1.一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法,其特征在于,包括以下步骤:
步骤1、建立一个具有Nt个发射端和Nr个接收端的MIMO系统,形成一个Nt×Nr的子信道模型,每一个子信道对应于一个水声信道模型,得到子信道的t时刻第m个发射端和第n个接收端在τ时延时的信道频域响应Dmn(t,τ),从而得到整个MIMO系统的Nt×Nr水声信道在t时刻τ时延下的信道频域响应矩阵D(t,τ);
步骤2、将得到的信道频域响应矩阵D(t,τ)向量化为一个N×1的向量h为h=vec(D(t,τ))
其中,vec(.)表示向量化函数,N是向量h的元素个数;
步骤3、建立水声信道压缩感知方程y=Ax+r,其中,x表示待估计的水声信道向量,y表示一维观测向量,其维度为M×1,M表示观测向量y的元素个数,A为已知的随机高斯矩阵测2
量矩阵,其维度为M×N,r表示独立同分布的高斯白噪声,其均值为0,方差为w;
步骤4、采用Nesterov梯度加速法和牛顿法结合的迭代算法进行混合优化,得到最终迭代后的水声信道向量估计值x;具体如下:步骤(1)、初始化:
(0)
步骤(1‑1)、利用最小二乘法求出水声信道的初始值x ,预设第一循环次数为L、第二循环次数为K;
步骤(1‑2)、选取一个序列[σ1,σ2,σ3,....,σJ],且σ1>σ2>σ3>,...,>σJ,其中,σj表示第j个控制参数σ的值,J表示控制参数σ的序列数,令j=1;
步骤(1‑2‑1)、令SL0算法中的目标函数的控制参数σ=σj,利用Nesterov梯度加速法进(j) (j)
行L次计算,求解fσ(x)的最小值xL ,其中xL 表示第j次迭代时L次循环后的最小值;
在SL0算法中的目标函数选择fσ(x)作为近似L0范数的函数进行SL0算法,fσ(x)表达式为
其中,e表示自然底数,σ表示目标函数的控制参数;
(j)
步骤(1‑2‑2)、牛顿法初始化:x=xL ;
(j) (j)
利用牛顿法进行K次计算,求解fσ(x)的最小值xK ,其中xK 表示第j次迭代时K次循环后的最小值;
计算正则化因子λ,并投影到可行集上:(j) (j) H H ‑1 ‑1 (j)x =xK ‑A(AA+λ Im) (AxK ‑y)H (j)
其中,(.) 表示共轭转置,IM表示M×M阶单位矩阵,Q是一个常数,x 是第j次迭代后水声信道的最优值;
(j)
步骤(1‑2‑3)、输出x=x ;
步骤(2)、当σj>σJ时,令j=j+1,σj=βσj‑1,转至步骤(1‑2‑1),β为衰减因子,0<β<1。
2.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法,其特征在于,σ1=1。
3.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法,其特征在于,步骤1中,得到子信道的信道频域响应Dmn(t,τ)为其中,p是每个子信道的径数,m,n分别表示第m个发射端和第n个接收端,Dmn(t,τ)表示t时刻第m个发射端和第n个接收端在τ时延时的频域响应,τi,mn表示第m个发射端和第n个接收端的第i条路径的时延,hi,mn(t)表示第m个发射端和第n个接收端的第i条路径在t时刻的脉冲响应,δ(t‑τi,mn)表示在τi,mn时延的单位冲激函数;
整个MIMO系统的Nt×Nr水声信道在t时刻τ时延下的信道频域响应矩阵D(t,τ)表示为
4.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法,其特征在于,K=3、L=2。
5.根据权利要求1所述的一种基于改进的自适应混合优化平滑L0范数的MIMO水声信道估计方法,其特征在于,β=0.5。