技术摘要：
本发明涉及一种基于最大箕舌线准则算法的簇稀疏信道估计方法，用以估计时域簇稀疏信道冲激响应函数。首先，针对时变信道进行簇稀疏建模，以期获得结构化稀疏信道表达框架，在此基础上。采用逐块训练模式，设计一种基于最大箕舌线准则算法迭代方式，可估计得到簇稀疏信  全部
背景技术：
信道估计和水声通信等问题都可归结为冲激响应函数的优化估计问题，采用基于  训练序列和接收到的信号对时变信道稀疏表达估计。目前，对信道的估计方法包括有 限冲 激响应框架和时域的逐块估计框架。有限冲激响应框架的算法细节具体参见 《Non- uniform  norm  constraint  LMS  algorithm  for  sparse  system  identification》，该文  2013年发表于《IEEE  Communications  Letters》第17卷，第2期，起始页码为385。  基于最大 互相关熵准则的稀疏信道估计方法详见《Sparse  estimator  with  L0-norm constraint  kernel  maximum-correntropy-criterion》该文2020年发表于《IEEE  Transactions on  Circuits  and  Systems  II:Express  Briefs》第67卷，第2期，起始页码为400。 由于信道的多径扩展和时变特性，导致对信道的冲激响应函数估计极为困难，因  此，对于有限冲激响应框架下的算法效果欠佳。考虑到信道的多径扩展和时变特性可 由信 道的时域进行刻画。本发明将建立在该模型基础上，对时变信道进行估计。然而  传统的估 计方法如果不采用稀疏约束处理，将使待估计的抽头系数繁多，计算量增大，  所幸的是，稀 疏估计策略可以简化估计的抽头个数，从而有望提高估计效率。考虑到 实际中的信道冲激 响应函数不是严格意义上的稀疏信号，因此，现行压缩感知算法难 以直接应用。
技术实现要素：
要解决的技术问题 为了避免现有技术的不足之处，本发明提出一种基于最大箕舌线准则算法的簇稀  疏信道估计方法，在簇稀疏表达的基础上，对稀疏信道估计的目标函数施加范数约束， 以 期提高信道的估计精度。 技术方案 一种基于最大箕舌线准则算法的簇稀疏信道估计方法，其特征在于步骤如下： 步骤1：计算时域稀疏信道的估计误差： 其中yi为第i时刻的接收  信号离散值， 为第i时刻的用于训练的发射信号的转置，hi-1为第i-1时刻的信道冲  激响 应函数； 步骤2：设置稀疏光滑度调整参数β＝10～12，约束项调整因子γ＝0.1～0.2，初始 化  信道冲激响应函数为h0＝0； 步骤3：给定输入训练信号x和输出信号y，进行迭代计算得到信道估计hi，i为  迭 代次数，初始化i＝0，i＝1，2，3，…a，a等于数据长度和信道长度之差： 1、计算估计误差： 其中：yi为第i时刻的接收信号离散值， 为  第 3 CN 111555994 A 说　明　书 2/3 页 i时刻的用于训练的发射信号的转置，hi-1为第i-1时刻的信道冲激响应函数； 2、计算簇稀疏导引向量： 其中： 表示Kronecker即克罗内克积的乘积； (1-βmax(|hi-1[1]|)) 表示1-βmax(|hi-1[1]|)和0之间相比较取大值； max(|hi-1[1]|)表示对第i-1时刻的信道冲激响应函数的第1块向量进行取绝对值 最  大值的运算；sign(hi-1)表示对第i-1时刻的信道冲激响应函数的符号运算，即当信道冲  激响应函数为负数，符号运算为-1，相反则为正数； 3、箕舌线曲线构造： 其中：p设置为1,2,4其中的一个； 4、信道估计迭代：hi＝hi-1 μfixi-μγgi。 所述稀疏光滑度调整参数β＝10。 所述约束项调整因子γ＝0.1。 有益效果 本发明提出的一种基于最大箕舌线准则算法的簇稀疏信道估计方法，用以估计时  域簇稀疏信道冲激响应函数。首先，针对时变信道进行簇稀疏建模，以期获得结构化  稀疏 信道表达框架，在此基础上。采用逐块训练模式，设计一种基于最大箕舌线准则  算法迭代 方式，可估计得到簇稀疏信道冲激响应函数信息。该项发明适用于时变信道  估计、水声通 信等内容，属于水声通信和水声信号处理等领域。有益效果体现在：本  发明基于信道的簇 稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生 的信道估计结果具有更 高的精度。 附图说明 图1是本发明方法与传统的最大箕舌线准则算法(Maximum  Versoria  criterion,  MVC)及其L1范数约束版本算法，常规最大相关熵准则(General  maximum  correntropy criterion,GMCC)，符号运算算法(Sign  algorithms,SA)等方法的对比结果图。 图2是传统的SA，GMCC，MVC，L1-MVC方法与本发明方法(BL0-MVC)在对  稀疏信道从 h到-h的估计结果对比图。