m序列)

附圖9為實(shí)驗(yàn)環(huán)境中，短時(shí)帶限干擾下不同檢測(cè)器性能。為了模擬短時(shí)窄帶干擾，將來(lái)自mace10的2000個(gè)m序列剪切成長(zhǎng)度為10ms的數(shù)據(jù)塊，并用帶寬為2khz的濾波器對(duì)這些數(shù)據(jù)塊進(jìn)行處理。生成260ms的噪聲塊并將干擾隨機(jī)添加在數(shù)據(jù)塊[25,125]ms的時(shí)間范圍內(nèi)。如附圖9所示，為snr＝-4db，inr＝5db時(shí)不同檢測(cè)器的roc性能曲線，其中累積相關(guān)系數(shù)檢測(cè)技術(shù)參數(shù)設(shè)置l＝10。由圖可知，本發(fā)明的技術(shù)顯然比mf、nmf、以及pt有更強(qiáng)的檢測(cè)能力。顯然，pt算法在這種短時(shí)帶限干擾下不能很好地工作。

實(shí)驗(yàn)實(shí)例8(hfm與類似線性調(diào)頻信號(hào))

在mace10數(shù)據(jù)集中，包含具有相同帶寬但時(shí)長(zhǎng)為200ms的下行掃描hfm信號(hào)，還有具有相同帶寬、相同時(shí)長(zhǎng)(100ms)的上行掃描lfm信號(hào)?？梢允褂眠@些hfm信號(hào)作為chirp干擾。

附圖10和附圖11是實(shí)驗(yàn)環(huán)境中，類似線性調(diào)頻干擾下不同檢測(cè)器性能。附圖10為下行掃描hfm作為干擾且snr＝3db，inr＝1db是的roc性能曲線。附圖11為上行掃描lfm作為干擾且snr＝-5db，inr＝8db時(shí)的roc性能曲線。顯然，pt能在較長(zhǎng)時(shí)間干擾下能很好的工作。但不能很好的區(qū)別上行掃頻lfm與上行掃頻hfm。nmf性能良好，并且其性能在第二種情況下要比nmf-ec好。同時(shí)，兩種情況下nmf-acc性能都要優(yōu)于nmf。

實(shí)驗(yàn)實(shí)例9(hfm與沖激噪聲)

本例研究了hfm前導(dǎo)信號(hào)在沖激干擾下的檢測(cè)性能。沖擊干擾數(shù)據(jù)集來(lái)源于2013年5月在臺(tái)灣高雄市附近的南海海域進(jìn)行的海上實(shí)驗(yàn)。實(shí)驗(yàn)期間存在很多意外的沖激干擾。并且?guī)缀跛械臄?shù)據(jù)集都受到不同程度的影響。

附圖12是實(shí)驗(yàn)環(huán)境中，沖激干擾下不同檢測(cè)器性能。在附圖12中，沖激干擾的幅度值是數(shù)據(jù)中值幅度的四倍，并且選擇發(fā)生800個(gè)數(shù)據(jù)塊，其發(fā)生概率p＝0.01左右，inr＝13db。每個(gè)數(shù)據(jù)塊的長(zhǎng)度仍然為260ms。沖激干擾下，mf在所有檢測(cè)器中性能是最差的。由于nmf與pt算法中的歸一化步驟，它們?cè)跊_激干擾下具有更穩(wěn)定的性能。

總之，通過(guò)附圖9-12可得到以下結(jié)論。mf在干擾下性能很差，pt在短時(shí)帶限干擾下檢測(cè)性能較低。相對(duì)來(lái)說(shuō)，nmf在不同情況下具有更強(qiáng)的魯棒性。本位提出的檢測(cè)器在不同情況下都顯示出比所有基于mf檢測(cè)器更好的性能。特別的，acc在所有檢測(cè)器中是最好的。這些結(jié)論與模擬仿真中的觀測(cè)結(jié)果一致。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說(shuō)明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。