本發(fā)明涉及水聲通信系統(tǒng)技術領域，尤其涉及一種稀疏信道下的水聲前導信號檢測方法。

背景技術：

在傳輸大量數(shù)據(jù)流之前，通常都會發(fā)送一個用于輔助接收器檢測傳輸數(shù)據(jù)的前導信號，這個前導信號會使接收器從一種潛在低功耗模式轉(zhuǎn)入到一種高功耗的數(shù)據(jù)處理模式。前導信號的誤檢可能會縮短接收器電池壽命。同時，隨著水下網(wǎng)絡不斷發(fā)展其應用范圍越來越廣，不同系統(tǒng)的共存問題日益凸顯。而不同水下系統(tǒng)的共存要求接收機能夠不被來自于其它系統(tǒng)的信號觸發(fā)。

然而，水聲系統(tǒng)中的前導信號檢測在以下兩個方面挑戰(zhàn)。首先，實際系統(tǒng)中水下背景噪聲是時變的非平穩(wěn)的，并且存在著各種各樣外界干擾：窄帶干擾、沖激噪聲、短時帶限干擾等。(其中尤為有害的干擾是來自于共存聲吶或通信系統(tǒng)中的類似的線性調(diào)頻信號，因為類似線性調(diào)頻信號往往具有很大相關性。)其次，水聲信道具有復雜的多徑結(jié)構。

現(xiàn)有水聲前導信號技術一般都是基于匹配濾波器的檢測方法，主要有以下幾種：

1.匹配濾波器(mf)：將本地信號與接收信號進行卷積，進而得到接收信號與已知前導信號的相關值用于表征相似性并與門限值進行比較，以此進行信號檢測。匹配濾波器是在加性高斯白噪聲下最大化輸出snr的最優(yōu)線性濾波器。

2.累積和檢驗算法(pagetest)：首先對噪聲方差進行估計，借此對匹配濾波器輸出值進行歸一化。其次將歸一化值進行數(shù)據(jù)偏移并且對多條路徑的歸一化偏移值進行累加，提高檢測能力。pagetest算法明確考慮到海洋環(huán)境的非平穩(wěn)性，且該算法復雜度較低。

3.歸一化匹配濾波器(nmf)：在匹配濾波器基礎上歸一化輸入功率，計算輸入樣本與本地模板之間的相關系數(shù)并與門限值進行比較，以此進行信號檢測。nmf方法在干擾噪聲能量較大時能夠有效的抑制噪聲幅度從而取得較為理想的檢測效果。

然而以上基于匹配濾波器的算法都存在著各種各樣的問題。其中mf算法，水下多徑信道會導致模板不匹配，除此之外水下環(huán)境噪聲是不穩(wěn)定的還存在各種各樣外部噪聲。這使得接收器選擇適當?shù)拈T限值變得更加復雜；pagetest算法，當干擾時長較短且頻帶與雙曲調(diào)頻信號(hfm)/線性調(diào)頻信號(lfm)有重疊時，該算法受影響嚴重，檢測性能不理想；nmf算法沒有考慮到多徑問題，其性能在密集的多徑信道中會顯著惡化。

技術實現(xiàn)要素：

本發(fā)明的目的在于，提出了一種稀疏信道下基于能量集中度(ec)的水聲前導信號檢測方法，應用于稀疏信道下的水聲通信系統(tǒng)，降低前導信號誤檢率，提高檢測率，提高系統(tǒng)的檢測性能，提高系統(tǒng)通信效率。本發(fā)明通過稀疏信號重構以及omp算法，估計了幾個重要元素(分量)的能量集中度用以判定稀疏信號是否重構成功，可應用與水聲通信、水聲定位跟蹤、軍事、航海遠洋、雷達、聲納中。

為達上述目的，本發(fā)明通過以下技術方案實現(xiàn)：

一種稀疏信道下基于能量集中的水聲前導信號檢測方法，包括：

步驟1、頻帶搬移及采樣：首先將接收到的帶通信號進行頻率搬移得到基帶信號x(t)，然后對基帶信號x(t)以基帶采樣率b進行采樣，其中b為指定帶寬，采樣間隔為ts＝1/b；

步驟2、塊檢測：在n時刻取n個連續(xù)接受樣本組成數(shù)據(jù)塊x[n]，

x[n]＝[x[n-n+1],···,x[n]]^h,

其中x[n]∈c^n×1，并且塊大小n大于模板大小nt，nt＝信號時長t/采樣間隔ts；對每個數(shù)據(jù)塊進行檢測，利用字典矩陣φ對檢測數(shù)據(jù)塊x[n]進行omp信號重構；

步驟3、初始化殘差、索引集：假設信道稀疏度為k，則需要在字典矩陣中找到k個字典條目組成索引向量集合用于信號重構。首先用觀測量初始化殘差量r0＝x[n]，并初始化索引集為空集，令迭代計數(shù)器i＝0，所述觀測量即檢測塊；

步驟4、尋找能量貢獻路徑，索引字典條目，找到索引值ti，更新索引集；

步驟5：剔除相關路徑，得到估計信號并更新殘差，在經(jīng)歷有限次迭代后，執(zhí)行步驟6；否則，設置i＝i+1并返回步驟4；

步驟6、計算能量集中度ec得到本次檢測結(jié)果：

當有信號發(fā)送時，由于水下多徑信道具有稀疏性，重構信號與x[n]匹配，其能量集中在前幾個碼元。計算能量集中度如下式：

若ζ[n]＞γec表明檢測到信號，若ζ[n]＜γec表明未檢測到信號，其中γec為檢測門限值；到此，一個數(shù)據(jù)塊樣本檢測完成；

步驟7、窗口滑動，檢測下一個數(shù)據(jù)塊。

進一步地，為降低其計算復雜度，利用兩步實現(xiàn)法借助nmf來實現(xiàn)所述檢測方法，設置歸一化匹配濾波門限hnmf以及檢測門限γec，具體實現(xiàn)步驟如下：

a)設置滑動窗口計數(shù)器w＝1；

b)假設窗口長度n為偶數(shù)，那么當對第n個檢測塊進行檢測時，初始化殘差如下：

r0＝[x((w-1)n/2+1)x((w-1)n/2+2)…x((w-1)n/2+n)]^h；

c)對r0做以下匹配歸一化處理，

d)若rnmf＜hnmf，判斷未發(fā)送信號，且w＝w+1,，滑動窗口對下一個檢測塊進行檢測，同時返回步驟b，否則繼續(xù)，執(zhí)行步驟e；

e)～h)同上述過程中的步驟3-步驟6，計算

i)若ζ[n]＜γec，判斷沒有信號發(fā)送；否則，判斷有信號發(fā)送。并且w＝w+1，返回步驟b繼續(xù)對下一個數(shù)據(jù)塊進行檢測。

進一步地，所述步驟4以貪婪的方式在字典矩陣中選擇列向量，在每次迭代中，選擇與x[n]剩余部分最為相關的列向量；為了找到最為相關的列向量，則需解決以下優(yōu)化問題：

其中ti表示本次迭代中選擇的字典條目在字典矩陣中的列標；選定字典條目后，將向量添加到向量集合中，并更新索引集：ωi＝ωi-1∪ti

進一步地，步驟5中利用更新后的列向量集合求解以下最小二乘問題得到本次迭代的估計信號：

更新信號殘差并估計信號：

進一步地，步驟5的停止準則替換為相對擬合誤差準則。

本發(fā)明的有益效果是：本發(fā)明是基于水下信道固有稀疏特性的新型檢測技術，即nmf-ec技術。通過稀疏信號重構以及omp算法，nmf-ec技術估計了幾個重要元素(分量)的能量集中度用以判定稀疏信號是否重構成功，該技術相較于現(xiàn)有技術有以下優(yōu)點：1.本發(fā)明在加性高斯白噪聲以及不同類型干擾下都具有很強的魯棒性；2.相較于基于匹配濾波器的檢測技術，本發(fā)明在多徑信道下有較好的檢測性能；3.相較于其它現(xiàn)有技術，本發(fā)明在復雜多變的實際水下環(huán)境中表現(xiàn)出較為理想的檢測性能。

附圖說明

圖1是滑動窗口示意圖；

圖2是高斯白噪聲下hfm前導信號檢測roc曲線(snr＝-13db)；

圖3是窄帶干擾下hfm前導信號檢測roc曲線(snr＝-12db)；

圖4是短時帶限干擾下hfm前導信號檢測roc曲線(snr＝-13db)；

圖5(a)是類似調(diào)頻干擾hfm前導信號檢測roc曲線(蒙特卡洛仿真5000次，snr＝-2db，inr＝1db，干擾時長＝90ms)；

圖5(b)是類似調(diào)頻干擾hfm前導信號檢測roc曲線(蒙特卡洛仿真5000次，snr＝-3db，inr＝3db，干擾時長＝90ms)；

圖6是沖激干擾下前導信號檢測roc曲線(snr＝-12db)；

圖7是沖激干擾下前導信號檢測roc曲線(snr＝-13db)；

圖8是不同多徑條數(shù)下hfm前導信號檢測roc曲線(snr＝-13db)；

圖9是短時帶限干擾下下hfm前導信號檢測roc曲線(實驗數(shù)據(jù))；

圖10是上行掃頻干擾hfm前導信號檢測roc曲線(實驗數(shù)據(jù))；

圖11是下行掃頻干擾hfm前導信號檢測roc曲線(實驗數(shù)據(jù))；

圖12是沖擊干擾下hfm前導信號檢測roc曲線(實驗數(shù)據(jù))。

具體實施方案

下面通過具體實施方式結(jié)合附圖對本發(fā)明作進一步詳細說明。

基于背景技術中對現(xiàn)有技術的分析，現(xiàn)有技術和現(xiàn)在的研究都沒有考慮到水下信道各種外界干擾及其復雜的多徑結(jié)構。本發(fā)明基于水下信道具有稀疏特性這一前提假設進行。稀疏信道估計已被成功的應用于單載波與多載波水下傳輸?shù)耐ㄐ沤邮諜C設計中，正交匹配追蹤(omp)算法是一種簡單且有效地追蹤算法。本發(fā)明采用信道估計方法，借助信號的重構進行水聲通信中的前導信號檢測(注：相似方法僅被嘗試用于無干擾條件的無線信道)。

相較于基于匹配濾波器的接收技術，能量集中度(energyconcentrationec)檢測顧名思義是一種基于能量的檢測技術。在本發(fā)明的檢測過程中，首先通過若干次迭代過程從接受數(shù)據(jù)中分離出若干條主要路徑的貢獻，然后將其進行線性疊加得到重構信號。然后計算重構信號的能量作為檢測量進行判別。能量集中度檢測技術中，信號的重構過程不僅減小了多徑信號之間的相互影響，還剔除了部分干擾噪聲以及無關多徑，有效提高了信噪比。而重構信號的能量則表征了幾條重要路徑對接受信號的貢獻。相比于上述基于匹配濾波檢測技術，能量集中度檢測不但可以有效抑制部分干擾噪聲，而且充分考慮了水聲信號的多徑效應。

接收端接收到的信號實際上是經(jīng)頻率搬移后的帶通信號。由于hfm或lfm波形對多普勒不敏感，因此經(jīng)常被用做前導信號。用和s(t)分別表示通帶與基帶中的前導信號，fc表示載頻，因此有

其中參數(shù)k、b為：

式中t為信號時長。由上式可知，lfm瞬時頻率可表示為f(t)＝f1+kt，并且滿足f(0)＝f1，f(t)＝f2；hfm瞬時頻率可表示為并且滿足f(0)＝f1，f(t)＝f2。對于lfm與hfm，當f2＞f1，為向上掃描的lfm或hfm，當f1＞f2，為向下掃描。

基帶lfm或hfm波形可表示為：

本發(fā)明采用的時變水聲信道可表示為：

其中npa表示多徑條數(shù)，ap，τp以及ap分別表示第p條路徑的幅度、時延以及多普勒量級(時間擴張)。由于lfm波形對多普勒壓縮或擴張不敏感，因此可以忽略多普勒影響從而采用以下更為簡單的信道模型，如下：

經(jīng)過信道傳播后，接受到的帶通信號為：

其中*表示卷積，為環(huán)境噪聲，為外界干擾。

本發(fā)明的稀疏信道下基于能量集中的水聲前導信號檢測方法的實現(xiàn)步驟如下所示：

步驟1：頻帶搬移及采樣

首先將接收到的帶通信號進行頻率搬移得到基帶信號x(t)：

其中*表示卷積。然后對基帶信號x(t)以基帶采樣率b進行采樣，其中b為指定帶寬。此時采樣間隔為ts＝1/b，則接收機接收的傳入樣本x[n]為：

步驟2：塊檢測

在n時刻取n個連續(xù)接受樣本組成數(shù)據(jù)塊x[n]，

x[n]＝[x[n-n+1],···,x[n]]^h,(12)

其中x[n]∈c^n×1，并且塊大小n大于模板大小nt(nt＝信號時長t/采樣間隔ts)。

理論分析：本發(fā)明根據(jù)發(fā)送信號模型s[n]構造字典矩陣φ，其中

s＝[s[0],...,s[nt-1]]^h，(14)

φ＝[φ0,φ1,...,φd-1],(16)

其中，s(t)為發(fā)送信號，ts為基帶采樣間隔，φl∈c^n×1為信號s的第l個延遲副本(l＝0、1…d-1)，d＝n-nt為最大延遲，φ∈c^n×d為字典矩陣。

本發(fā)明對每個數(shù)據(jù)塊進行檢測，首先利用字典矩陣φ對檢測數(shù)據(jù)塊x[n]進行omp信號重構，顯然當沒有前導信號發(fā)送時，檢測數(shù)據(jù)塊x[n]與傳輸信號無關；當有前導信號發(fā)送時，檢測數(shù)據(jù)塊x[n]則包含lfm/hfm模板信號s[n]。此時接收信號x[n]可表示為

x[n]＝φξ[n]+ν[n](17)

ξ[n]＝[ξ0[n],...,ξd-1[n]]^h,(18)

其中，ξl表示第l個延遲副本所對應的信道相關系數(shù)，v[n]表示水下各種干擾與噪聲。而信號的重構過程即在字典矩陣中找到若干個列向量組成接收數(shù)據(jù)塊向量x[n]的過程。

步驟3：初始化殘差、索引集

采用omp對每個數(shù)據(jù)塊進行信號重構，需要確定矩陣φ中的哪些列向量組成了本次觀測向量x[n]。假設信道稀疏度為k，則需要在字典矩陣中找到k個字典條目組成索引向量集合用于信號重構。首先用觀測量(檢測塊)初始化殘差量r0＝x[n]，并初始化索引集(空集)，(空集)，令迭代計數(shù)器i＝0(表示索引次數(shù))。

步驟4：尋找能量貢獻路徑，索引字典條目，找到索引值ti，更新索引集

本發(fā)明的主要思想是以貪婪的方式在字典矩陣中選擇列向量。在每次迭代中，選擇與x[n]剩余部分最為相關的列向量。為了找到最為相關的列向量，則需解決以下優(yōu)化問題：

其中ti表示本次迭代中選擇的字典條目在字典矩陣中的列標。選定字典條目后，將向量添加到向量集合中，并更新索引集：ωi＝ωi-1∪ti。

步驟5：剔除相關路徑，得到估計信號，用于能量計算

利用更新后的列向量集合求解以下最小二乘問題得到本次迭代的估計信號。

更新信號殘差并估計信號：

本發(fā)明在經(jīng)歷有限次迭代(k次)后停止，得到執(zhí)行步驟6(注意：可以使用其它停止準則，如相對擬合誤差準則)。否則，設置i＝i+1并返回步驟4。

步驟6：計算能量集中度(ec)得到本次檢測結(jié)果

不同于其它基于能量的檢測技術，能量集中度檢測并不是直接對未經(jīng)處理的原始信號進行能量計算。相反它結(jié)束水聲信道的稀疏性與線性，借助信號的重構過程篩選相路徑并按照其與接收信號的相關程度進行累計疊加。這樣它兼顧了每條路徑對接收信號的貢獻已經(jīng)多徑的累積效應。

基于以上步驟得到的重構信號是k條多徑貢獻的線性疊加。當沒有信號發(fā)送時，估計值是信號的失配重構，不具有稀疏特性，且它的前幾個元素并不顯著大于后面的元素。然而當有信號發(fā)送時，由于水下多徑信道具有稀疏性，重構信號與x[n]匹配，其能量集中在前幾個碼元。計算能量集中度如下式：

若ζ[n]＞γec表明檢測到信號，若ζ[n]＜γec表明未檢測到信號，其中γec為檢測門限值。到此，一個數(shù)據(jù)塊樣本檢測完成。(本技術需要由用戶指定兩個參數(shù)信道稀疏度k和檢測門限γec)

理論分析：通過分析可知重構信號是來自于k條主要路徑貢獻的線性累加。該信號的重構過程不僅減小了多徑之間的相互影響，而且有效剔除部分噪聲干擾，提高信噪比。而重構信號的能量則表征了k條主要路徑對接受數(shù)據(jù)的貢獻，充分考慮了信道的多徑效應。能量集中度檢測技術是充分考慮多徑基礎上基于能量的檢測技術。該技術相對于現(xiàn)有基于匹配濾波檢測技術充分利用了信道的稀疏特性，在一定程度上克服了信道復雜的多徑結(jié)構。

步驟7：窗口滑動，檢測下一個數(shù)據(jù)塊

如附圖1所示，滑動窗口步長為n/2，n個接收數(shù)據(jù)為一個檢測樣本。每次檢測完成后，滑動窗口移動n/2得到下一個檢測樣本，然后返回步驟3對新樣本進行新一輪的檢測。

ec技術的兩步實現(xiàn)

相較于基于匹配濾波的檢測技術，累積相關系數(shù)技術雖然有較為理想的檢測效果，但其計算復雜度卻相對較高。為降低其計算復雜度，可利用一種兩步實現(xiàn)法借助nmf來實現(xiàn)該技術。與上述實現(xiàn)過程相比本實現(xiàn)過程需要兩個門限值即歸一化匹配濾波門限hnmf以及檢測門限γec。具體實現(xiàn)步驟如下：

a)設置滑動窗口計數(shù)器(對檢測塊進行技術)w＝1。

b)假設窗口長度n為偶數(shù)，那么當對第n個檢測塊進行檢測時，可初始化殘差如下：

r0＝[x((w-1)n/2+1)x((w-1)n/2+2)…x((w-1)n/2+n)]^h(23)

c)對r0做以下匹配歸一化處理，

s[n]為lfm/hfm模板信號。

d)若rnmf＜hnmf，判斷未發(fā)送信號，且w＝w+1,，滑動窗口對下一個檢測塊進行檢測，同時返回步驟b，否則繼續(xù)，執(zhí)行步驟e。

e)～h)同上述過程中的步驟3-步驟6，計算

i)若ζ[n]＜γec，判斷沒有信號發(fā)送；否則，判斷有信號發(fā)送。并且w＝w+1，返回步驟b繼續(xù)對下一個數(shù)據(jù)塊進行檢測。

仿真實例

仿真實例1(加性高斯白噪聲)

具有時變方差的高斯噪聲可表示為其中n(0，σ²)表示均值為0方差為σ²的的正態(tài)分布。水下環(huán)境噪聲是非平穩(wěn)性的，而環(huán)境噪聲的非平穩(wěn)性為檢測器選擇適當?shù)拈撝堤岢隽颂魬?zhàn)。

本例比較不同檢測器在加性高斯白噪聲下的性能。附圖2所示的是在snr＝-13db時的模擬roc曲線，同時設置hfm波形的擴展增益為27db。該仿真條件下，mf檢測性能優(yōu)于nmf、mf-pt，而本發(fā)明的技術即能量集中度(ec)檢測技術顯然表現(xiàn)出比mf更好的檢測性能。。

仿真實例2(窄帶干擾)

窄帶干擾通常具有較長的持續(xù)時間且頻帶受限，特殊情況下它只有一個頻調(diào)，通常情況下有多個頻調(diào)且表示為：

式中fnb[i]，anb[i]，φnb[i]分別表示第i個頻調(diào)的頻率、幅度、相位偏移。通常，窄帶干擾具有比前導信號更長的持續(xù)時間。

本例中，窄帶干擾為13.5khz的單音信號，它覆蓋整個塊持續(xù)時間且其功率是前導信號的三倍。從附圖3可以看出，在窄帶干擾下，鑒于其有效的歸一化步驟，pt表現(xiàn)出比mf、nmf更好的檢測性能。盡管沒有任何歸一化過程，本發(fā)明的技術在有效提高信噪比的基礎上綜合考慮了多條主要路徑影響，表現(xiàn)出優(yōu)于以上基于匹配濾波技術的良好檢測性能。

仿真實例3(短時帶限干擾)

短時帶限干擾，帶限指干擾頻帶范圍[fl,fh]有限并且在信號頻帶內(nèi)，短時指干擾持續(xù)時長小于前導信號。該干擾也可能是附近系統(tǒng)因其它目的傳輸?shù)牟ㄐ?。定義干擾帶寬為b1＝fh-fl，干擾時長為t1。

為不失一般性，假設n1＝[b1t1]為偶數(shù)。將干擾轉(zhuǎn)移到基帶[-b/2,b/2)，基帶信號用傅里葉級數(shù)表示為：

式中cl為基系數(shù)，相應的通帶信號可參數(shù)化為

本例中的短時帶限干擾是由固定持續(xù)時長為33.3ms的高斯白噪聲通過中心頻率為13khz，帶寬為1624hz的帶通濾波器得到的。這樣干擾的持續(xù)時間與帶寬均為前導信號的1/3。干擾的起始時間隨機分布在塊中[25,125]ms的時間范圍內(nèi)。由附圖4可知，本發(fā)明提出的方法在短時帶限干擾下性能良好，而pt算法性能要比所提出的算法以及nmf差，這是因為pt算法的歸一化步驟在持續(xù)時間較短的干擾下不能很好的工作，而本發(fā)明的能量集中度(ec)檢測技術相比于其它技術針對這種類型的干擾顯然有更好的檢測性能，這與其抓住信道稀疏特性兼顧多徑累積效應的檢測思想密不可分。

仿真實例4(lfm/hfm干擾)

來自其它信道用戶的通信設備也可使用具有不同參數(shù)的hfm或lfm信號，用表示。當線性調(diào)頻信號通過路徑參數(shù)為{(a′p,τ′p)}的水下信道(信道模型如8式)，接收機接收的干擾形式為：

由于類似調(diào)頻信號之間的相關性很高，因此這種類型的干擾對檢測器的性能有較為嚴重的影響。

本例中的線性調(diào)頻干擾具有與前導信號相同帶寬和中心頻率，唯一區(qū)別是干擾長時長為90ms，前導信號時長為100ms。前導信號和chirp干擾可能來自不同的調(diào)制解調(diào)器。具有相同參數(shù)不同實現(xiàn)的信道可以通過相同的方法進行模擬。

附圖5(a)中snr＝-2db，inr＝1db。本發(fā)明提出的方法檢測性能要優(yōu)于其它檢測器，并且由于類似chirp之間的強相關性(后面附圖9中給出了說明)，pt算法在這種仿真條件下表現(xiàn)很不理想。附圖5(b)中snr＝-3db，inr＝3db，ec檢測性能下降。因為基于不匹配chirp的重構信號仍然是近似稀疏的，本仿真條件下nmf和nmf-acc算法性能穩(wěn)定，且累積了多條路徑的acc在所有檢測器中表現(xiàn)最好。

仿真實例5(沖激干擾)

水下環(huán)境具有很強的沖激噪聲。由于海港臨近區(qū)域的人類活動以及生物噪聲，沖激干擾的影響不可忽略。與高斯噪聲不同，沖激干擾幅度非常大、持續(xù)時間很短。

對稱α穩(wěn)定(sαs)分布用來表征環(huán)境噪聲以及溫暖淺水區(qū)對蝦產(chǎn)生的沖激噪聲的經(jīng)驗振幅分布函數(shù)。白噪聲模型sos(wsosw)中設置a＝1，得到基于二分量高斯混合(gm)模型在樣本水平上對復合噪聲建模μ[n]＝w[n]+i[n]的另一種常用方法，并且被廣泛應用于沖激噪聲的研究。

該模型的概率密度函數(shù)為：

式中n(·)為復高斯分布函數(shù)，為加性高斯白噪聲的方差，為沖激噪聲高斯分量的方差，p為沖激噪聲發(fā)生的概率。然而在較短的持續(xù)時間(窗口長度)內(nèi)，可視為那么對于每個分量，噪聲是獨立同分布(iid)的。至于模型參數(shù)p，可由特定記錄噪聲信號推到得到。

附圖6和附圖7中描繪了式(28)中模型產(chǎn)生的沖激干擾(信噪比不同)下所有檢測器的roc性能曲線，其模型參數(shù)為p＝0.01。與在加性高斯白噪聲中不同，mf在沖激噪聲性能下降。由于歸一化克服了噪聲功率的不斷變化，nmf和pt相比于mf能更好的工作。通過提取信號分量，本發(fā)明表現(xiàn)出更好的檢測性能。

仿真實例6(路徑條數(shù))

本發(fā)明是在稀疏信道基礎上進行的，而路徑條數(shù)表征信道的稀疏度。

如附圖8所示，本例比較不同l下的檢測性能。通常，隨著l從15減小到10，從10減小到5，檢測性能提高。這是因為當snr較低時，信號幅度小的路徑很難提取。借助少數(shù)主路徑可以有效的將前導信號從干擾中區(qū)分開來。

由附圖2-8，可以得到以下結(jié)論：

●沒有干擾，所有檢測器在加性高斯白噪聲下都表現(xiàn)出良好的性能。當存在干擾時，情況有所不同。一般而言，mf在所有檢測方法中對干擾最為敏感，它需要某種歸一化方式以使檢測器在不同情況下穩(wěn)定工作。在長時間干擾下，如窄帶干擾、沖激干擾，pt性能較好，在短時間干擾下，如短時帶限干擾、類似線性調(diào)頻信號，pt性能較差。在所有基于匹配濾波器的檢測器中，nmf方法對于不同干擾性能是最強的。

●除具有很大inr的類似線性調(diào)頻信號外，在所有測試情況下ec方法都比基于匹配濾波器的加測器有更好的檢測性能。該仿真結(jié)果充分證明了利用信道稀疏性進行前導信號檢測的優(yōu)勢，能夠?qū)崿F(xiàn)檢測器在不同類型干擾下的魯棒性。

實驗數(shù)據(jù)

下面將利用移動水聲通信實驗室(mace10)收集的數(shù)據(jù)來比較不同的檢測方法。該實驗室于2010年6月在馬薩諸塞州馬薩諸塞葡萄園成立。發(fā)射源與接收矩陣被部署在深度約為95m到100m的水域中。接收器有兩個子表面接收系泊裝置和兩個表面耦合的接收器浮標。每個浮標有4個元素，組成1m長的垂直陣列。接收陣列是靜止的，發(fā)射陣列則以1到2m/s的速度被船拖拽。發(fā)射器與接收器的相對距離從500m變化到7km左右。前導信號參數(shù)設置如表1，與模擬仿真中相同。在前導信號之后，是發(fā)送的m序列和其它通信數(shù)據(jù)。由于相對距離的改變，多徑信道的分布不是固定不變的。

將含有hfm前導信號的數(shù)據(jù)集轉(zhuǎn)換為基帶數(shù)據(jù)，持續(xù)時長為260ms備用數(shù)據(jù)塊中，hfm前導信號在塊內(nèi)[25,125]ms的時間范圍內(nèi)隨機開始。實驗中總共獲得5127塊所需hfm前導信號數(shù)據(jù)塊，使用其中的2000塊進行h1假設下的檢測。需要注意的是，由于數(shù)據(jù)發(fā)射源的移動，這些數(shù)據(jù)塊所對應的信道是時變的。

實驗實例7(hfm與濾過的m序列)

附圖9為實驗環(huán)境中，短時帶限干擾下不同檢測器性能。為了模擬短時窄帶干擾，將來自mace10的2000個m序列剪切成長度為10ms的數(shù)據(jù)塊，并用帶寬為2khz的濾波器對這些數(shù)據(jù)塊進行處理。生成260ms的噪聲塊并將干擾隨機添加在數(shù)據(jù)塊[25,125]ms的時間范圍內(nèi)。如附圖9所示，為snr＝-4db，inr＝5db時不同檢測器的roc性能曲線，其中累積相關系數(shù)檢測技術參數(shù)設置l＝10。由圖可知，本發(fā)明的技術顯然比mf、nmf、以及pt有更強的檢測能力。顯然，pt算法在這種短時帶限干擾下不能很好地工作。

實驗實例8(hfm與類似線性調(diào)頻信號)

在mace10數(shù)據(jù)集中，包含具有相同帶寬但時長為200ms的下行掃描hfm信號，還有具有相同帶寬、相同時長(100ms)的上行掃描lfm信號?？梢允褂眠@些hfm信號作為chirp干擾。

附圖10和附圖11是實驗環(huán)境中，類似線性調(diào)頻干擾下不同檢測器性能。附圖10為下行掃描hfm作為干擾且snr＝3db，inr＝1db是的roc性能曲線。附圖11為上行掃描lfm作為干擾且snr＝-5db，inr＝8db時的roc性能曲線。顯然，pt能在較長時間干擾下能很好的工作。但不能很好的區(qū)別上行掃頻lfm與上行掃頻hfm。nmf性能良好，并且其性能在第二種情況下要比nmf-ec好。同時，兩種情況下nmf-acc性能都要優(yōu)于nmf。

實驗實例9(hfm與沖激噪聲)

本例研究了hfm前導信號在沖激干擾下的檢測性能。沖擊干擾數(shù)據(jù)集來源于2013年5月在臺灣高雄市附近的南海海域進行的海上實驗。實驗期間存在很多意外的沖激干擾。并且?guī)缀跛械臄?shù)據(jù)集都受到不同程度的影響。

附圖12是實驗環(huán)境中，沖激干擾下不同檢測器性能。在附圖12中，沖激干擾的幅度值是數(shù)據(jù)中值幅度的四倍，并且選擇發(fā)生800個數(shù)據(jù)塊，其發(fā)生概率p＝0.01左右，inr＝13db。每個數(shù)據(jù)塊的長度仍然為260ms。沖激干擾下，mf在所有檢測器中性能是最差的。由于nmf與pt算法中的歸一化步驟，它們在沖激干擾下具有更穩(wěn)定的性能。

總之，通過附圖9-12可得到以下結(jié)論。mf在干擾下性能很差，pt在短時帶限干擾下檢測性能較低。相對來說，nmf在不同情況下具有更強的魯棒性。本位提出的檢測器在不同情況下都顯示出比所有基于mf檢測器更好的性能。特別的，acc在所有檢測器中是最好的。這些結(jié)論與模擬仿真中的觀測結(jié)果一致。

以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本發(fā)明的保護范圍。