基于快速信息收集和虚拟训练序列的低复杂度双向水声信道精准估计

针对运动水声通信难以低复杂度精准获取时变信道状态信息的问题,提出基于快速信息收集和虚拟训练序列(FIC⁃VT)的低复杂度双向水声信道精准估计算法。采用叠加训练(ST)方案,将符号序列和训练序列线性叠加,使得训练序列持续传输,提高时变信道跟踪能力。基于置信传播,提出FIC⁃VT算法,将一块数据分成多个短块,每个短块又分成多个子段,通过快速信息收集算法,将多个子段的信道信息进行融合,从而获得每个短块的低复杂度局部信道估计。利用短块间的信道相关性,对多个短块的信道信息进行双向信息融合,从而获得当前短块的低复杂度全局信道估计。基于Turbo均衡,将估计的符号序列虚拟为训练序列(VT),通过迭代计算实现时变水声信道低复杂度精准估计。本文算法由快速傅里叶变换(FFT)实现,每个抽头计算复杂度仅为对数级。计算机仿真、水池运动通信试验和胶州湾运动通信试验验证了本文算法的有效性。