劉千里，謝 靜

（海軍裝備部駐武漢地區(qū)第一軍事代表室，湖北 武漢 430060）

0 引言

海洋中光波、電磁波隨著傳輸距離的增長，衰減極快，無法應(yīng)用于中等距離以上的信息傳遞。盡管可以通過光纜和光纖進(jìn)行水下通信，但對于水下移動設(shè)備，如潛艇之間、潛艇和水面艦之間、潛艇和岸站之間的通信幾乎不可能。因此，水聲通信是水下遠(yuǎn)程通信的唯一可行選擇[1]。與無線通信信道相比，水聲信道具有許多獨特的特性，其中有限的帶寬是影響水聲通信算法設(shè)計最重要的因素[2]。多輸入多輸出-正交頻分復(fù)用（Multi-Input Multi-Output-Orthogonal Frequency Division Multiplexing，MIMO-OFDM）在一定程度上解決了有限帶寬的問題，但多徑是設(shè)計水聲通信模型時最需要考慮的問題。由于MIMO 通信在發(fā)射機和接收機之間有多個信道，而每個信號包含來自所有發(fā)射機的數(shù)據(jù)，因此需要同時估計所有信道[3]。

MIMO-OFDM 在水聲通信中的應(yīng)用是一個比較新的研究領(lǐng)域。MIMO-OFDM 雖然已經(jīng)在無線通信網(wǎng)絡(luò)中應(yīng)用了近20 年，但在水下通信網(wǎng)絡(luò)中，它的應(yīng)用前景并不理想。近年來，研究人員提出了許多不同的傳輸方案，以提高數(shù)據(jù)率和減少誤碼率。盡管MIMO-OFDM 有許多優(yōu)點，在實現(xiàn)這些系統(tǒng)時所面臨的挑戰(zhàn)也至關(guān)重要，使得MIMO-OFDM 系統(tǒng)的設(shè)計成為一項復(fù)雜的工作[4]。

OFDM 是一種低復(fù)雜度的替代單載波調(diào)制的下一代聲調(diào)制解調(diào)器。為了減輕帶寬限制，在水聲通信中引入了多載波調(diào)制，解決了水聲信道中的長時延問題。OFDM 是一種有前途的多載波傳輸方案，因為它不需要復(fù)雜的均衡技術(shù)，對多徑、頻率選擇性衰落和碼間干擾（Inter-Symbol-Interference，ISI）具有魯棒性，提高了頻譜效率和數(shù)據(jù)率，同時使鏈路更加可靠[5-6]。雖然OFDM 不需要復(fù)雜的均衡器，但是為了順利實現(xiàn)MIMO 通信，實現(xiàn)更高的數(shù)據(jù)速率并保證可靠性，需要嚴(yán)格的信道同步、估計和均衡[7]。

為了有效利用聲波帶寬，利用時空方法來開發(fā)空間多樣性已成為近年來研究人員感興趣的課題。MIMO 是通過使用多個發(fā)射機和接收器來增加系統(tǒng)容量的方法之一。在傳統(tǒng)的空間分集系統(tǒng)中，每個發(fā)射機傳輸相同的數(shù)據(jù)位，而在MIMO 系統(tǒng)中，每個發(fā)射機傳輸不同的編碼數(shù)據(jù)，即獨立數(shù)據(jù)流的并行傳輸，從而提高了數(shù)據(jù)速率性能[8]。MIMO 和OFDM 的結(jié)合是一個在頻率選擇和帶寬有限的水聲信道上的低復(fù)雜度解決方案。它結(jié)合了空間不相關(guān)聲道的優(yōu)點和由于延遲擴展而存在的頻率分集，使得容量得到了大幅提高。因此，相干MIMO-OFDM系統(tǒng)被認(rèn)為是動態(tài)且?guī)薹浅４蟮乃曅诺赖睦硐脒x擇[9]。

系統(tǒng)的效率和有效性取決于整個通信系統(tǒng)，因此需要討論系統(tǒng)的所有必要細(xì)節(jié)，以便對不同的用于特定目的的技術(shù)進(jìn)行比較。例如，MIMOOFDM 在不知道整個模型的情況下的最小二乘（Least Squares，LS）或最小均方誤差（Minimum Mean Square Error，MMSE）就無法比較，因為估計方案很大程度上取決于系統(tǒng)的復(fù)雜性和所使用的信道。因此，在某些情況下，LS 可能比MMSE 優(yōu)先，這取決于系統(tǒng)的條件和要求[10-11]。雖然文獻(xiàn)中都討論了MIMO-OFDM 通信的基本步驟，如編碼、傳輸、檢測、估計以及均衡等，但對具體步驟的關(guān)注多于其他步驟。因此，根據(jù)具體討論的技術(shù)如信道估計或均衡等對論文進(jìn)行分類。文中全面綜述對MIMO-OFDM 水聲通信領(lǐng)域的最新研究，在介紹設(shè)計MIMO-OFDM 水聲通信系統(tǒng)時所面臨的問題的基礎(chǔ)上，重點對信道估計、均衡、編碼和檢測等技術(shù)進(jìn)行回顧和分類，最后根據(jù)算法的復(fù)雜性和性能進(jìn)行比較，并對未來的發(fā)展趨勢進(jìn)行展望。

1 MIMO-OFDM 水聲通信面臨的問題

由于水聲信道的特殊性，水聲通信面臨著傳播損耗、不同類型的噪聲、鹽度、環(huán)境、溫度、壓力以及深度等因素的影響。MIMO-OFDM 水聲通信系統(tǒng)相關(guān)的常見問題如下。

1.1 碼間干擾

由于海面波浪起伏、海床不均勻以及海內(nèi)諸多障礙等因素的影響，水聲通信面臨著復(fù)雜的多徑效應(yīng)。接收器接收到的反射信號有直接路徑反射信號、只從表面反射信號、只從底部反射信號以及同時從表面和底部反射信號4 種。雖然每個接收機接收到來自每個發(fā)射機的多個反射信號和直接信號，但是圖1僅顯示了幾個信號，展示了多路徑的思想。其中，Puvsb 顯示了u 發(fā)射機和v 接收機之間的路徑，具有s 的表面反射和b 的底部反射[12]。因此，許多延遲復(fù)制在接收端與直接信號一起被接收，以碼間干擾（ISI）或塊間干擾（Inter Block Interference，IBI）的形式破壞和扭曲原始信號[7]。ISI 依賴于信號的時延，時延越長，ISI 越嚴(yán)重。OFDM 通過將信道延遲時間劃分為多個子載波，在一定程度上降低了ISI的影響。此外，OFDM 作為一種低復(fù)雜度的均衡方案，通過使用大于信道冗余長度大小的零音調(diào)（None Tones，NTs）和保護(hù)間隔（Guard Interval，GI），以及引入循環(huán)前綴（Cyclic Prefix，CP）和零填充（Zero Padding，ZP），在一定程度上緩解了ISI 和IBI。但是，這一問題在MIMO 情況下變得嚴(yán)重，因為發(fā)射器和接收器之間有多個信道，同時傳輸數(shù)據(jù)時所有的信號都遵循多路徑到達(dá)接收機，因此在接收端會有大量來自不同信道的延遲副本，從而產(chǎn)生更多的ISI[13]。

1.2 多普勒頻移

多普勒頻移是由于任何一個源、接收機或兩者的相對運動而引起的頻率偏移。在無線通信中，波的速度相對于發(fā)射/接收端速度過大，使得多普勒縮放系數(shù)幾乎可以忽略，而水中的聲速較慢，導(dǎo)致了更大的多普勒縮放系數(shù)。在水聲OFDM 系統(tǒng)中，不同子載波的多普勒頻偏（即非均勻多普勒頻移）有很大不同，導(dǎo)致了嚴(yán)重的載波間干擾（Inter Carrier Interference，ICI）[14]。通過使子載波間距大于可能的頻率偏差，可以減小多普勒頻移的影響，但也明顯降低了頻譜效率和數(shù)據(jù)速率。研究人員提出了兩種重要而簡單的方法來緩解OFDM 通信系統(tǒng)中的這個問題，即使用零載波進(jìn)行相位同步的方法和考慮連續(xù)OFDM 塊之間的相位相干性的自適應(yīng)方法。在MIMO 情況下，多普勒頻移的補償是相當(dāng)重要的問題，因為所有到達(dá)接收機的信號可能具有不相同的多普勒比例因子。同樣，在多用戶或分布式MIMO 系統(tǒng)中，如圖2 所示，用戶相對于接收機的移動方向可能不同，因此不同用戶的多普勒縮放系數(shù)完全不同[15]。

圖1 多徑效應(yīng)

圖2 分布式MIMO 系統(tǒng)

1.3 峰值與平均功率比

峰值與平均功率比（Peak to Average Power Ratio，PAPR）簡單地表示為最大峰值功率與信號的平均功率的比值。OFDM 由于各子載波信號的疊加而具有較高的PAPR。由于這些疊加信號的積累，峰值功率大大高于平均功率。此外，IFFT 操作增加了許多子載波成分，因此傳輸?shù)腛FDM 信號在時域內(nèi)也有很高的峰值。這種高的PAPR 會導(dǎo)致功率放大器的飽和，限制MIMO-OFDM 在水聲通信中的效率，因此需要一個高功率范圍的功率放大器。但是，功率放大器的效率成本系數(shù)較低，會導(dǎo)致信號頻譜的非線性失真和疊加，從而導(dǎo)致性能下降[16]。OFDM 系統(tǒng)可以采用許多降低PAPR 的技術(shù)，如基于預(yù)編碼、選擇映射法、剪切法和適當(dāng)插入交錯葉等[17]。

2 MIMO-OFDM 水聲通信系統(tǒng)研究現(xiàn)狀

最初關(guān)于MIMO 體系結(jié)構(gòu)的研究是比較MIMOOFDM 與其他空間和頻率分集系統(tǒng)。這個想法是在2007 年首次提出的，主要有兩種形式[18]。第一種是采用編碼正交頻分復(fù)用技術(shù)（Coded Orthogonal Frequency Division Multiplexing，COFDM）的頻率分集技術(shù)，利用了信道在多徑傳播過程中固有的頻率選擇性。第二種是采用MIMO 的空間分集，即采用多個傳感器來增加系統(tǒng)的潛在容量。雖然研究證明了MIMO-OFDM 的思想，但是還沒有進(jìn)行實驗測試[18]。

2007 年，Li B 等人通過在兩個發(fā)射機同時發(fā)射QPSK 映射的OFDM 數(shù)據(jù)，并在接收機進(jìn)行逐塊處理，對這一思想進(jìn)行了實驗驗證[19]。引入零載波和導(dǎo)頻子載波分別對多普勒頻移和信道估計進(jìn)行補償。采用卷積編碼（Convolutional Coding，CC）或低密度奇偶校驗（Low Density Parity Check，LDPC）編碼，并在每個OFDM 子載波上使用最大后驗（Maximum A Posteriori，MAP）或線性強迫零（Zero-Forcing，ZF）檢測器進(jìn)行MIMO 解調(diào)，發(fā)現(xiàn)MAP 檢測器的性能優(yōu)于ZF 檢測器[19]。文獻(xiàn)[20]進(jìn)一步擴展了這一思想，實驗測試了兩個以上的發(fā)射機和具有最小均方誤差（MMSE）的更高階調(diào)制方案，如8-QAM/16-QAM/64-QAM，利用先驗信息進(jìn)行均衡，發(fā)現(xiàn)高階調(diào)制大大提高了頻譜效率。

在Li B 等人試驗成功后，許多研究者開始關(guān)注MIMO-OFDM，開發(fā)了不同的傳輸方案，包括Emre Y 在2008 年提出的Turbo 編碼、PSK 調(diào)制的MIMO-OFDM 水聲通信模型[21]。它采用相干和差分傳輸方案，其中差分方案通過利用相鄰頻率經(jīng)歷幾乎相同的衰減這一事實來消除信道估計的需要。在接收端采用軟判決輔助迭代映射算法進(jìn)行解碼，而在相干傳輸情況下優(yōu)先采用MMSE 檢測。

文獻(xiàn)[22]中重點討論了OFDM 塊時長的選擇問題、影響性能極限的原因，包括傳統(tǒng)的檢測方法和給定帶寬下發(fā)射機數(shù)量與子載波數(shù)量的關(guān)系。研究發(fā)現(xiàn)，在子載波數(shù)量較少的情況下，發(fā)射機數(shù)量過多會導(dǎo)致性能損失。因此，為了獲得更好的性能和帶寬效率，必須使發(fā)射機數(shù)量與子載波數(shù)量成比例。文獻(xiàn)[23]中設(shè)計了一種混合連續(xù)干擾抵消、最小均方誤差（MMSE）均衡以及LDPC 信道譯碼的MIMO檢測器，用于各子載波的迭代檢測。接收機主要關(guān)注MIMO 檢測和信道譯碼之間的迭代處理，而不考慮信道估計和載波同步。利用載波偏移頻率（Carrier Frequency Offset，CFO）估計算法估計和補償多普勒效應(yīng)，其中將空子載波上的能量用作目標(biāo)函數(shù)以搜索最佳CFO 估計。利用來自3 個不同實驗的數(shù)據(jù)進(jìn)行測試，以可接受的誤碼率在62.5 kHz 的帶寬上實現(xiàn)125.7 kb/s 的速度[23]。

文獻(xiàn)[24-25]中首次明確關(guān)注了MIMO-OFDM水聲通信的多普勒和延遲擴展（水聲信道估計器的均方誤差是這些擴展的函數(shù)）兩個主要問題，在不同的天氣和環(huán)境條件下，在不同的子載波數(shù)和導(dǎo)頻符號下測量了不同的多普勒極值和時延擴展值，發(fā)現(xiàn)超過該極值信號就無法進(jìn)行正確的估計和解碼[24-25]。

2012 年，MIMO-OFDM 聲調(diào)制解調(diào)器達(dá)到了一定的成熟度，并在浮點和定點DSP 平臺上成功實現(xiàn)，發(fā)現(xiàn)非二進(jìn)制LDPC 編碼優(yōu)于卷積編碼，但代價是譯碼時間增加。定點實現(xiàn)與浮點實現(xiàn)相比，在更高的時鐘頻率下運行，大大減少了處理時間[26-27]。

2.1 信道估計

信道估計是指從接收信號中估計信道參數(shù)。水下信道的噪聲會導(dǎo)致信號的失真、衰落和噪聲的增加。MIMO-OFDM 通信的前提是發(fā)射機和接收機之間的所有信道都是已知的和準(zhǔn)確估計。這是具有挑戰(zhàn)性的，因為每個接收信號包含來自所有發(fā)射機的獨立數(shù)據(jù)，需要同時估計多個信道，需要開發(fā)多種方案和算法來有效估計信道[28]。信道估計算法的基本作用是根據(jù)y(t)和x(t)的值估計H的值。MIMOOFDM 中有許多信道估計技術(shù)，如最小二乘（LS）、最小均方誤差（MMSE）和最大后驗概率（MAP）信道估計。LS 是一種基于導(dǎo)頻的信道估計，不需要信道統(tǒng)計，性能合理，復(fù)雜度低。MMSE 由于利用了自相關(guān)矩陣，性能增強，但也更復(fù)雜[29]。

幾乎所有這些信道估計技術(shù)都需要一個大矩陣的求逆，增加了系統(tǒng)的總體復(fù)雜性。這一問題以及其他復(fù)雜性增加的因素，引起了許多研究者的關(guān)注。2008 年提出了一種適用于MIMO 通信的自適應(yīng)低復(fù)雜度信道估計算法，不需要非活躍載波，利用符號決策，減少了導(dǎo)頻數(shù)量[11]。它是兩種算法及其擴展的結(jié)合，即利用文獻(xiàn)[30]中提出的OFDM 自適應(yīng)同步算法對多發(fā)射機進(jìn)行MIMO 信道估計，并利用文獻(xiàn)[31]中提出的算法對信道脈沖響應(yīng)進(jìn)行稀疏處理。對于Mf相鄰載波和第j個OFDM 塊，假設(shè)每個收發(fā)對的信道傳遞函數(shù)相同[11]：

對頻域模型下的信道估計如下：

2009 年文獻(xiàn)[32]第一次將基于壓縮感知（Compression Perception，CS）的稀疏信道估計引入MIMO-OFDM 水聲通信。信道估計被包含在迭代循環(huán)中，使得前一輪估計的數(shù)據(jù)符號作為額外的導(dǎo)頻可用以提高估計精度。LS 信道估計被文獻(xiàn)[33]中已經(jīng)測試的更先進(jìn)的CS 信道估計器所取代。該信道估計器利用了水聲信道的稀疏性。對所提出的接收機進(jìn)行測試，并與包括文獻(xiàn)[19]的“非迭代接收機”和文獻(xiàn)[20]的“Turbo 均衡接收機”在內(nèi)的先前的工作進(jìn)行了比較，其中提出的迭代接收機在調(diào)制方案和發(fā)射機數(shù)目中都優(yōu)于非迭代接收機[32]。在文獻(xiàn)[34]中提出了另一種基于CS 理論的信道估計技術(shù)。該技術(shù)同樣適用于多普勒頻移，采用相同的字典法重構(gòu)信號，并通過測試比較了基追蹤去噪、丹齊格選擇器和正交匹配追蹤（Orthogonal Matching Pursuit，OMP）的信道估計性能，證明了該方法的有效性。該算法在精度方面優(yōu)于傳統(tǒng)的最小二乘算法[34]。

Stojanovic M 在2009 中提出了兩種算法，強調(diào)了由于大矩陣的求逆而導(dǎo)致的信道估計的復(fù)雜性。第一種是通過舍棄不重要的信道系數(shù)來減小矩陣的大小，從而降低了矩陣的復(fù)雜度。第二種是完全消除了矩陣的求逆[35]。第一種算法采用了脈沖響應(yīng)域的最小二乘信道估計，第二種算法采用了塊自適應(yīng)算法[35]。Stojanovic M 在文獻(xiàn)[36]中提出了另一種自適應(yīng)算法，使用最小均方（Least Mean Square，LMS）信道估計也不需要矩陣求逆。這里文獻(xiàn)[31]所做的工作被擴展到MIMO 系統(tǒng)中，與經(jīng)典的導(dǎo)頻輔助、面向塊的檢測技術(shù)不同，采用了決策導(dǎo)向的自適應(yīng)塊處理，由于減少了導(dǎo)頻開銷，大大提高了性能[36]。

2010 年，文獻(xiàn)[9]提出了另一種降低復(fù)雜度的新方法，即利用時間和頻率的相關(guān)性，對文獻(xiàn)[11]中的工作進(jìn)行改進(jìn)，通過增加一種基于多普勒因子自適應(yīng)估計的相位預(yù)測方法來預(yù)測和跟蹤非均勻多普勒頻移，同時減少導(dǎo)頻數(shù)。該方法還利用LMS 算法消除了矩陣求逆問題。文中假設(shè)時間相關(guān)，在連續(xù)的OFDM 塊之間信道傳遞函數(shù)保持不變，因此式（1）在這里仍然有效。而在頻率相關(guān)中，一個滑動窗口方法以遞歸的方式實現(xiàn)，因此完整的解決方案不需要計算每一個載波。

為了進(jìn)一步降低計算復(fù)雜度，Kim S 在2012 年提出了全角域頻率選擇性稀疏信道估計算法[3]。該算法借鑒了Huang L 在文獻(xiàn)[37]中提出的一種用于MIMO-OFDM 室內(nèi)系統(tǒng)的角域信道估計方法。仿真結(jié)果表明，該算法比單步OMP 算法計算復(fù)雜度降低了50%以上。

2012 年，Sun Z 等人將STBC 編碼的梳狀導(dǎo)頻與STBC 編碼的塊導(dǎo)頻進(jìn)行信道估計，發(fā)現(xiàn)采用LS線性插值時，塊導(dǎo)頻在較高信噪比下優(yōu)于梳狀導(dǎo)頻[38]。為了克服信道慢時變特性對塊導(dǎo)頻性能的影響，采用一種復(fù)雜的編碼導(dǎo)頻更新方法，將接收到的特定時隙內(nèi)的OFDM 符號作為新導(dǎo)頻，對下一個時隙進(jìn)行信道估計[38]。

2014 年提出了一種新穎的差分相干檢測算法，通過在水聲信道上引入MIMO-OFDM 的差分空間頻率塊編碼（SFBCs），消除了信道估計的使用[39]。經(jīng)過比較，差分相干檢測優(yōu)于基于自適應(yīng)信道估計的相干檢測，其中差分相干檢測在2 048 個載波（16 kb/s）時仍能正常工作，而在512 個載波（10 kb/s）以上時由于在較長的塊上（載波數(shù)量增加）自適應(yīng)信道估計變得困難，導(dǎo)致相干檢測失敗[39]。

2.2 信道均衡

信道均衡是信道估計之后的步驟，主要目的是消除接收信號的ISI 和ICI，使信號達(dá)到與發(fā)射時一樣的形狀。OFDM 可以在頻域?qū)崿F(xiàn)低復(fù)雜度的均衡，而在高分散的水聲信道中，由于需要大量的采樣，在時域不可能實現(xiàn)。OFDM 在靜態(tài)多徑信道中可以實現(xiàn)一個分頻均衡，而MIMO-OFDM 需要復(fù)雜的信道均衡技術(shù)[40]。

2009 年，Ma X 等人提出了一種基于獨立分量分析（Independent Component Analysis，ICA）技術(shù)的盲頻域信道均衡新方法，避免了為了獲得更高的頻譜效率而需要訓(xùn)練序列符號[41]。2011 年重點研究了延遲擴展大、多普勒頻移大的信道中的MIMOOFDM 水聲系統(tǒng)的干擾對消問題，同時使用兩個均衡器實現(xiàn)了目標(biāo)[14]——一種是已經(jīng)用于無線電通信的頻域均衡器（Frequency-domain Equalizer，F(xiàn)EQ），另一種新的時域均衡器（Time-domain Equalizer，TEQ）。FEQ 是針對IBI 和ICI 在時間和頻率上都影響接收信號的情況而設(shè)計的，因此采用二維濾波或線性組合來補償這些干擾。時域均衡器的設(shè)計基于使FFT 調(diào)制器輸出信號的信噪比（Signal Interference Noise Ratio，SINR）最大化的原則[14]。

Beheshti M 等人在2012 年提出了另一種基于最小均方誤差（MMSE）和零強制準(zhǔn)則的時域塊均衡技術(shù)，有效消除了IBI 和ICI，設(shè)計了一種兩個時域子載波均衡器（Time-domain Per-tone Equalizer，TPEQ）的新方法，使每個子載波的誤碼率或均方誤差最小[42]。之前在這方面的所有工作都使用了基于頻率的子載波均衡技術(shù)，是第一次在MIMOOFDM 水聲系統(tǒng)中引入時域子載波均衡[42]。

2013 年，文獻(xiàn)[43]針對不同數(shù)量的發(fā)射機和接收機比較了ZF 檢測器、MMSE 均衡器和MMSESINR-OSI 這3 種不同的均衡方案。第3 種方法中，使用MMSE 作為信號估計器，利用2048-QPSK 數(shù)據(jù)包在21 kb/s 的數(shù)據(jù)速率下實現(xiàn)了用于OSIC 檢測和無錯誤性能的SINR-OSIC，其中MMSE-SINROSIC 的性能優(yōu)于其他兩種方法[43]。2015 年，Hao J等人提出了一種新的信道均衡算法，即引入時域同步（Time Domain Synchronization，TDS）作為一種新的基于Turbo 均衡和迭代信道重估計的水聲通信OFDM 傳輸方案。時域序列代替?zhèn)鹘y(tǒng)的ZP 和CP OFDM（ZP 和CP 用作保護(hù)間隔）作為保護(hù)間隔和訓(xùn)練序列，提高了整體數(shù)據(jù)效率[44]。與傳統(tǒng)技術(shù)的比較，MIMO-TDS-OFDM 方案以低復(fù)雜度和高數(shù)據(jù)效率獲得了更好的性能[44]。

Han J 等人2016 年在該領(lǐng)域做了新研究，通過引入并實施一種新的FFT 技術(shù)，減輕了時變的水聲信道的ICI[45]。他提出了一種基于零先驗信道信息假設(shè)的自適應(yīng)算法，聯(lián)合進(jìn)行了滑動窗口信道估計、權(quán)值更新和數(shù)據(jù)檢測，并將OFDM 符號持續(xù)時間劃分為多個不重疊的間隔，對每個加窗段進(jìn)行傅里葉變換，從而在子載波間迭代地應(yīng)用部分FFT 組合[45]。通過仿真對該算法的性能進(jìn)行測試，結(jié)果和誤碼率曲線表明，該方法在隨時間變化的水聲信道上的性能遠(yuǎn)遠(yuǎn)優(yōu)于其他技術(shù)[45]。

2.3 檢 測

MIMO-OFDM 檢測器/接收機包含不同算法的組合，可以執(zhí)行所有的任務(wù)，如檢測、估計、均衡以及解碼等。下面重點介紹檢測方案，并解釋不同類型的檢測器。

Turbo 檢測技術(shù)在水聲通信中具有接近中頻匹配濾波器的潛力，但目前在實現(xiàn)MIMO OFDM Turbo檢測方面所做的工作非常有限，其中包括Li B 在文獻(xiàn)[23]中所做的工作。另一種MIMO-OFDM 的Turbo 檢測技術(shù)是由Tao J 和Zheng Y R 等人[46]開發(fā)的，其中線性符號估計受益于混合軟干擾消除和由均衡器上的先驗信息支持的基于可靠性的檢測排序。Tao J 等人[47]引入了另一種采用零填充過采樣-正交頻分復(fù)用（Oversampling Orthogonal Frequency Division Multiplexing，OOFDM）技術(shù)的檢測器，其中過采樣和基于導(dǎo)頻的信道估計在時域進(jìn)行，符號檢測和信號處理在頻域進(jìn)行，而ZP 因其發(fā)射功率要求較小而被選擇。該檢測器的優(yōu)點是可以直接應(yīng)用于接收到的OFDM 信號，不需要對發(fā)射端進(jìn)行任何改變。過采樣因子被引入，即接收到的信號采樣速率高于符號率，有助于實現(xiàn)額外的分集增益，從而提高檢測性能[47]。

文獻(xiàn)[15]強調(diào)了每個發(fā)射-接收對的多普勒比例系數(shù)不同的問題，并提出了一種前端接收機結(jié)構(gòu)。該結(jié)構(gòu)利用多個重采樣分支，如每個發(fā)射機一個重采樣分支，從而捕獲信道中可用的完整信息。因此，與已經(jīng)在實踐中使用單個重采樣分支的系統(tǒng)相比，它提高了效率和性能。在重采樣和FFT 運算后，采用3 種不同類型的檢測器——最大似然（Maximum Likelihood，ML）檢測、基于最小二乘（LS）或最小均方誤差（MMSE）優(yōu)化準(zhǔn)則的線性檢測和基于干擾抵消（Interference Cancellation，IC）的非線性檢測[15]。

Huang J 等人介紹了一種處理ICI 和MIMOOFDM 中由于并行傳輸而產(chǎn)生的同信道干擾（Co-Channel Interference，CCI）的新方法[48]，因為包括文獻(xiàn)[19，23，36]在內(nèi)的所有現(xiàn)有接收機設(shè)計都將ICI 視為加性噪聲。

文獻(xiàn)[49]中所提出的接收機包括基于CS 的稀疏信道估計、噪聲方差估計、用于ICI/CCI 均衡和LDPC 譯碼方案的軟輸入軟輸出MMSE/Markov 鏈蒙特卡羅（Markov Chain Monte Carlo，MCMC）檢測器。Huang J 等人在2013 年也針對多用戶MIMO 系統(tǒng)中不同用戶的多普勒偏移和不同數(shù)據(jù)流數(shù)量的問題，提出了兩種迭代接收機來解決MIMO-OFDM 系統(tǒng)中的這一問題——基于多用戶檢測（Multiple User Detection，MUD）的接收機和基于單用戶檢測（Single User Detection，SUD）的接收機[50]?；贛UD 的接收機采用每個接收單元的頻域過采樣前端，迭代進(jìn)行聯(lián)合信道估計和多用戶數(shù)據(jù)檢測，而基于SUD的接收機采用傳統(tǒng)的單用戶處理模塊，并增加了一個重要的多用戶干擾（Multiple User Interference，MUI）消除步驟[50]。

水聲MIMO-OFDM 在2013 年擴展到多媒體應(yīng)用，設(shè)計了一個接收機，以滿足QoS 要求，同時考慮到了網(wǎng)絡(luò)節(jié)點移動帶來的多普勒補償[51]，包括源節(jié)點、目的節(jié)點和中繼節(jié)點3 個不同深度的節(jié)點，其中中繼節(jié)點作為放大轉(zhuǎn)發(fā)節(jié)點。仿真結(jié)果表明，隨著發(fā)射機數(shù)量的增加，性能容量逐漸提高[51]。同年，Lin C F 等人也成功地在水下環(huán)境中使用MIMO-OFDM 完成了多媒體通信（圖像、聲音和傳感器數(shù)據(jù)）[52]。采用直接映射、空時分組碼、自適應(yīng)調(diào)制和雙窗口檢測算法，檢測傳感器數(shù)據(jù)、圖像和音頻包的信噪比（Signal to Noise Ratio，SNR）。該設(shè)計成功進(jìn)行了實時測試，在數(shù)據(jù)傳輸速率更高、誤碼率相對較低、功耗要求最低的條件下，接收到了更清晰的圖像、音頻和傳感器數(shù)據(jù)[52]。

2.4 信道編碼

信道編碼是在有用的數(shù)據(jù)位中增加一些冗余，以保護(hù)噪聲信道中的數(shù)據(jù)。關(guān)于水聲通信編碼的專門研究非常有限，經(jīng)常從現(xiàn)有文獻(xiàn)中挑選出研究得較好的編碼方案，如格碼調(diào)制（Trellis Coded Modulation，TCM）、卷積碼、里德所羅門碼（Reed-Solomon Code，RS）、Turbo 碼、空時格碼和低密度奇偶校驗碼等。每個水聲信道需要一個特殊的編碼調(diào)制方案，這取決于信道特性。因為為一個特定信道設(shè)計的方案由于信道統(tǒng)計數(shù)據(jù)的不同，在另一個信道中可能不能很好地執(zhí)行。非二進(jìn)制LDPC 編碼是一種廣泛應(yīng)用的編碼技術(shù)，是MIMOOFDM 的首選編碼技術(shù)。在無線通信和SISO-OFDM通信中，它在復(fù)雜度和性能上已經(jīng)超過了許多編碼方案。LDPC 譯碼分兩階段進(jìn)行：第一階段包括使用對數(shù)似然比（Logarithm Likelihood Ratios，LLRs）計算從變量到校驗節(jié)點的所有消息，第二階段計算從校驗到變量節(jié)點的所有消息[53]。

文獻(xiàn)[40]中實現(xiàn)了兩種編碼調(diào)制方案并進(jìn)行了比較：第一種基于8 相移鍵控（8-Phase Shift Keying，8-PSK）信號集和符號交錯的組合網(wǎng)格編碼調(diào)制（TCM）；第二種方案是基于位交錯編碼調(diào)制（Bit Interleaving Coded Modulation，BICM），包括一個卷積編碼器、一個位交錯器和一個16-正交振幅調(diào)制（16-Quadrature Amplitude Modulation，16-QAM）信號集。研究發(fā)現(xiàn)，BICM 方案在低分集階（有限特殊分集）時表現(xiàn)較好，這是因為BICM具有較高的Hamming 距離，而Hamming 距離是在衰落信道中實現(xiàn)魯棒性能的關(guān)鍵參數(shù)。當(dāng)信道具有較高的分集階（足夠的空間分集）時，TCM 方案是較好的選擇，因為TCM 具有較高的編碼增益，是在AWGN 信道中獲得較好的性能的關(guān)鍵參數(shù)[40]。2014 年Nelson I 等人證明了1/2 碼率Turbo 碼是一種有效的信道編碼器。在MIMO-OFDM 水聲通信系統(tǒng)中，為了緩解環(huán)境噪聲和聲干擾的影響，在接收端采用迭代譯碼算法[54]。

3 MIMO-OFDM 水聲通信系統(tǒng)發(fā)展趨勢

在水聲通信中，MIMO-OFDM 是一個相對較新的領(lǐng)域，沒有一種算法是完美的。所有技術(shù)都有各自的優(yōu)點，但在復(fù)雜性、有效性和效率上都有一定的折衷。一種低復(fù)雜度、高效率的信道估計方法仍然很難找到。在MIMO-OFDM 系統(tǒng)中，需要充分利用水聲信道的特性（如信道的稀疏性、信道的塊間相干性等）來提高信道估計的性能。進(jìn)一步的研究可以在MIMO-OFDM 環(huán)境下實現(xiàn)改進(jìn)的比例歸一化最小均方（Improved Proportional Normalized Least Mean Square，IPNLMS）算法、基于FFT 的OMP 算法、指數(shù)平滑信道估計、快速貝葉斯匹配追蹤（Fast Bayesian Matching Pursuit，F(xiàn)BMP）、濾波多音（Filtered Multi-Tone，F(xiàn)MT）OMP，以利用它們的優(yōu)點來充分利用水聲信道的稀疏性。一種低復(fù)雜度的信道編碼方案適當(dāng)緩解ICI 和ISI，需要研究人員的關(guān)注。另外，需要測試更多的發(fā)射機及其響應(yīng)以供分析。此外，在MIMO-OFDM 水聲通信中，對于SISO 情況已經(jīng)提出了許多技術(shù)，但關(guān)于消除PAPR 的研究還很少。

4 結(jié)語

文中概述了MIMO-OFDM 水聲通信領(lǐng)域的主要研究工作。研究者們對不同的問題進(jìn)行了研究，得出結(jié)論——一種具有特定算法的有效的單一通信設(shè)計應(yīng)用于所有類型的水下信道，目前還難以實現(xiàn)。傳輸設(shè)計在很大程度上取決于信道條件，如淺水和深水采用不同的方案，對于粗糙和平穩(wěn)的信道、多徑豐富的信道和多普勒效應(yīng)嚴(yán)重的信道需要采用不同的算法。為了適應(yīng)OFDM 中較大的延遲擴展，甚至子載波的數(shù)量也應(yīng)該大一些，但對于具有較大多普勒擴展的系統(tǒng)，子載波的數(shù)量應(yīng)該小一些。信道均衡的類型也取決于其他參數(shù)，如信道估計和編碼。編碼取決于通信類型（如音頻或指令通信系統(tǒng)）和數(shù)據(jù)傳輸所需的準(zhǔn)確性和可靠性。

對于簡單的MIMO-OFDM 通信系統(tǒng)，可以插入空載波和導(dǎo)頻載波進(jìn)行多普勒頻移估計信道估計。在信道估計技術(shù)方面，LS 估計具有最小的復(fù)雜性，MMSE 估計具有較高的效率但增加了復(fù)雜性。通過避免信道估計中矩陣的求逆，可大大降低信道估計的復(fù)雜度。通過引入差分空頻塊編碼（SFBCs），甚至可以消除對信道估計的需要。時域塊均衡、時域子載波均衡和帶Turbo 均衡的TDS 等TEQ 技術(shù)，比其他傳統(tǒng)的均衡方案性能更好。將ICI 與CCI 一起顯式處理的性能，要比將ICI 作為加性噪聲處理好得多。從導(dǎo)頻輔助OFDM 系統(tǒng)到MIMO-OFDM系統(tǒng)，壓縮感知稀疏重構(gòu)技術(shù)在不同的系統(tǒng)模型環(huán)境下，對提高M(jìn)SE 和NMSE 性能，在較低的信道跟蹤復(fù)雜度和較低的硬件成本方面效果最好。