系统工程与电子技术

作者：谭钢(), 鄢社锋*, 毛琳琳, 杨基睿

单位：1. 中国科学院声学研究所水下航行器信息技术重点实验室，北京 100190；2. 中国科学院大学电子电气与通信工程学院，北京 100049

关键词：水声通信,脉冲噪声,正交频分复用,信道估计,稀疏贝叶斯学习

基金：国家自然科学基金（62192711，62371447）资助课题

水声信道中时常存在脉冲噪声（impulsive noise，IN），严重降低水声正交频分复用（orthogonal frequency division multiplexing，OFDM）系统的性能。针对这一问题，提出利用全部子载波的基于广义近似消息传递稀疏贝叶斯学习（generalized approximate message passing-based sparse Bayesian learning，GAMP-SBL）的信道与IN联合估计（joint channel and IN estimation，JCIE）算法及其改进算法。首先，基于信道与IN的联合稀疏性，将数据符号视作未知参数，利用全部子载波构建压缩感知（compressed sensing，CS）模型。然后，使用GAMP-SBL算法恢复联合稀疏向量，并将符号估计引入GAMP-SBL框架中，实现信道冲激响应、IN与数据符号的联合估计。此外，利用初始化数据符号过程中获取的信道与IN先验信息，剔除全部子载波CS模型字典矩阵中的冗余原子，进一步降低计算复杂度。仿真结果表明：所提算法与现有的基于GAMP-SBL的信道与IN估计算法相比，能够有效提高信道估计、IN估计和系统误码性能；与基于SBL的信道与IN估计算法相比，能够在低复杂度情况下保持相近的系统性能。

来源：2025年第10期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第10期