載波頻率不一致且頻譜嚴重交疊干擾下的盲自適應多用戶檢測試驗研究

葛威， 殷敬偉， 楊光， 鄭茂醇， 李恩玉

(1.哈爾濱工程大學 水聲技術重點實驗室， 黑龍江 哈爾濱 150001； 2.哈爾濱工程大學 海洋信息獲取與安全工業和信息化部重點實驗室， 黑龍江 哈爾濱 150001； 3.哈爾濱工程大學 水聲工程學院， 黑龍江 哈爾濱 150001； 4.青島理工大學 信息與控制工程學院， 山東 青島 266000)

0 引言

由于全球變暖，北極海冰開始消融，北極地區豐富的自然資源和獨特的戰略地位引起了世界海洋大國的高度關注。與冰區軍事情報監聽和冰區群體作戰有關的冰區多用戶通信技術需求極為迫切。冰區多用戶通信與非冰區多用戶通信的上邊界不同，冰區上邊界是冰面，可近似看成是絕對硬界面；而非冰區上邊界是水面，可近似看成是液態的絕對軟界面[1]。冰區和非冰區對應的信道將對多用戶通信產生不同影響，因此，必須針對冰區多用戶通信產生的多途干擾(碼間干擾)和多址干擾(MAI)問題進行研究。

水聲信道多途時延嚴重，進行水聲通信時會產生嚴重的碼間干擾(ISI)，同時引起頻率選擇性衰落以及信號畸變。如果多個水下用戶同時通信，將產生MAI，接收信號波形畸變更加嚴重[2]。針對ISI和MAI問題，國內外很多機構進行了水聲多用戶通信的研究，進行了相關的外場試驗驗證，獲得了良好效果[3-27]。雖然國內外已經進行了大量水聲多用戶通信技術研究，但據目前所知，并沒有機構進行適用于水聲信道的盲多用戶通信技術研究。盲自適應多用戶檢測(BAMUD)算法，避免水聲信道多途數和時延估計，提升了頻譜利用率，避免了信道估計帶來的誤差。BAMUD算法僅需獲得期望用戶同步頭即可解調進行迭代運算實現ISI和MAI抑制，直接檢測出期望用戶數據信息。多用戶檢測是指利用擴頻序列的已知結構信息與統計特性，采取一定的信號處理手段消除其他用戶對期望用戶的干擾，實現期望用戶有效通信。因此，2016年，將BAMUD算法與虛擬用戶技術相結合，提出了適用于水聲通信網的基于卡爾曼濾波(KF)BAMUD(KF-BAMUD)算法，避免信道估計前提下，解決了ISI和MAI問題[28]。由于ISI與MAI本質上均為用戶數據疊加，具有形式上的一致性，因此虛擬用戶技術把ISI虛擬成MAI，即把多途都看成干擾用戶。虛擬用戶技術將信道均衡環節和MAI抑制環節兩個環節合二為一，簡化了多用戶通信系統結構。文獻[3-28]適用場景如圖1(a)所示，3艘靜止的水下潛器同時向一艘靜止的水下潛器發送數據。

冰區和非冰區的上邊界不同，其對應的冰下聲信道會明顯不同，因為冰下遠距離試驗難以開展，所以相關冰區信道特性報道較少。2017年，朱廣平等[29]進行了北極典型冰下聲信道建模及特性研究，分析了理論模型下的冰層對聲的傳播特性影響，并在同年，將盲算法引入到冰區，將冰區看成一個黑箱子。因為盲算法具有免信道估計特性，避免了信道多途參數的估計，因此采用盲算法進行冰區多用戶通信研究。在避免信道估計的前提下，解決了當干擾用戶幅值劇烈變化時，冰區多用戶通信的ISI和MAI問題[30]。文獻[30]適用場景如圖1(b)所示，期望用戶靜止、干擾用戶上浮和干擾用戶下潛時，同時向靜止的水下潛器傳輸數據。

本文對BAMUD算法進行了延伸性研究，研究了BAMUD算法在各用戶中心頻率不一致時，擴頻多用戶解碼徹底失效，各用戶頻譜嚴重交疊情況下的有效性。在渤海和渤海結冰期進行了載波頻率不一致下的多用戶通信試驗，良好試驗結果驗證了所提算法在載波頻率不一致情況下的有效性，進一步擴展了BAMUD算法的適用范圍。本文適用場景如圖1(c)所示，期望用戶靜止，干擾用戶上浮遠離接收端和干擾用戶下潛靠近接收端時，同時向靜止的水下潛器傳輸數據。

圖1 本文和其他文獻適用場景對比Fig.1 Comparison of applicable scenes in the present paper and other references

1 BAMUD算法基本原理

構建靜態多用戶通信接收信號模型。考慮含有K個用戶的多用戶通信系統，含加性高斯白噪聲，不失一般性，指定用戶1為期望用戶，則接收一個符號長度的信號可表示為

(1)

設期望用戶靜止，干擾用戶水平移動，定義Δωk為第k個虛擬用戶的多普勒頻偏，可得接收信號模型

(2)

從(2)式可看出：與靜態多用戶通信接收信號模型(1)式相比，期望用戶數據信息形式一致，虛擬干擾用戶數據信息僅多一個乘積項，所以從理論上來看，載波頻率不一致時，BAMUD算法依然有效。(2)式右側第二項多普勒頻偏可以為任意值。當多普勒頻偏都為0 Hz時，(2)式變成(1)式，載波頻率都一致情況下的虛擬MAI問題已經在文獻[28，30]中解決。本文延伸了BAMUD算法的適用范圍，解決了載波頻率不一致情況下的虛擬MAI問題，即解決了虛擬干擾用戶多普勒頻偏任意值下的虛擬MAI問題。

將用戶1的任意線性BAMUD器設為c1(n)，因此，在第n個符號間隔的b1(n)判決為

(3)

因為KF-BAMUD算法是盲算法，因此并不需要估計出Ak和K，其相應的多用戶檢測器[28-30]為

(4)

KF-BAMUD算法的剩余平均輸出能量為0[31]，因此基于KF-BAMUD算法進行多用戶通信時，理論上可接近單用戶通信時的性能，很明顯消除了干擾影響。

多用戶通信系統結構如圖2所示，圖中ωc為載波頻率。該系統由發射部分和接收部分構成，假定用戶1為期望用戶，期望用戶無多普勒頻偏。發射端將期望用戶信源信息進行擴頻編碼，然后調制到載波頻率上，通過換能器發出；接收端首先對其進行帶通濾波，將帶通兩側噪聲濾除，隨后進行載波解調得到基帶信號，將基帶信號與BAMUD算法構建的檢測器(BAMUD檢測器)進行內積運算，最后判決出期望用戶數據信息。

圖2 多用戶通信系統結構Fig.2 Structure of under-ice multiuser communication system

2 試驗驗證

2.1 渤海試驗

信干比(SIR)定義為

(5)

式中：Pe為接收期望用戶功率；Pi為接收干擾用戶功率。

2015年7月在渤海進行4個用戶通信試驗。標量水聽器布放在水下4 m，擴頻增益為127，每個用戶都發射60個數據，時長接近5.1 s. 載波頻率為6 kHz，采樣頻率為48 kHz，帶寬為1.5 kHz，碼元速率11.8 bit/s. 期望用戶1布放在水下4 m(其多途虛擬用戶載波頻率和期望用戶載波頻率相同，無多普勒頻偏)，與水聽器水平距離3 km；干擾用戶2、用戶3、用戶4布放深度隨機，分別在30～50 m、50～90 m、100～150 m處以1～2 m/s變速遠離接收端(干擾用戶及相應多途虛擬用戶載波頻率和期望用戶載波頻率不同，多普勒頻偏不為0 Hz)。水聽器接收到的期望用戶載波頻率為6 kHz；干擾用戶2、用戶3、用戶4的載波頻率范圍為5.992～5.996 kHz. 4個用戶通信時，期望用戶SIR為-14 dB. 現場布放如表1和圖3(a)所示，期望用戶信道脈沖響應如圖3(b)所示。因為干擾用戶為變速移動通信，所以很難準確獲得信道脈沖響應。算法星座圖及誤碼率(BER)如圖4所示。對單用戶通信來說，KF-BAMUD算法和解相關(DE-CORR)算法BER都為0.4個用戶通信時，KF-BAMUD算法、LMS-BAMUD算法[32]、RLS-BAMUD算法[33]BER都為0，DE-CORR算法BER為51.7%.

表1 用戶1、用戶2、用戶3、用戶4和水聽器 相對位置

圖3 現場布放和信道脈沖響應Fig.3 Field deployment and channel impulse response

圖4 期望用戶1星座圖及算法BERFig.4 Constellation and BER of the expected User 1

圖4(a)表明BAMUD算法可有效抑制ISI；圖4(b)表明BAMUD算法也可有效抑制MAI；圖4(c)表明：當干擾用戶移動時，即干擾用戶與期望用戶載波頻率不再一致時，KF-BAMUD算法依然有效，依然可有效解決ISI和MAI問題，其解碼性能好于LMS-BAMUD算法和RLS-BAMUD算法。

2.2 渤海結冰期試驗

2016年1月渤海結冰期進行7個用戶通信試驗。標量水聽器布放在冰下6 m，擴頻增益為127，每個用戶都發射75個數據，時長接近4.76 s. 載波頻率為10 kHz，采樣頻率為96 kHz，碼元速率為15.7 bit/s. 期望用戶1布放在冰下6 m(其多途虛擬用戶載波頻率和期望用戶載波頻率相同，無多普勒頻偏)，與水聽器水平距離為1.2 km；干擾用戶2、用戶3、用戶4、用戶5、用戶6、用戶7布放深度隨機，與水聽器初始水平距離為1.2 km；干擾用戶2、用戶3靜止發射(載波頻率和期望用戶載波頻率相同)；干擾用戶4、用戶5以1 m/s速度下潛發射(幅值劇烈變化)；干擾用戶6、用戶7以1 m/s速度上浮發射(幅值劇烈變化)；人為調整干擾用戶4、用戶5的接收信號，模擬其以3 m/s速度接近接收端效果(幅值劇烈變化前提下，載波頻率和期望用戶載波頻率不同，多普勒頻偏不為0 Hz)；同時人為調整干擾用戶6、用戶7的接收信號，模擬其以6 m/s速度遠離接收端效果(幅值劇烈變化前提下，載波頻率和期望用戶載波頻率不同，多普勒頻偏不為0 Hz)；與期望用戶波形相比，干擾用戶4、用戶5接收信號波形是壓縮的，干擾用戶6、用戶7接收信號波形是拉伸的。水聽器接收到的期望用戶和干擾用戶2、用戶3的載波頻率為10 kHz(多普勒頻偏為0 Hz)；干擾用戶4、用戶5的載波頻率為9.98 kHz(多普勒頻偏小于0 Hz)；干擾用戶6、用戶7的載波頻率為10.04 kHz(多普勒頻偏大于0 Hz)。多用戶通信時期望用戶SIR為-14 dB. 布放如圖5(a)和表2所示。信道脈沖響應如圖5(b)所示，深綠色信道為期望用戶信道，粉色信道為干擾用戶2、用戶3、用戶4、用戶5、用戶6、用戶7的信道。虛擬用戶示意如圖5(c)所示：棕色線左側，期望用戶1的深綠色最高峰為虛擬期望用戶；棕色線右側，深綠色次高峰為期望用戶的ISI. 本文把期望用戶的ISI看作是虛擬干擾用戶，該虛擬干擾用戶多普勒頻偏為0 Hz. 粉色峰都看作虛擬干擾用戶，這些虛擬干擾用戶既含有多普勒頻偏為0 Hz的MAI，又含有多普勒頻偏大于0 Hz和小于0 Hz的MAI.

圖5 現場布放和信道脈沖響應Fig.5 Field deployment and channel impulse response

用戶水平距離 1.2km垂直布放深度/m1靜止發射62,3靜止發射隨機(靜止)4,53m/s速度接近接收端隨機(1m/s速度下潛)6,76m/s速度遠離接收端隨機(1m/s速度上浮)

圖6 期望用戶1星座圖、BER和檢測器Fig.6 Constellations, BERs and detectors of the expected User 1

單用戶和多用戶通信星座圖及BER如圖6(a)、圖6(b)和圖6(c)所示。單用戶通信時，BAMUD算法和DE-CORR算法BER都為0；7個用戶通信時，RLS-BAMUD算法和KF-BAMUD算法BER依然為0，而LMS-BAMUD算法和DE-CORR算法失效了。SIR為-17 dB時，LMS-BAMUD算法、RLS-BAMUD算法和KF-BAMUD算法的BER分別為20%、4%和0. 3種檢測器對比如圖6(d)所示，3種波形存在著一定差異，從而導致了抑制干擾能力的不同。

SIR為-20 dB時，添加隨機高斯白噪聲去調整期望用戶1的信噪比，測試300組，期望用戶1的BER如圖7所示。

圖7 3種算法的BER對比(SIR為-20 dB)Fig.7 BERs of three kinds of algorithms for SIR=-20 dB

從渤海結冰期試驗可看出：所提算法可同時有效解決虛擬干擾用戶多普勒頻偏等于0 Hz、小于0 Hz和大于0 Hz時的虛擬MAI問題。當干擾用戶幅值劇烈變化并且與期望用戶載波頻率不再一致時，BAMUD算法可有效解決ISI和MAI問題，其中KF-BAMUD算法性能最好。在低SIR時，KF-BAMUD算法依然有效，表明該算法具有很好的抗干擾性能；在SIR恒定時，人為加入隨機高斯白噪聲，該算法依然具有良好性能，表明該算法具有很好的抗噪性能。

3 結論

本文提出了BAMUD算法，解決了多用戶通信載波頻率不一致下的ISI和MAI問題。采用虛擬用戶技術，實現了信道均衡環節和MAI抑制環節的合二為一，簡化了多用戶通信的系統結構。采用BAMUD算法，解決了載波頻率不一致情況下的ISI和MAI問題。渤海和渤海結冰期試驗表明：無論干擾用戶上浮、下潛、靠近接收端或遠離接收端情況下，所提算法都可有效解決ISI和MAI問題，實現多用戶通信。