MIMO-OFDM水声通信系统发展现状及趋势.docx

《MIMO-OFDM水声通信系统发展现状及趋势.docx》由会员分享，可在线阅读，更多相关《MIMO-OFDM水声通信系统发展现状及趋势.docx（16页珍藏版）》请在优知文库上搜索。

1、引海洋中光波、电磁波随着传输距离的增长，衰减极快，无法应用于中等距离以上的信息传递。尽管可以通过光缆和光纤进行水下通信，但对于水下移动设备，如潜履之间、潜艇和水面舰之间、潜艇和岸站之间的通信几乎不可能。因此，水声通信是水下远程通信的唯一可行选择.与无线通信信道相比，水声信道具有许多独特的特性，其中有限的带宽是影响水声通信算法设计最重要的因索.多输入多输出-正交频分复用(Mu1.ti-InputMu1.ti-Output-Orthogona1.FrequencyDivisionMu1.tip1.exing,MIMO-OFDM)在一定程度上解决了有限带宽的问题，但多径是设计水声通信模型时最需要考虑

2、的问题.由于M1.MC)通信在发射机和接收机之间有多个信道，而每个信号包含来自所有发射机的数据，因此需要同时估计所有信道.MIMO-OFDM在水声通信中的应用是一个比较新的研究领域.MIMO-OFDM虽然已经在无线通信网络中应用了近20年，但在水下通信网络中，它的应用前景并不理想。近年来，研究人员提出了许多不同的传输方案，以提高数据率和减少误码率.尽管MIMO-OFDM有许多优点，在实现这些系统时所面临的挑战也至关重要，使得MIMO-OFDM系统的设计成为一项匏杂的工作.OFDM是一种低复杂度的替代单我波调制的下一代声调制解调器。为了减轻带宽限制，在水声通信中引入了多载波调制，解决了水声信道中

3、的长时延问题。OFDM是一种有前途的多投波传输方案，因为它不需要豆杂的均衡技术，对多径、频率选择性衰落和码间干扰(Inter-Symbo1.-Interference,ISI)具有售棒性，提高了频谱效率和数据率，同时使链路更加可靠.虽然OFDM不需要豆杂的均衡器，但是为了顺利实现M1.Mo通信，实现更高的数据速率并保证可靠性，需要严格的信道同步、估计和均衡.为了有效利用声波带宽，利用时空方法来开发空间多样性已成为近年来研究人员感兴趣的课题.MIMO是通过使用多个发射机和接收器来增加系统容量的方法之一.在传统的空间分集系统中，每个发射机传输相同的数据位，而在MIMO系统中，每个发射机传输不同的编

4、码数据，即独立数据流的并行传输，从而提高了数据速率性能.MIMO和OFDM的结合是一个在频率选择和带宽有限的水声信道上的低匏杂度解决方案.它结合了空间不相关声道的优点和由于延迟犷展而存在的频率分集，使得容量得到了大幅提高.因此，相干MIMo-OFDM系统被认为是动态且带限非常大的水声信道的理想选择.系统的效率和有效性取决于整个通信系统，因此需要讨论系统的所有必要细节，以便对不同的用于特定目的的技术进行比较。例如，MIMo-OFDM在不知道整个模型的情况下的最小二乘(1.eastSquares,1.S)或最小均方误差(MinimUmMeanSquareError,MMSE)就无法比较，因为估计方

5、案很大程度上取决于系统的匏杂性和所使用的信道.因此，在某些情况下JS可能比MMSE优先，这取决于系统的条件和要求。虽然文献中都讨论了MIMo-OFDM通信的基本步骤，如编码、传输、检测、估计以及均衡等，但对具体步骤的关注多于其他步骤.因此，根据具体讨论的技术如信道估计或均衡等对论文进行分类.文中全面综述对MIMO-OFDm水声通信领域的最新研究，在介绍设计MIMo-OFDM水声通信系统时所面临的问题的基础上，重点对信道估计、均衡、编码和检测等技术进行回顾和分类，最后根据算法的豆杂性和性能进行比较，并对未来的发展趋势进行展望.1MIMo-OFDM水声通信面临的问题由于水声信道的特殊性，水声通信面

6、临着传播损耗、不同类型的噪声、盐度、环境、温度、压力以及深度等因素的影响M1.Mc)-OFDM水声通信系统相关的常见问遨如下。1.1 码间干扰由于海面波浪起伏、海床不均匀以及海内诸多障碍等因素的影响，水声通信面临着复杂的多径效应.接收器接收到的反射信号有直接路径反射信号、只从表面反射信号、只从底部反射信号以及同时从表面和底部反射信号4种.虽然每个接收机接收到来自每个发射机的多个反射信号和直接信号，但是图1仅显示了几个信号，展示了多路径的思想。其中，Puvsb显示了U发射机和V接收机之间的路径，具有S的表面反射和b的底部反射。因此,许多延迟豆制在接收端与直接信号一起被接收，以码间干扰(ISI)或

7、块间干扰(InterB1.ockInterference,IBI)的形式破坏和扭曲原始信号.ISI依赖于信号的时延，时延越长，IS1.越严重。OFDM通过将信道延迟时间划分为多个子载波，在一定程度上降低了IS1.的影响.此外，OFDM作为一种低复杂度的均衡方案，通过使用大于信道冗余长度大小的零音调(NoneTonesfNTs)和保护间隔(GuardInterva1.,GI)i以及引入循环前缀(Cyc1.icPrefix,CP)和零填充(ZeroPadding,ZP),在一定程度上缓解了ISI和IBI.但是，这一问题在M1.MC)情况下变得严重，因为发射器和接收器之间有多个信道，同时传输数据时所

8、有的信号都遵循多路径到达接收机，因此在接收端会有大量来自不同信道的延迟副本，从而产生更多的ISI.图1妥径效应1.2 多普勒频移多普勒频移是由于任何一个源、接收机或两者的相对运动而引起的频率偏移.在无线通信中，波的速度相对于发射/接收端速度过大，使得多普勒缩放系数几乎可以忽略，而水中的声速较慢，导致了更大的多普勒缩放系数.在水声OFDM系统中，不同子载波的多普勒频偏(即非均匀多普勒频移泊很大不同，导致了严重的教波间干扰(InterCarrierInterference,ICI).通过使子载波间距大于可能的频率偏差，可以减小多普勒频移的影响，但也明显降低了频谱效率和数据速率。研究人员提出了两种重

9、要而简单的方法来缓解OFDM通信系统中的这个问题，即使用零载波进行相位同步的方法和考虑连续OFDM块之间的相位相干性的自适应方法.在MIMO情况下，多普勒频移的补偿是相当重要的问题，因为所有到达接收机的信号可能具有不相同的多普勒比例因子.同样，在多用户或分布式M1.MO系统中，如图2所示，用户相对于接收机的移动方向可能不同，因此不同用户的多普勒缩放系数完全不同。92分布式M1.MO系统1.3 峰值与平均功率比峰值与平均功率比(PeaktoAveragePowerRatio,PAPR)简单地表示为最大峰值功率与信号的平均功率的比值。OFDM由于各子载波信号的叠加而具有较高的PAPR.由于这些叠加

10、信号的积累，峰值功率大大高于平均功率。此外，IFFT操作增加了许多子载波成分，因此传输的OFDM信号在时域内也有很高的峰值.这种高的PAPR会导致功率放大器的饱和，限制MIMo-OFDM在水声通信中的效率，因此需要一个高功率范围的功率放大器.但是，功率放大器的效率成本系数较低，会导致信号频谱的非线性失真和总加，从而导致性能下降.OFDM系统可以采用许多降低PAPR的技术，如基于预编码、选择映射法、剪切法和适当插入交错叶等.2最初关于MIMO体系结构的研究是比较MIMO-OFDm与其他空间和频率分集系统.这个想法是在2007年首次提出的，主要有两种形式.第一种是采用编码正交频分复用技术(Code

11、dOrthogona1.FrequencyDivisionMu1.tip1.exing,COFDM)的频率分集技术,利用了信道在多径传播过程中固有的频率选择性.第二种是采用M1.Mo的空间分集，即采用多个传感器来增加系统的潜在容量.虽然研究证明了MIMo-OFDM的思想，但是还没有进行实验测试.2007年，1.iB等人通过在两个发射机同时发射QPSK映射的OFDM数据，并在接收机进行逐块处理，对这一思想进行了实蛉验证.引入零载波和导频子载波分别对多普勒频移和信道估计进行补偿.采用卷积编码(Convo1.utiona1.Coding,CC)或低密度奇偶校睑(1.owDensityParityCh

12、eCk,1.DPC)编码，并在每个C)FDM子载波上使用最大后验(MaximumAPosteriori,MAP)或线性强迫零(Zero-Forcing,ZF)检测器进行MIMO解调，发现MAP检测器的性能优于ZF检测器。文献20进一步扩展了这一思想，实蛉测试了两个以上的发射机和具有最小均方误差(MMSE)的更高阶调制方案，如8-QAM/16-QAM/64-QAM,利用先验信息进行均衡，发现高阶调制大大提高了频谱效率.在试验成功后，许多研究者开始关注MIMO-OFDm,开发了不同的传输方案，包括EmreY在2008年提出的Turbo编码、PSK调制的MIMo-OFDM水声通信模型.它采用相干和差

13、分传输方案，其中差分方案通过利用相邻频率经历几乎相同的衰减这一事实来消除信道估计的需要.在接收端采用软判决辅助迭代映射算法进行解码，而在相干传输情况下优先采用MMSE检测.重点讨论了OFDM块时长的选择问题、影响性能极限的原因，包括传统的检测方法和给定带宽下发射机数量与子载波数量的关系.研究发现，在子我波数量较少的情况下，发射机数量过多会导致性能损失.因此，为了获得更好的性能和带宽效率，必须使发射机数量与子载波数量成比例.文献23中设计了一种混合连续干扰抵消、最小均方误差（MMSE）均衡以及1.DPC信道译码的MIMO检测器，用于各子载波的迭代检测.接收机主要关注MIMO检测和信道译码之间的迭

14、代处理，而不考虑信道估计和载波同步.利用载波偏移频率（CarrierFrequencyOffset,CFO）估计算法估计和补偿多普勒效应，其中将空子载波上的能罡用作目标函数以搜索最佳CFe）估计.利用来自3个不同实验的数据进行测试，以可接受的误码率在62.5kHz的带宽上实现125.7kb/s的速度.文献24-25中首次明确关注了MIMO-OFDm水声通信的多普勒和延迟扩展（水声信道估计器的均方误差是这些犷展的函数）两个主要问题，在不同的天气和环境条件下，在不同的子载波数和导频符号下测量了不同的多普勒极值和时延扩展值，发现超过该极值信号就无法进行正确的估计和解码.2012年，MIMO-OFDm

15、声调制解调器达到了一定的成熟度,并在浮点和定点DSP平台上成功实现，发现非二进制1.DPC编码优于卷积编码,但代价是译码时间增加。定点实现与浮点实现相比，在更高的时钟频率下运行，大大减少了处理时间.2.1 信道估计信道估计是指从接收信号中估计信道参数.水下信道的噪声会导致信号的失真、衰落和噪声的增加。MIMo-OFDM通信的前提是发射机和接收机之间的所有信道都是已知的和准确估计.这是具有挑战性的，因为每个接收信号包含来自所有发射机的独立数据，需要同时估计多个信道，需要开发多种方案和算法来有效估计信道.信道估计算法的基本作用是根据乂6和XU）的值估计H的值.MIMO-OFDm中有许多信道估计技术

16、，如最小二乘（1.S）、最小均方误差（MMSE）和最大后睑概率（MAP）信道估计.1.S是一种基于导频的信道估计，不需要信道统计，性能合理，复杂度低。MMSE由于利用了自相关矩阵，性能增强，但也更豆杂.几乎所有这些信道估计技术都需要一个大矩阵的求逆，增加了系统的总体匏杂性.这一问题以及其他匏杂性增加的因素，引起了许多研究者的关注.2008年提出了一种适用于MIMO通信的自适应低复杂度信道估计算法，不需要非活跃载波，利用符号决策，减少了导频数量.它是两种算法及其扩展的结合，即利用文献30中提出的OFDM自适应同步算法对多发射机进行M1.MO信道估计，并利用文献31中提出的算法对信道脉冲响应进行稀疏处理。对于M相邻载波和第j个OFDM块，假设每个收发对的信道传递函数相同：心,（=%3=,必对频域模型下的信道估计如下:WO)=-*(力风(/)+胃。)(2)()=(),-,()(3)-U)=M(加