Adaption Penalized Complex LMS for Sparse Under-Ice Acoustic Channel Estimations
Adaption Penalized Complex LMS for Sparse Under-Ice Acoustic Channel Estimations
复制标题
用于稀疏冰下声学通道估计的自适应惩罚复杂 LMS
DOI：
10.1109/access.2018.2875693
复制
发表时间：
2018
期刊：
影响因子：
3.9
通讯作者：
Li Yingsong
中科院分区：
文献类型：
--
作者：
Tian Yanan;Han Xiao;Yin Jingwei;Li Yingsong
冰下水声通信通常需要精确的信道信息，而冰下水声通信具有稀疏特性。一种范数约束的最小均方（LMS）算法在估计实值（通带）信道方面表现良好，但不能直接应用于复值（基带）信道。本文推广了范数约束的复LMS。首先提到复值零吸引LMS和<inline-formula> < text -math notation="LaTeX">$l_{0}$ </ text -math></inline-formula>-norm LMS （C <inline-formula> < text -math notation="LaTeX">$l_{0}$ </ text -math></inline-formula>-LMS）。这两种算法对每个系数都有固定的惩罚，这可能会降低性能。然后，我们提出了一种复值自适应惩罚LMS (CAP-LMS)，以进一步利用UIA信道的稀疏性。通过将<inline-formula> < text -math符号="LaTeX">$p$ </ text -math></inline-formula>-norm-类约束根据每个系数的<inline-formula> < text -math符号="LaTeX">$l_{1} $ </ text -math></inline-formula>-norm-划分为两个单独的组来实现自适应惩罚。对于大群体中的优势系数，范数约束消失以减少估计偏差。对于较小的系数，自适应惩罚旨在加快收敛速度。仿真结果证明了CAP-LMS算法的优越性能。两个冰下实验的数据处理结果表明了该算法在UIA实际应用中的可行性和有效性。
Accurate channel information is usually required in under-ice acoustic (UIA) communication, which exhibits a sparse characteristic. A type of norm-constrained least mean square (LMS) algorithm performs well in estimating the real-valued (passband) channels but cannot be directly applied to complex-valued (baseband) channels. This paper generalizes norm-constrained complex LMS. Complex-valued zero-attracting LMS and <inline-formula> <tex-math notation="LaTeX">$l_{0}$ </tex-math></inline-formula>-norm LMS (C <inline-formula> <tex-math notation="LaTeX">$l_{0} $ </tex-math></inline-formula>-LMS) are mentioned first. These two algorithms render a fixed penalty to each coefficient, which may deteriorate the performance. Then, we propose a complex-valued adaption penalized LMS (CAP-LMS) to further utilize the sparsity of the UIA channels. The adaption penalty is achieved by dividing <inline-formula> <tex-math notation="LaTeX">$p$ </tex-math></inline-formula>-norm-like constraints into two separate groups according to the <inline-formula> <tex-math notation="LaTeX">$l_{1} $ </tex-math></inline-formula>-norm of each coefficient. For the dominant coefficients in the large group, the norm constraint disappears to reduce the estimation bias. For the small coefficients, the adaption penalty aims to accelerate the convergence speed. Simulation results are presented to demonstrate the superior performance of the CAP-LMS algorithm. Data processing results from two under-ice experiments show the feasibility and validity of the proposed algorithms in practical UIA applications.
登录
查看更多内容
与移动干扰用户进行冰下声学通信的盲自适应多用户检测
影响因子：
2.4
作者：
Yin Jingwei;Yang Guang;Huang Defeng;Jin Lu;Guo Qinghua
通讯作者：
Guo Qinghua
DOI：
10.1109/coa.2016.7535815
发表时间：
2016
期刊：
2016 IEEE/OES China Ocean Acoustics (COA)
影响因子：
--
作者：
Yin Jingwei;Duan Pengyu;Zhu Guangping;Chen Wenjian;Liu Qiang
通讯作者：
Yin Jingwei;Duan Pengyu;Zhu Guangping;Chen Wenjian;Liu Qiang
基于自适应滤波框架的压缩感知信号重建随机梯度法
DOI：
10.1109/jstsp.2009.2039173
发表时间：
2010-04-01
影响因子：
7.5
作者：
Jin, Jian;Gu, Yuantao;Mei, Shunliang
通讯作者：
Mei, Shunliang
DOI：
10.1109/wcnc.2016.7564732
发表时间：
2016-04
期刊：
2016 IEEE Wireless Communications and Networking Conference
影响因子：
--
作者：
Yingsong Li;Yanyan Wang;Tao Jiang
通讯作者：
Yingsong Li;Yanyan Wang;Tao Jiang
影响因子：
3.9
作者：
Gu, Yuantao;Jin, Jian;Mei, Shunliang
通讯作者：
Mei, Shunliang