下载文档原格式
水中声信号处理技术研究与应用随着现代科技的不断发展，水下探测装备在海洋利用、军事领域、科学考察等方面得到了越来越广泛的应用。
而水下声学技术作为其中的核心技术之一，其发展也成为了当前科学技术研究的热门方向之一。
其中水中声信号处理技术的研究和应用，更是备受关注。
一、水中声信号处理技术的研究水下通信中，如何获取并处理水中的声波信号是整个通信系统设计的难点之一。
水下环境的复杂性，如深度、水质、环境噪声等因素，都会对水中声波信号的传播和接收产生影响，这就对声信号处理技术的研究提出了更高的要求。
在这个背景下，相关研究人员逐渐将目光聚焦在了基于数字信号处理（DSP）的水中声信号处理技术上。
同时，受到深度学习技术的影响，声信号处理的研究也逐渐普及到了深度神经网络领域，深度学习技术被加入到声信号的处理中，以期达到更好的处理效果。
具体而言，水中声信号处理技术的研究主要有以下几个方面：1.声源定位与跟踪。
声源定位和跟踪技术是水中声学技术研究的重点。
这种技术的目的是通过声波信号传输到不同的声接收器，以确定声源位置和方向。
为此，相关研究人员可以通过声导纳、选频滤波、相关函数等方法进行研究。
2.声信号去噪和增强。
由于水下环境存在大量的噪声干扰，声信号去噪和增强技术成为了声学信号处理的重要方向。
研究人员对这些方法进行了广泛的研究，如自适应滤波、小波变换等。
3.水下声学通信。
水下通信是水中声学技术最重要的应用之一。
为此，研究人员正在研究如何提高水中声波信号的透明度和稳定性，以实现水下通信的高速度和高质量。
4.水下声学探测。
水下环境的不同修建，如船舶、鱼群、海底地貌等，都需要通过水下声学探测技术来进行研究。
相关研究人员正在开发和改进现有的探测设备，以更好地开展水下探测工作。
二、水中声信号处理技术的应用目前，水中声信号处理技术已经被广泛应用于各种领域，其中最具代表性的几个领域包括：1.海洋工程。
海洋工程是水下声学技术最早和应用最广泛的领域之一。
基于稀疏时变水声信道的判决反馈均衡算法张殿伦;肖爽;张友文;崔宏宇【摘要】针对常规的判决反馈均衡处理稀疏时变水声信道接收信号时性能下降的问题,本文在最小均方算法和仿射投影算法的基础上,提出了改进的自适应算法.算法引入了随输入信号变化的迭代步长因子及表征系统稀疏特性的l0范数约束,并且利用通信接收信号的非圆特性的宽线性输入方式改善性能.仿真结果表明:本文提出的算法具有更快的收敛速度和更小的稳态均方误差,仿真和试验数据分析结果证明了应用改进算法的自适应判决反馈均衡器有更低的误码率.【期刊名称】《哈尔滨工程大学学报》【年(卷),期】2019(040)005【总页数】7页(P892-898)【关键词】水声通信;自适应算法;自适应判决反馈均衡器;变步长;l0范数;非圆特性;最小均方算法;仿射投影算法【作者】张殿伦;肖爽;张友文;崔宏宇【作者单位】哈尔滨工程大学水声技术重点实验室,哈尔滨150001;海洋信息获取与安全工信部重点实验室(哈尔滨工程大学),工业信息化部,哈尔滨150001;哈尔滨工程大学水声工程学院,哈尔滨150001;哈尔滨工程大学水声技术重点实验室,哈尔滨150001;海洋信息获取与安全工信部重点实验室(哈尔滨工程大学),工业信息化部,哈尔滨150001;哈尔滨工程大学水声工程学院,哈尔滨150001;哈尔滨工程大学水声技术重点实验室,哈尔滨150001;海洋信息获取与安全工信部重点实验室(哈尔滨工程大学),工业信息化部,哈尔滨150001;哈尔滨工程大学水声工程学院,哈尔滨150001;哈尔滨工程大学水声技术重点实验室,哈尔滨150001;海洋信息获取与安全工信部重点实验室(哈尔滨工程大学),工业信息化部,哈尔滨150001;哈尔滨工程大学水声工程学院,哈尔滨150001【正文语种】中文【中图分类】TN911.5;TB567通信是海洋环境监测及海洋信息获取的重要信息交互手段。
部分典型的水声信道表现出时变稀疏多途扩展特性，会导致严重的码间干扰(inter-symbol interference，ISI)，进而导致通信性能的恶化。
基于水声通信的新型变步长最小均方算法郑奕丰;郝学元;颜晓红【摘要】In underwater acoustic communication,multipath effect channel can cause severe Inter-Symbol Interference (ISI).In view of the problems of the existing equalization algorithms when dealing with ISI,including slow convergence speed and huge steady-state error,as well as the complicated algorithm and being difficult to carry out hardware migration,a new variable step Least Mean Square (LMS) algorithm was proposed with anticosine step function and three adjustment parameters within the Feed-Forward Equalizer and Decision Feed-back Equalizer (FFE-DFE) structure.Firstly,simulations of three adjustment parameters including α,β,r were given to optimize the algorithm and compare it with traditional LMS algorithm,Modified Arctangent based Variable Step LMS (MA-VSLMS) and Hyperbolic Secant function based Variable Step size LMS algorithm (HS-VSLMS) in convergence and steady-state error.The simulation results showed that compared with the traditional LMS algorithm,the convergence speed of the proposed algorithm was 57.9％ higher,and the steady-state error was reduced by 2 dB;compared with HS-VSLMS and MA-VSLMS,the convergence speed of the proposed algorithm was 26.3％and 15.8％ higher,respectively,and the steady-state error was reduced by 1-2 dB.Finally,the proposed algorithm was transplanted to signal processing module and tested in an underwater experiment.Experimental results indicate that the signal is recovered very well after theequalizer,and the ISI problem caused by multipath effect is solved in the actual scene.%在水声通信中,信道的多径效应会造成严重的码间串扰(ISI),而现有的均衡算法在处理ISI问题时存在收敛速度慢、稳态误差大、算法复杂不易于硬件移植等问题,为此结合判决反馈均衡器结构前向均衡(FFE)与判决均衡结构(DFE),提出了一种基于反余弦步长函数和三参数调整因子的变步长最小均方(LMS)算法.首先对三参数因子α、β、r进行算法仿真,优化算法性能,与固定步长LMS算法、基于修正反正切的变步长LMS算法以及基于双曲正割函数的变步长LMS算法的收敛性能和稳态误差进行仿真比较,结果显示:所提算法的收敛速度较固定步长LMS算法提高了57.9％,稳态误差下降5 dB;较双曲正割LMS算法和修正反正切LMS算法提高了26.3％和15.8％,并且算法的稳态误差下降了1～2 dB.最后,将算法移植于信号处理模块,进行水下实验,结果表明,水声信道造成的ISI经过均衡器后,信号得以恢复,能够实际克服多径效应造成的水声信道ISI问题.【期刊名称】《计算机应用》【年(卷),期】2017(037)008【总页数】6页(P2195-2199,2208)【关键词】水声通信;码间串扰;最小均方均衡算法;变步长函数;判决反馈均衡器【作者】郑奕丰;郝学元;颜晓红【作者单位】南京邮电大学电子科学与工程学院,南京210000;南京邮电大学电子科学与工程学院,南京210000;南京邮电大学电子科学与工程学院,南京210000【正文语种】中文【中图分类】TP301.6水下中远距离通信，例如水下勘探、水中人工作业、水下通信网建设等，由于排线困难、维护成本高，一般选用水声无线通信的方式。
水声通信中基于软判决的块迭代判决反馈均衡器景连友;何成兵;张玲玲;孟庆微;黄建国;张群飞【摘要】In single-carrier modulation system with frequency domain equalization, Decision Feedback Equalizer with a Hybrid time-frequency structure (H-DFE) is attractive for its performance; the complexity is also significant, especially for very dispersive channels. Iterative Block Decision Feedback Equalizer with Hard Detection (HD-IBDFE) system performance degrades caused by errors in symbol decision and it needs to calculate the correlation factor of the transmitted and hard detected data. To solve these problems, Iterative Block Decision Feedback Equalizer with Soft Detection (SD-IBDFE) is introduced to improve the system performance. The receiver feedbacks the soft information of the equalizer’s output. The iterative channel estimation is adopted in order to deal with the time-varying underwater acoustic channels. Simulation results show that SD-IBDFE is superior to HD-IBDFE obviously for underwater acoustic channel. One underwater acoustic communication system is designed and tested in the lake. At a distance of 1.8 km with complex channel condition, the useful data rate of around 3000 bps is achieved with uncoded bit error rates310- in lake experiment.%在单载波频域均衡水声通信系统中，混合结构的时-频域判决反馈均衡器(H-DFE)计算复杂度高，不利于实时实现；而基于硬判决的块迭代判决反馈均衡器(HD-IBDFE)存在错误符号判决造成系统性能下降问题，同时需要估计判决符号和发射数据之间的互相关函数。
水声信道均衡算法比较研究裴晓黎;宁小玲;刘忠;张建强【摘要】Adaptive equalization and blind equalization used in underwater acoustic communication and some representa-tive algorithms are briefly introduced. The computer simulations of adaptive and blind algorithms about Mean Square Error (MSE)ability are carried out respectively under sparse multi-paths and mixed phase underwater acoustic channels, the simulation results demonstrate that the algorithms using Decision Feedback Equalizer(DFE)structure have better equalization result in above complex underwater acoustic environment;and then the simulation comparison of some representative adaptive and blind equalization algorithms are carried out under sparse multi-paths phase rotation complex channels, the results show that the affected degree of adaptive equalization algorithm to phase is smaller than that of blind equalization algorithms and the convergence speed of adaptive equalization algorithm is faster than that of blind equalization algorithms. At the same time, the anechoic tank experiment is carried out to verify the performance of algorithms about carrier recovery, the experiments verify that equalization algorithms with second order Digital Phase-Locked Loop(DPLL)and DFE structure have better performance and realize the tracking ability of phase deviation, overcome multi-path effect and improve the compensation ability of Doppler shift.%简述了自适应均衡算法和盲均衡算法在水声通信中的应用现状，以及典型的几种均衡算法。
NLMS判决反馈均衡器在水声通信中的应用
作者：中北大学信息探测与处理技术研究所肖鹏韬姚金杰高磊引言水下声信道是一种十分复杂的时、空、频变参随机多途传输信道，自适应均衡可以充分地利用有限的带宽，而成为水声信号处理中强有力的方法。
它的基本思想是：通过调整参数(权重)，使均衡器的频率特性等于信道频率特性的倒数，从而间接获得信道的特性，以消除多途干扰[3]。
由于均衡算法及均衡结构的不同，如何改进算法和结构以达到最佳均衡效果一直是均衡器研究的重点。
本文针对水声通信实际采集数据，比较传统lms判决反馈均衡器及nlms判决反馈均衡器在实际信号处理方面的优劣，调整均衡器参数，使整体性能达到最佳。
算法原理自适应判决反馈均衡器原理多数文献提到水声通信中，均衡器可以很好的解决码间干扰的问题，但均衡器结构及均衡器算法一直是人们研究的问题，判决反馈均衡器原理。
图 1 自适应判决反馈均衡器的原理框图图中，假设滤波器的输入信号矢量为
xl(n)=[xl(n)xl(n-1)…xl(1)]t，期望信号为d(n)，滤波器的权矢量为wl(n)=[wl0(n)wl1(n)…wl(n-1)(n)]t，则前馈滤波器的输出yl(n)为：
yl(n)=xt(n)wl(n)，输出后误差信号为：e(n)=d(n)－yl(n)。
此时均衡器输出为y(n)=yl(n)－yq(n)，其中yq(n)为反馈滤波器输出。
由图可知，在滤波过程中，自适应滤波器计算其对输入的响应，并且通过与期望响应比较，得到估计的误差信号；在自适应过程中，估计的误差信号又进入反馈滤波器，作为反馈滤波器的输入信号，得出新的输出，最终将两个滤波器输出结果的差值作为整个均衡器的输出。
一般采用估计误差的均方值j=e[e2(n)]作为自适应滤波器的性能函数，并利用最速下降法(w(n+1)=w(n)－μ(n)，μ为收敛因子，用于调整自适应迭代的步长；(n)为性能函数的梯度)迭代寻找其极值；从几何意义上来说，迭代调整权系数矢量的结果是使系统的均方误差沿其梯度的反方向下降，并最终达到最小均方差jmin。
传统lms算法及归一化lms算法及其对于平稳过程，最小均方差(least mean square，lms)算法[4][5]是直接利用单次采样数据获得的e2(n)代替均方误差j(n)，来进行梯度估计的。
其算法流程如下：(1)根据已知数据，期望信号d(n)和滤波器的输入信号矢量x(n)=[x(n)x(n-1)…x(1)]t，设置收敛因子μ(0<μ (2)初始化滤波器的权矢量w(0)=0(或由先验知识确定)、泄漏因子γ(0<γ<1，通常取γ近似为1)；(3)对n=0,1,2…，计算滤波器输出信号y(n)=xt(n)w(n)、误差信号e(n)=d(n)－y(n)、以及滤波器权更新系数w(n+1)=w(n)+2μe(n)x(n)；(4)归一化lms算法(nlms)在传统lms算法权值更新上做了调整：
w(n+1)=w(n)+2μe(n)x(n)/[x(n)×x(n)-1+β]，参数属性与传统lms算法相同，参数β为防止x(n)×x(n)-1过小权值更新失真而设置。
实际信号处理实验过程中在夏季湖中布设了两个节点，它们的水声收发模块置于水深1m、相距8.4m的位置，信号采用了5阶m序列：1100111110001101110101000010010，其码元速率为1950个/秒；并使用ook(on-off keying)调制方式，其载波为频率为7.8125khz的正弦波，采样频率为50khz。
采用lms算法及nlms算法，并取前反馈滤波器的阶数分别为lf=23，lq=12，收敛因子μ=0.1，滤波器权系数初值wl(n)=wq(n)=0。
图2 调制后发送信号的波形、采集回来的水声数据波形图2的上、下两图分别示出了期望信号的波形，以及采集回来的数据波形。
实验处理过程将原始采集信号，经过赫尔伯特变换，取包络，解码后误码率为42.6%，同时将采集到的信号进行判决反馈均衡器处理，结果如下：图3为两种算法判决反馈均衡器输出波形。
图3 输出波形比较将上述均衡器输出波形赫尔伯特变化，取包络，解码后效果。
图4 lms、nlms判决反馈均衡器输出解调解码曲线lms，nlms算法判决反馈自适应滤波算法的学习曲线比较。
图5上图可以看到无论是在收敛速度以及误差稳定度上，相较于lms算法，nlms判决反馈均
衡器都有了很大的提高，实验得出信号直接解调解码误码率为42.6%，经过多次运算，lms，nlms判决反馈均衡器后误码率分别为9%～10%，1.5%～2%。
通过均衡器后误码率大幅度降低，得到了很好的效果，但lms算法判决反馈均衡器均衡实际采集信号的能力远不如nlms算法判决反馈均衡器。
结束语本文针对实验采集到的水声信号波形，基于lms算法和nlms算法的判决反馈均衡器信号处理，并进行了性能分析。
信号处理结果表明：lms算法实现简单，但由于在实际应用中为获得较小的均方误差，收敛因子一般取得较小，导致收敛速度太慢，在降低信号误码率上效果一般，维持在9%～10%左右；而归一化lms(nlms)的实现在未提高运算复杂度的基础上，提高了收敛速度的同时降低误码率至 1.5%～2%，效果最优。
作者简介肖鹏韬(1986－) 男在读硕士，研究方向为通信与信息系统。
