基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机.pdf

基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机叶子豪鄢社锋*杨斌斌(中国科学院声学研究所北京100190)(中国科学院大学北京100049)摘要：多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中，由于子载波间干扰(ICI)对信号的影响程度未知，导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题，该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计，信道估计时利用估计出的干扰深度重建各个信道的频域矩阵，避免对不同信道选择相同的干扰深度，在自适应信道变化的同时降低了计算复杂度。此外，将判决反馈均衡引入MIMO-OFDM水声通信系统，利用已均衡出的符号信息消除子载波间干扰。仿真结果表明，该接收机相比于干扰深度渐进的接收机，译码成功所需的时间更短。关键词：水声通信；多输入多输出正交频分复用；迭代接收机；载波间干扰；判决反馈均衡中图分类号：TN929.3文献标识码：A文章编号：1009-5896(2023)07-2519-09DOI:10.11999/JEIT220794MIMO-OFDM Underwater Acoustic Communication Receiver Based onIntercarrier Interference Depth EstimationYEZihaoYANShefengYANGBinbin(Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China)(University of Chinese Academy of Sciences,Beijing 100049,China)Abstract:DuetotheunknowninfluenceofInter-CarrierInterference(ICI)onthesignalinMultipleInputMultipleOutputOrthogonalFrequencyDivisionMultiplexing(MIMO-OFDM)underwateracousticcommunicationsystems,thereceivershaveproblemswithincompleteinterferencecancellationorhighcomputationalcomplexity.Tosolvethisproblem,aniterativeMIMO-OFDMreceiverbasedonICIdepthestimationisproposed.ThepilotfrequencydomaincorrelationisusedtoestimatetheICIdepthforeachtransmittedsignal.Inchannelestimation,thefrequencydomainmatrixofeachchannelisreconstructedbyusingtheestimatedinterferencedepth,whichavoidsselectingthesameinterferencedepthfordifferentchannels.Therefore,theproposedreceivercanselfadapttochannelvariationsandreducecomputationalcomplexity.Furthermore,decisionfeedbackequalizationisintroducedintotheMIMO-OFDMunderwateracousticcommunicationsystem,andtheequalizedsymbolsareusedtoeliminateICI.SimulationresultsshowthatthecorrectdecodingtimeoftheproposedreceiverislessthanthatoftheICI-progressivereceiver.Key words:Underwateracousticcommunications;MultipleInputMultipleOutputOrthogonalFrequencyDivisionMultiplexing(MIMO-OFDM);Iterativereceiver;Inter-CarrierInterference(ICI);Decisionfeedbackequalization1 引言如今水下信息高速传输的需求不断增加，但水声信道的多径传播以及有限的带宽限制了高速通信的实现。正交频分复用(OrthogonalFrequencyDivisionMultiplexing,OFDM)技术因其良好的抗多径性能，在水声通信中得到了广泛应用，多输入多输出(MultipleInputMultipleOutput,MIMO)技术通过在多个发射机上并行传输数据提高频谱效率。因此，OFDM与MIMO技术相结合的通信方法成为高速水声通信的重要研究方向1。收稿日期：2022-06-16；改回日期：2022-10-24；网络出版：2022-10-26*通信作者：鄢社锋sfyanieee.org基金项目：国家自然科学基金(62192711,61725106)FoundationItems:TheNationalNaturalScienceFoundationofChina(62192711,61725106)第45卷第7期电子与信息学报Vol.45No.72023年7月JournalofElectronics&InformationTechnologyJul.20231 104DDMIMO-OFDM水声通信系统中，接收信号中存在由于发射数据并行传输产生的信道间干扰(Co-ChannelInterference,CCI)以及收发机间相对运动产生的子载波间干扰(Inter-CarrierInterfer-ence,ICI)。传统的OFDM系统通常采用ICI-忽略的接收机25，此类接收机假定经过多普勒补偿后信号不受ICI的影响，将接收信号中的ICI作为环境噪声处理。但由于多普勒估计存在误差，经过补偿后的信号中仍会存在数量级的残余多普勒因子，造成子载波间相互干扰。为了消除接收信号中的ICI，研究者采用ICI-感知的接收机，此类接收机计算ICI对数据符号的影响，研究结果表明使用ICI-感知的接收机进行ICI消除可以显著提高OF-DM系统的性能69。为降低计算复杂度，此类接收机通常假设每个符号仅对其左右两边各 个子载波符号产生影响911，表示干扰深度。但ICI-感知的接收机在迭代过程中假定信道模型的干扰深度为固定值，不能适应水声信道的实时变化，如当信号受多普勒效应影响增大时，仍保持预先设置的干扰深度会造成译码性能下降；而当多普勒变化较小时，使用较大的ICI深度将导致计算复杂度上升。针对这一问题，文献12提出了一种ICI-渐进的接收机，之后学者将其扩展到MIMO-OFDM系统13,14。该接收机明确处理CCI和ICI，从ICI-忽略的信道模型开始，通过迭代逐渐增加信道模型的干扰深度，接收机消除ICI的程度也随之增加。通过这种迭代方式，接收机能够自适应未知信道的变化。但当信号受ICI影响突然增大时，此类接收机需要从ICI-忽略的接收机逐渐转换为ICI-感知的接收机，直到信道模型中干扰深度达到合适值时才能正确译码，这导致干扰深度到达合适值前将进行大量的额外计算，使接收机整体复杂度增高。此外，现有MIMO-OFDM接收机在进行信道估计时，对收发机间所有信号选择相同的干扰深度进行处理，并未考虑各个信号受多普勒效应影响不同，造成计算复杂度大或信道估计不准确的问题。本文针对ICI-感知的接收机中干扰深度未知的问题，提出一种基于子载波间干扰深度估计的MIMO-OFDM接收机。本接收机利用导频频域相关估计出接收端每个发射信号的残余多普勒因子，通过残余多普勒因子判断该信号的信道模型干扰深度，从而为各个发射信号选择合适的干扰深度进行信道估计，在自适应水声信道变化的同时降低计算复杂度，解决了ICI-渐进的接收机额外迭代的问题。此外，本文将判决反馈均衡引入MIMO-OFDM接收机，将已经均衡出的符号信息反馈到均衡器输入端，进一步消除ICI。最后通过仿真对比了基于ICI深度估计的接收机与其他接收机的译码性能和平均译码时间，验证了其有效性以及计算时间方面的优势。2 系统模型NtNrTbl=T+TgTTgKsAsDsPsNu本文考虑个发射机和个接收机的MIMO-OFDM水声通信系统，为节省发射功率，使用零后缀的OFDM。系统中一个OFDM数据块的时间为，其中 表示OFDM信号的持续时间，表示保护间隔。一个OFDM块中包含个子载波，由数据子载波、导频子载波以及空子载波组成。发射机 的发射信号可以表示为xu(t)=ReksAsu(k)ej2kTtg(t)ej2fct,t 0,Tbl(1)fcsu(k)ukg(t)其中，表示载波频率，表示第 个发射机中第 个子载波上传输的编码符号，表示脉冲成型滤波器。uvPv,uTbl假设MIMO-OFDM系统中第 个发射机和第个接收机间存在条路径，在一个OFDM数据块的持续时间内，信道幅度不发生变化，则此收发机间的信道可以表示为hv,u(,t)=Pv,up=1av,u,p(v,u,p v,u,pt)(2)av,u,pv,u,pv,u,puvpvmzvm其中，,和分别表示第 个发射机和第 个接收机间第 条路径的幅度、时延和多普勒因子。因此第 个接收机的接收信号中第个子载波的频域测量值为zvm=Ntu=1ksAHv,um,ksuk+wvm(3)Hv,um,kukvmwvv其中，表示第 个发射机中第 个子载波上的符号对第 个接收机中第个子载波输出的影响系数，表示第 个接收机的背景噪声。Hv,u根据式(1)和式(2)，信道的频域表达式为Hv,um,k=Pv,up=1av,u,pej2fmv,u,p G(fm fkfmv,u,p1+v,u,p)(4)av,u,p=av,u,p/(1+v,u,p)v,u,p=v,u,p/(1+v,u,p)G(f)g(t)Hv,um,k=0其 中，,，为的傅里叶变换。当接收处理考虑ICI时，为降低计算复杂度，通常采用带状的子载波间干扰假设911，即假2520电子与信息学报第45卷D设每个符号仅受到左右相邻的各个符号的影响，公式表示为Hv,um,k=0,|m k|D(5)HDv,uHv,um,kHDv,umk此时信道矩阵为带状矩阵，本文用表示信道带状矩阵，为的第行 列的元素。根据带状ICI假设，式(3)用矩阵-向量形式表示为zv=Ntu=1HDv,usu+wv(6)zvvsuuwvv其中，表示第 个接收机的频域观测信号，表示第 个发射机的频域发射信号，表示第 个接收机中由残余CCI,ICI及背景噪声组成的等效噪声。3 基于子载波间干扰深度估计的MIMO-OFDM接收机3.1 MIMO-OFDM接收机结构迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机结构如图1所示，主要包括以下步骤：(1)预处理：对接收信号进行同步并去除其主多普勒效应。D(2)干扰深度估计：利用导频频域相关法估计出各个信号的残余多普勒因子，通过残余多普勒因子判断每个发射信号受ICI影响的程度，从而为各个信号选择合适的干扰深度。HDv,u(3)信道估计：根据式(6)中的系统模型估计出每个信道的带状信道矩阵。wv(4)噪声方差估计：利用估计出的信道矩阵，计算每个接收机等效噪声的方差。(5)MIMOCCI/ICI信道均衡：利用估计出的信道矩阵、噪声方差以及上一次迭代中译码所得的数据符号先验信息进行信道均衡，产生数据符号的可靠度软信息。均衡器中包含信道间干扰消除和子载波间干扰消除。(6)信道译码：均衡产生的输出经过译码器后获得译码信息符号及其软信息。译码过程中，当所有奇偶校验条件满足时，译码器宣布译码成功。(7)在步骤(3)(6)间迭代。将译码得到的软信息反馈回信道估计和均衡模块，以提高信道估计精度和均衡性能。当所有发射信号译码成功或迭代次数达到设置的最大值时，迭代过程结束。Nt=1单输入多输出正交频分复用(SingleInputMul-tipleOutputOFDM,SIMO-OFDM)系统可以看作MIMO-OFDM系统中发射机数时的特例，因此该接收机结构同样适用于单个发射机的OFDM系统。3.2 干扰深度估计在SIMO-OFDM系统中，对接收信号进行主要多普勒补偿后，通常采用空子载波估计残余多普勒，即对接收的时域信号乘以不同的多普勒频偏，通过将OFDM信号中空子载波上的频率测量能量减到最小来估计残余多普勒频移。MIMO-OFDM系统中，这种基于空子载波的多普勒频偏估计方法并不适用，因为此时接收机接收到的信号为多个发射信号的叠加，每个发射信号经过不同的信道，受到不同多普勒因子的影响，此时使用空子载波估计的方法无法估计出各个信号的多普勒大小。因此，针对MIMO-OFDM系统提出了一种基于导频频域相关的多普勒频偏估计方法，该方法相比于需要额外插入训练序列的方法具有更高的频谱效率，更适用于水声通信系统。usuvyv(t)yv(t)MIMO-OFDM系统中发射导频位置正交，即某一发射信号的导频位置只包含该发射信号的导频，其余发射信号的子载波数据在该位置为零。因此接收信号中每个发射信号的导频包含了该发射机与接收机间的信道信息。假设发射机 的发射频域序列为，接收机 的接收时域信号为，对接收信号添加不同的多普勒频偏，即yv(t)=yv(t)ej2fct(7)fctyv GGyv(t)zvm其中，为多普勒频偏，为接收信号的时长，表示预先设置的多普勒因子 集合。将添加多普勒频偏的时域信号傅里叶变换后得到，分别与各个发射机的导频序列进行相关图1基于子载波间干扰深度估计的MIMO-OFDM接收机结构第7期叶子豪等：基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机2521v,u=argmaxmsP,u|zvmsum|2=argmaxmsP,u?Pv,up=1av,u,pej2(fm+fc)v,u,pG(fc fmv,u,p1+v,u,p)sumsum?2(8)sP,uusumsumv,u其中，表示发射机 导频子载波的位置，表示发射序列的共轭。当添加的多普勒因子接近接收信号的真实多普勒因子时，导频位置的数据受ICI影响较小，导频信号与自身共轭的相关值更大，通过选择最大的相关值判断接收信号的多普勒因子。为提高多普勒因子估计的准确性，导频序列可以选择自相关性较好的序列，如Zadoff-Chu序列。v,uuvDv,u导频频域相关法估计出的多普勒因子为平均多普勒因子，能够体现出信号受ICI影响的程度。信道均衡中，对一定范围的多普勒因子使用同一干扰深度即可消除ICI的影响。因此判断估计出的多普勒因子所属的干扰深度范围，即可得到由发射机发射，接收机 接收的信号的干扰深度。后文仿真中给出了多普勒因子与干扰深度的对应关系。3.3 稀疏信道估计zvMIMO-OFDM接收机采用迭代信道估计，将频域观测值，导频符号和上一次迭代获得的数据符号先验信息引入信道估计器中，通过迭代的机制解决MIMO系统中发射机可用导频数少的问题。首次迭代时只使用导频符号进行信道估计，译码器输出的比特软信息转换为数据符号先验信息反馈回信道估计器，后续迭代中结合数据符号的先验信息与导频符号共同估计信道，使估计的结果更准确。Pv,uPv,u因为水声信道具有稀疏性，收发机间路径数通常较小，因此可以采用压缩感知的方法从有限观测量中估计出条路径的幅度、时延以及多普勒因子。式(4)中的信道矩阵可以表示为HDv,uv,u=Pv,up=1av,u,pL(v,u,p)BDv,u(v,u,p)(9)Dv,uL(v,u,p)L(v,u,p)m,m=ej2fmv,u,pBDv,u(v,u,p)v,u,p其中，为估计出的信道矩阵干扰深度，为 对 角 矩 阵，对 角 线 元 素 为,是多普勒因子的函数，公式表示为BDv,u(v,u,p)m,k=G(fm fkfmv,u,p1+v,u,p),|m k|Dv,u0,|m k|Dv,u(10)v接收机 的频域信号使用包含时延和多普勒因子范围的字典矩阵表示为zv=Ntu=1Np=1Nq=1av,u,p,qL(v,u,p)BDv,u(v,u,q)su+wv=+wv(11)NN=v,1,v,2,.,v,Ntv,u=L(v,u,1)BDv,u(v,u,1)su,L(v,u,1)BDv,u(v,u,2)su,.L(v,u,N)BDv,u(v,u,N)suav,u=av,u,1,1,av,u,1,2,.,av,u,N,NTHDv,u其中，表示设定的时延总数，表示设定的多普勒因子总数。，,，。本文采用正交匹配追踪(Orthogon-alMatchingPursuit,OMP)算法对式(11)进行求解，计算得到信道幅度，根据式(9)重构频域信道矩阵。HDv,uv利用频域信道矩阵对接收机 的等效噪声方差进行估计，公式表示为2v=EmsN?zvm Ntu=1m+Dk=mDHv,um,ksuk?2(12)D=0sN其中，计算期望时只选择空子载波的位置进行计算，噪声方差在每次迭代时更新。当干扰深度时，ICI被当作背景噪声，此时直接测量空子载波的能量获得有效噪声的方差。3.4 MIMO-OFDM的CCI/ICI均衡m根据式(6)，各个接收机接收信号的第个子载波的频域测量值可以表示为z1,mz2,m.zNr,m=HD1,1,mHD1,2,m.HD1,Nt,mHD2,1,mHD2,2,m.HD2,Nt,m.HDNr,1,mHDNr,2,m.HDNr,Nt,ms1,ms2,m.sNt,m+w1,mw2,m.wNr,m(13)其中2522电子与信息学报第45卷zv,m=zvm D,zvm D+1,.,zvm+DTsu,m=sum 2D,sum 2D+1,.,sum+2DTwv,m=wvm D,wvm D+1,.,wvm+DT(14)HDv,u,m=HDv,um D,m 2D.HDv,um D,m.HDv,um+D,m.HDv,um+D,m+2D(15)HDv,u,m(2D+1)(4D+1)DDmax为的带状矩阵。为保持各个信道矩阵的维度一致，干扰深度 取3.2节估计出的干扰深度最大值。sum为了估计出，式(13)可以改写为z1,mz2,m.zNr,m|zzm=h1,u,mh2,u,m.hNr,u,m|zhu,msum+HD1,1,m.HD1,u,m.HD1,Nt,mHD2,1,m.HD2,u,m.HD2,Nt,m.HDNr,1,m.HDNr,u,m.HDNr,Nt,m|zHDu,ms1,m.su,m.sNt,m|zSu,m+w1,mw2,m.wNr,m|zwm(16)hv,u,m=HDv,um D,m,HDv,um D+1,m,.,HDv,um+D,mTHDv,u,mHDv,u,mhv,u,msu,msu,msum其中，表示去除的结果，表示去除的结果。将式(16)简化为zm=hu,msum+HDu,mSu,m+wm(17)HDu,mSu,msum其中，为待估计信号的ICI以及来自其他发射信号的CCI和ICI。sum根据式(17)，的最小均方误差(MinimumMeanSquareError,MMSE)均衡器为sum=Cov(sum,zm)Cov(zm,zm)1(zm HDu,mu,m)=fHu,m(zm HDu,mu,m)(18)其中fu,m=hu,m(hu,m)H+1EsN+1EsHDu,mVu,m(HDu,m)H1hu,mu,m=E(Su,m)=1,m2D,.,1,m+2D,.,u,m2D,.,u,m1,u,m+1,.,u,m+2D,.,Nt,m2D,.,Nt,m+2DTVu,m=Cov(Su,m,Su,m)=diag(21,m2D,.,21,m+2D,.,2u,m2D,.,2u,m1,2u,m+1,.,2u,m+2D,.,2Nt,m2D,.,2Nt,m+2D)(19)zm HDu,mu,mu,mVu,mSu,mEssuN=diag(21I2D+1,.,2NrI2D+1)其中，的操作完成了信道间干扰和子载波间干扰消除，和分别为的先验均值和方差，表示发射信号的平均功率，为不同接收机的噪声方差。sumu,mVu,m为进一步消除子载波间干扰，将判决反馈均衡器(DecisionFeedbackEqualizer,DFE)引入MIMO-OFDM水声通信系统。判决反馈均衡器将已均衡出的符号信息反馈到均衡器的输入端，辅助后续符号的均衡。根据反馈信息的形式不同，DFE分为硬判决反馈均衡器和软判决反馈均衡器(SoftDecisionFeedbackEqualizer,SDFE)。软判决反馈使用均衡器输出的符号更新符号的先验均值和方差。为简单起见，以二进制相移键su,m B=1,1控为例说明软判决反馈均衡的实现，即。该过程可以直接扩展到高阶调制。sum首先，将均衡得到的转化为外部对数似然比(Log-LikelihoodRatio,LLR)Le(sum)=lnp(sum|sum=+1)p(sum|sum=1)(20)p()p(sm|sm)其中，表示概率密度函数，假设条件概率密度函数服从复高斯分布，其均值和方差为E(sum|sum=b)=fHu,mhu,mbCov(sum,sum|sum=b)=fHu,mhu,m(1 hHu,mfu,m)(21)b B=1,+1其中，。接着计算后验LLR为第7期叶子豪等：基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机2523Lp(sum)=La(sum)+Le(sum)(22)La(sum)其中，为先验LLR(如信道译码器反馈的Lp(sum)sumu,m,S2u,m,S先验信息)。将转换为的后验均值和方差，公式为u,m,S=bBb P(sum=b?sum)=eLp(sum)1+eLp(sum)11+eLp(sum)=tanh(Lp(sum)2)2u,m,S=bB?b E(sum?sum)?2 P(sum=b?sum)=1 2u,m,S(23)P()Smu,mVu,m其中，表示概率，下标 表示软判决的结果。当对第个子载波进行均衡时，式(19)中的和表示为u,m=1,m2D,.,1,m+2D,.,u,m2D,S,.,u,m1,S,u,m+1,.,u,m+2D,.,Nt,m2D,.,Nt,m+2DTVu,m=diag(21,m2D,.,21,m+2D,.,2u,m2D,S,.,2u,m1,S,2u,m+1,.,2u,m+2D,.,2Nt,m2D,.,2Nt,m+2D)(24)sumsumu,m,S2u,m,S根据式(18)计算，得到后利用式(23)计算和，用于下一个符号的均衡。4 仿真结果首先验证导频频域相关法估计残余多普勒因子的有效性。为对比该方法和空子载波法的多普勒频偏估计性能，使用SISO-OFDM水声通信系统进行仿真实验，仿真参数如表1所示。Pv,u=15max=3 1041/2仿真采用基于路径参数的水声信道模型6,13，信道中设置多径数，相邻路径间的时间差由均值为1ms的指数分布产生；多径幅度服从瑞利分布，且平均功率随时间呈指数衰减；信道中每条路径都有一个独立的多普勒因子，该多普勒因子服从最大值为的零均值均匀分布。发射的OFDM信号中有1 024个子载波，包含672个数据子载波，256个导频子载波和96个空子载波。子载波符号调制方式为QPSK，信道编码使用码率为的二进制LDPC码。接收端使用迭代的ICI-忽略的接收机，信道估计采用OMP算法，信道均衡采用MMSE均衡器。仿真结果见图2。max=3 104从图2可以看出，当时，使用导频频域相关法进行频偏补偿的效果略好于空子载波能量最小法，说明了使用导频频域相关进行残余多普勒因子估计的有效性。此外，对接收信号进行频偏补偿后，信号受多普勒效应影响的情况得到了一定程度的缓解，但译码效果并不好。因此当信号受多普勒效应影响较大时，应当考虑能够消除子载波间干扰的接收机，以达到更好的译码效果。SNR=15 dBD为了获得多普勒因子和干扰深度的关系，本文通过仿真对比了时不同干扰深度的系统模型在不同最大多普勒因子下的误码率曲线，仿真中信道及信号的参数设置与上文相同，仿真结果如图3所示。D=15接收端使用不同干扰深度的ICI-感知接收机，干扰深度，由图3可见随着干扰深度的增表 1 水声通信系统仿真参数设置仿真参数符号值最低子载波频率f09kHz信号带宽B6kHz子载波数K1 024OFDM符号周期T170.65ms子载波间隔f5.86Hz零后缀长度Tg15ms图2多普勒因子估计算法的译码误码率与信噪比关系SNR=15 dB图3时不同干扰深度的接收机译码误码率与最大多普勒因子关系2524电子与信息学报第45卷5 104D加对应的误码率曲线逐渐降低，这是因为更大的干扰深度考虑了更多的ICI。设置误码率判决门限为2，误码率曲线与判决门限交点对应的最大多普勒因子，即为该干扰深度下能消除的最大多普勒因子。本文中设置多普勒因子 与干扰深度的对应关系为D=0,|0,0.5 104)1,|0.5 104,1.25 104)2,|1.25 104,2.3 104)3,|2.3 104,3 104(25)当接收端通过导频频域相关估计出各个信号的多普勒因子时，根据式(25)将其转换为对应的干扰深度。实际应用中可以根据水声信道情况、计算复杂度以及估计频偏占子载波间隔的比例自行设置多普勒因子和干扰深度的对应关系。为了验证基于子载波间干扰深度估计的接收机的有效性，本文采用2发2收、4发4收的MIMO-OF-DM水声通信系统进行仿真实验，仿真本文提出的接收机和其他接收机的译码误码率随信噪比变化的曲线以及成功译码所需的平均时间。收发机间各个信道及信号的参数设置与上文相同。不同发射信号的数据子载波和空子载波的位置相同，导频子载波位置正交。仿真中考虑以下3类接收机：(1)迭代的ICI-忽略的接收机；(2)迭代的ICI-渐进的接收机，均衡方法包括MMSE均衡，软判决反馈均衡；(3)迭代的ICI深度估计的接收机，均衡方法包括MMSE均衡，软判决反馈均衡。D=03为方便比较，设置ICI-渐进的接收机的干扰深度范围，与基于ICI深度估计的接收机的干扰深度范围相同。仿真结果见图4。可见，ICI的存在导致忽略ICI的接收机性能很差，两种明确处理ICI的接收机的误码性能都明显优于ICI-忽略的接收机；其次，由于软判决反馈均衡器利用已均衡出符号的软信息，均衡后续符号时增加了信息量，因此软判决反馈均衡器的译码性能优于MMSE均衡器。在2发2收情况下，因为接收机设置的干扰深度范围相同，ICI深度估计的接收机和ICI-渐进的接收机在不同均衡方法下译码性能接近，表明本文提出的接收机通过预先估计干扰深度，获得了与逐渐增加干扰深度的接收机相同的效果。在4发4收情况下，发射机数增加导致每个发射信号中的可用导频数减少，造成ICI-渐进的接收机初始信道估计不准确，后续多次迭代过程中产生误差传播，而本文提出的接收机省去了干扰深度逐渐增加的过程，通过更少的迭代次数减轻了误差传播的影响，在发射机数目较多时具有更好的译码性能。图5为ICI深度估计和ICI-渐进的接收机译码成功所需的平均时间。由图5可见，ICI深度估计的接收机译码成功所需的时间更少。软判决反馈均衡由于需要计算符号的软信息，运行时间相较于MMSE均衡更长。在2发2收情况下对比两类接收机，本文提出的接收机译码成功所需的平均时间减少了约18%。在4发4收的情况下，本文提出的接收机译码成功所需的平均时间减少了约35%，这是由于收发机数目增加，需要估计的信道总数更多，ICI深度估计的接收机为各个信道模型选择其合适的干扰深度，避免了所有信道模型选择同一干扰深度，减少了信道估计时的计算量，因此在计算时间方面的优势更加明显。5 结论本文针对MIMO-OFDM水声通信系统，提出图4各接收机译码误码率与信噪比关系第7期叶子豪等：基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机2525了一种基于子载波间干扰深度估计的接收机。本接收机利用导频频域相关对干扰深度进行估计，从而为收发机间每个信号选择合适的干扰深度，自适应未知信道的变化。信道估计及均衡时利用估计出的干扰深度准确地进行系统建模，避免了ICI-渐进的接收机额外迭代的问题，降低了计算复杂度。此外，在MIMO-OFDM信道均衡中引入了判决反馈，利用均衡出的符号辅助子载波间干扰消除，进一步提高信道均衡的准确性。仿真结果表明，当所有发射信号译码成功时，本文提出接收机相比于ICI-渐进的接收机，所需的计算时间更少。参 考 文 献HUANGJianguo,WANGHan,HEChengbing,et al.Underwater acoustic communication and the generalperformanceevaluationcriteriaJ.Frontiers of InformationTechnology&Electronic Engineering,2018,19(8):951971.doi:10.1631/FITEE.1700775.1LIBaosheng,HUANGJie,ZHOUShengli,et al.MIMO-OFDM for high-rate underwater acousticcommunicationsJ.IEEE Journal of Oceanic Engineering,2009,34(4):634644.doi:10.1109/JOE.2009.2032005.2TAO Jun and ZHENG Y R.Turbo detection forMIMOOFDMunderwateracousticcommunicationsJ.International Journal of Wireless Information Networks,2013,20(1):2738.doi:10.1007/s10776-012-0182-4.3WANGShuche,HEZhiqiang,NIUKai,et al.NewresultsonjointchannelandimpulsivenoiseestimationandtrackinginunderwateracousticOFDMsystemsJ.IEEETransactions on Wireless Communications,2020,19(4):26012612.doi:10.1109/TWC.2020.2966622.4强夕竹,乔钢,周锋.一种改进的水声正交频分复用稀疏信道时延估计算法J.电子与信息学报,2021,43(3):817825.doi:510.11999/JEIT200660.QIANGXizhu,QIAOGang,andZHOUFeng.AnimproveddelayestimationalgorithmforunderwateracousticOFDMsparsechannelJ.Journal of Electronics&InformationTechnology,2021,43(3):817825.doi:10.11999/JEIT200660.BERGERCR,ZHOUShengli,PREISIGJC,et al.Sparsechannelestimationformulticarrierunderwateracousticcommunication:FromsubspacemethodstocompressedsensingJ.IEEE Transactions on Signal Processing,2010,58(3):17081721.doi:10.1109/TSP.2009.2038424.6HUANGJianzhong,ZHOUShengli,andWANGZhaohui.PerformanceresultsoftwoiterativereceiversfordistributedMIMOOFDMwithlargeDopplerdeviationsJ.IEEEJournal of Oceanic Engineering,2013,38(2):347357.doi:10.1109/JOE.2012.2223991.7LIHua,DONGYuanyuan,GONGCaihong,et al.Anon-gaussianity-awarereceiverforimpulsivenoisemitigationinunderwatercommunicationsJ.IEEE Transactions onVehicular Technology,2021,70(6):60186028.doi:10.1109/TVT.2021.3079469.8ZHAOShiduo,YANShefeng,andXIJunyi.Bidirectionalsoft-decisionfeedbackequalizationforOFDMsystemsJ.IEEE Wireless Communications Letters,2020,9(8):12831286.doi:10.1109/LWC.2020.2988659.9HWANGSJandSCHNITERP.EfficientmulticarriercommunicationforhighlyspreadunderwateracousticchannelsJ.IEEE Journal on Selected Areas inCommunications,2008,26(9):16741683.doi:10.1109/JSAC.2008.081207.10LEUSGandVANWALREEPA.MultibandOFDMforcovert acoustic communicationsJ.IEEE Journal onSelected Areas in Communications,2008,26(9):16621673.11图5各接收机译码成功所需平均时间2526电子与信息学报第45卷doi:10.1109/JSAC.2008.081206.HUANGJianzhong,ZHOUShengli,HUANGJie,et al.Progressiveinter-carrierinterferenceequalizationforOFDMtransmission over time-varying underwater acousticchannelsJ.IEEE Journal of Selected Topics in SignalProcessing,2011,5(8):15241536.doi:10.1109/JSTSP.2011.2160040.12HUANGJianzhong,ZHOUShengli,HUANGJie,et al.Progressive intercarrier and co-channel interferencemitigationforunderwateracousticmulti-inputmulti-outputorthogonalfrequency-divisionmultiplexingJ.WirelessCommunications and Mobile Computing,2014,14(3):13321338.doi:10.1002/wcm.1251.QIAO Gang,BABAR Z,ZHOU Feng,et al.Low-Complexity progressive MIMO-OFDM receiver forunderwateracousticcommunicationJ.Symmetry,2019,11(3):362.doi:10.3