公开(公告)号：CN109088835A

公开(公告)日：2018-12-25

申请号：CN201811197910.8

申请日：2018-10-15

Applicant: 哈尔滨工程大学

Inventor： 马璐 ,  宋庆军 ,  乔钢 ,  刘凇佐 ,  李梦瑶

IPC: H04L25/02 ,  H04L27/26 ,  H04B17/391

Abstract: 本发明涉及基于时间多重稀疏贝叶斯学习的水声时变信道估计方法，包括以下步骤：步骤一：输入信道估计参数，包括：接收符号向量 字典矩阵Φp，最大迭代次数rmax，终止门限e，噪声方差σ2；步骤二：初始化超参数矩阵Γ、迭代计数r和相关矩阵B；步骤三：采用期望最大化算法对超参数γ进行求解；步骤四：更新相关矩阵B；步骤五：迭代终止条件判断，如果r＜rmax且 令r＝r+1，返回步骤三；如果r＜rmax且 则终止迭代；如果r≥rmax，则终止迭代；步骤六：输出估计参数，包括稀疏信道估计矩阵，超参数估计向量以及估计出的相关矩阵本发明与SBL方法相比，预先充分利用了水声信道之间的相关性，提高了信道估计的性能，降低了系统的误码率，在实际水声OFDM通信系统中，具有实际应用价值。

公开(公告)号：CN109194596A

公开(公告)日：2019-01-11

申请号：CN201811197097.4

申请日：2018-10-15

Applicant: 哈尔滨工程大学

Inventor： 马璐 ,  宋庆军 ,  乔钢 ,  刘凇佐 ,  李梦瑶 ,  干书伟

IPC: H04L25/02 ,  H04L27/26 ,  H04B17/391

Abstract: 本发明涉及一种基于稀疏贝叶斯学习的水声OFDM时变信道估计方法，包括以下步骤：步骤一：输入信道估计参数，包括：接收符号向量YP，字典矩阵Φp，最大迭代次数rmax，终止门限e和噪声方差σ2；步骤二：初始化超参数矩阵Γ和迭代计数r；步骤三：采用期望最大化算法对超参数γ进行求解；步骤四：迭代终止条件判断，若r＜rmax且 令r＝r+1，返回步骤三；若r＜rmax且 则终止迭代；若r≥rmax，则终止迭代。步骤五：输出估计参数，包括稀疏信道向量估计和超参数向量估计。本发明的优点在于与现有的CS方法相比，该方法提高了信道估计的精度，降低了系统的误码率，在实际的水声OFDM通信系统中，具有实际应用价值。