梁仕杰，王 彪，张 岑

(江苏科技大学电子信息学院，江苏镇江212003)

0 引 言

水声信道的多径效应强、可利用带宽窄，信号衰减严重等特点使得水声通信的发展受到限制。利用水声信道的稀疏性，研究稀疏信道估计算法可以极大地改善水声通信的性能。

目前，稀疏信道估计问题一般通过压缩感知算法[1-2]或自适应滤波算法来解决。基于压缩感知的信道估计方法如正交匹配追踪算法(Orthogonal Matching Pursuit, OMP)，正则化正交匹配追踪算法(Regularized Orthogonal Matching Pursuit, ROMP)等虽然可以根据少量的信息通过信号的重构[3]来估计信道，但这些方法需要信道稀疏度的先验信息[4]，这限制了此类方法的应用。

自适应滤波算法主要有最小均方(Least Mean Square, LMS)算法、最小二乘(Least Square, LS)算法及递归最小二乘(Recursive Least Squares, RLS)算法等。LMS算法是基于均方误差的算法，利用 LMS算法所估计的滤波器系数与数据的统计特性有关，因此其收敛速度较慢。而利用LS算法[5-6]估计信道，收敛速度较快。RLS算法在LS算法的基础上引入了遗忘因子[7]，虽然在一定程度上改善了LS算法的性能，但是其未对信道系数进行范数约束，因此在稀疏信道估计问题上效果并不好。文献[8-9]将范数约束的概念引入到稀疏信道估计中，估计性能较传统算法有明显提高。本文在时域以高斯训练序列为处理对象，在现有理论的基础上，将惩罚函数加入到RLS算法的代价函数中，对估计信道系数进行范数约束，同时利用滑动窗方式处理代价函数，在改善稀疏信道估计性能的同时又降低了 RLS算法的复杂度。此外，将二分坐标下降(Dichotomous Coordinate Descent, DCD)[10]算法应用于单次迭代代价函数最优解的搜索中，进一步降低了算法的复杂度，对稀疏信道估计的研究具有一定的意义。……