帶內全雙工水聲通信殘余自干擾實時抵消技術研究

陸胤亨，喬 鋼，楊晨璐

(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.工業(yè)和信息化部海洋信息獲取與安全工信部重點實驗室（哈爾濱工程大學），黑龍江哈爾濱 150001；3.哈爾濱工程大學水聲工程學院，黑龍江省哈爾濱 150001)

0 引 言

為了提高水下通信的頻譜利用率，學者們提出了針對水聲介質的帶內全雙工通信技術即帶內全雙工水聲通信技術(In-Band Full Duplex Underwater Acoustic Communication, IBFD-UWAC)。該技術可以實現通信雙方同時發(fā)射和接收相同頻帶內的信號，相比于半雙工通信模式，理論上其頻率利用率可提高一倍，在水聲信道可用頻譜資源嚴重受限[1]的背景下具有著重要的研究意義與應用價值。目前IBFD-UWAC在實現過程中面臨的最主要挑戰(zhàn)就是自干擾抵消(Self-Interference Cancellation, SIC)[2-3]技術。

在處理自干擾信號過程中，僅使用空間域自干擾抑制技術或模擬自干擾抵消技術[4-5]是遠遠不夠的，需要有效的SIC技術來進一步消除殘余干擾信號(Residual Interference Signal, RIS)[6]。文獻[7-9]在無線全雙工系統(tǒng)收發(fā)器的返回路徑上共享本地同一振蕩器，從而在數字域上完成本地自干擾信號抵消。但是當模擬域或空間域抵消達到較大的抵消結果時，數字自干擾抵消的性能將下降[10]。因此，平衡好空間域、模擬域和數字域抵消之間的關系對于IBFD-UWAC系統(tǒng)的實用化至關重要。文獻[11]提出了一種低復雜度的基于稀疏約束的最大似然算法來實現稀疏自干擾信道下的數字SIC。與最小二乘(Least Square, LS)算法相比收斂速度更快，復雜度更低。在仿真中獲得了最大43 dB的數字SIC效果，該方案在海試中得到了驗證。

然而，上述文獻只關注SIC過程的離線性能，沒有考慮全雙工水聲通信的實時抵消效果，工程應用中，實時抵消能使得通信雙方做到無延時通信，顯著提高雙方的通信效率。2015年，Vermeulen等學者在文獻[12]中提出了一種實時的帶內全雙工射頻自干擾消除方案，實現了60 dB的SIC效果。需要說明的是，在水聲通信領域中，尚未有人對實時狀態(tài)下的SIC進行研究。實時SIC技術對于全雙工水聲通信機的實現具有很重要的意義。基于上述情況，本文利用硬件在環(huán)仿真平臺完成了實時狀態(tài)下的SIC方案設計。

目前常用的數字SIC方法是基于最小均方(Least Mean Square, LMS)算法和遞歸最小二乘(Recursive Least Square, RLS)算法等基本的自適應算法完成的[13-14]，而LMS算法作為基于線性代數的自適應濾波器，其復雜度低、性能優(yōu)等特點可作為實現實時帶內全雙工通信的最優(yōu)選擇。近些年來，國內外針對LMS算法的研究越來越多，文獻[15]首次提出變步長最小均方算法，其后學者們提出了基于Sigmoid函數及正切函數等不同的步長調整原則[16-19]，利用這些步長調整準則來優(yōu)化LMS算法的性能。之后，有學者研究了不同應用場景下的變步長算法，如文獻[20]研究了在水聲環(huán)境中低信噪比情況下為增強算法魯棒性的變步長LMS算法，文獻[21]提出了一種應用在水聲環(huán)境中的基于指數函數的變步長算法并驗證了其算法的性能。

值得注意的是，全雙工水聲通信系統(tǒng)中，經過模擬域自干擾抵消或空間域自干擾抑制后，自干擾信號能量已經大幅度下降，而對于殘余自干擾信號進行抵消時，接收到的期望信號會被當成干擾信號，即信道估計過程的一種干擾，而這種干擾會造成濾波器對于自干擾信號的抵消“過度”，使當前自干擾信道估計的精度下降，SIC效果降低[22]。因此，設計適用于IBFD-UWAC系統(tǒng)的殘余自干擾信號抵消算法至關重要。

本文針對此問題，提出一種基于期望信號到達閾值的改進Sigmoid函數可變步長最小均方(Improved Sigmoid function based Variable Step Size,LMS, ISVS-LMS)算法，在保證雙方通信誤碼率性能的情況下，根據設定閾值判斷期望信號所處的狀態(tài)，建立了不同狀態(tài)下步長和誤差信號的一種新的非線性關系，解決了自干擾信號被 “過度”抵消的問題，并加快了濾波器收斂速度，提高了RIS信道估計的準確性，進而提高了RIS的SIC性能。

本文主要的研究工作如下：

(1) 利用Simulink?平臺中硬件在環(huán)仿真平臺，即Desktop Real-time模塊下的Extern模式進行實驗仿真，仿真步長為1/18 000 s，硬件端利用NI-DAQ設備進行數據采集，采用衰減后的功放輸出信號作為自干擾信道估計的參考信號，水聽器接收信號作為期望信號，仿真端利用S-function進行程序的編寫與優(yōu)化，根據具體情況設置仿真時間，并利用Data Inspector工具進行數據存儲與導出。

(2) 利用Sigmoid函數建立瞬時狀態(tài)誤差與步長之間的非線性關系，根據當前實驗狀態(tài)設置閾值，判斷期望信號到來狀況，修正了傳統(tǒng)LMS算法的步長調整準則，提出一種基于期望信號到達閾值的ISVSLMS算法，大大降低了期望信號對SIC過程帶來的影響。

(3) 仿真結果表明，本文算法具有很好的收斂速度與穩(wěn)態(tài)效果，并與傳統(tǒng)LMS算法和SVS-LMS算法對比，驗證了本文算法的有效性。

1 系統(tǒng)模型

對于IBFD-UWAC系統(tǒng)，通信雙方可在同一頻段、同一時間進行雙向信息傳輸，如何抵消本地自干擾信號成為關鍵。圖1為目前主流全雙工水聲通信的SIC模型，由于本地自干擾信號功率過大導致遠距離處的期望信號被埋沒在自干擾信號中，所以首先需要進行模擬域干擾抵消或空間域自干擾抑制，將大部分自干擾信號抵消。對RIS的抵消過程，最重要的是避免期望信號對SIC的影響。本文著重探討對RIS的數字SIC方法。

圖1 IBFD-UWAC系統(tǒng)的SIC模型Fig.1 SIC model of IBFD-UWAC system

模型中，假設本地接收端所接收的信號為

式中：sSI(t)為本地發(fā)射自干擾信號，sdesired(t)為其他通信節(jié)點發(fā)送的期待信號，n(t)為當前環(huán)境噪聲。假設從發(fā)射端到接收端所經過的信道為hSI(t)，則接收信號的表達式為

式中：sPA(t)為發(fā)射信號經功率放大器后的輸出信號。經過前兩步自干擾消除后的輸出信號sAASIC(t)再通過低噪聲功率放大器(Low Noise Amplifier,LNA)，作為RIS的SIC過程中期望信號(t)。充分考慮功放非線性失真對于SIC過程帶來的影響，方案中，將功放輸出信號sPA(t)經過衰減器采集至本地得到(t)，將(t)作為SIC的參考信號，與上述期望信號同時經過自適應濾波器完成自干擾信道估計，得到估計信道(t)，然后重構自干擾信號yASIC(t)=sPA(t)?(t)，完成SIC，抵消后的信號為S(t)=sASIC(t)-yASIC(t)。

2 算法設計

2.1 LMS算法

從某種意義上來講，自適應濾波器可以通過最優(yōu)化方式來消除本地信號中的干擾信號，LMS算法基于維納濾波器，借助最陡下降法完成，利用瞬時誤差的平方代替均方誤差，則代價函數?(n)表示為

對代價函數求導得到：

則有LMS算法具體過程如下：

(1) 確定步長μ以及信道抽頭數(自適應濾波器階數)M；

(2) 各參數初始化；

(3) 濾波器輸出的表達式為

(4) 得到誤差信號，其表達式為

(5) 根據式(2)得到LMS濾波器的權值更新公式為

式中，w(n)為自適應濾波器系數，在IBFD-UWAC系統(tǒng)中，可看作為實時狀態(tài)下估計的本地自干擾信道(t)，μ為自適應濾波器算法的步長。參考信號輸入向量與線性濾波器抽頭權值系數為

濾波器輸出y(n)為重構信號，e(n)為抵消后的信號，d(n)為水聽器接收信號。因此，SIC性能取決于濾波器實時估計出的與真實狀態(tài)下的自干擾信道hSI之間的近似程度，也就是yASIC(n)與(n)的近似程度。

2.2 SVS-LMS算法

傳統(tǒng)LMS算法的步長為定值，因此采用固定步長的LMS算法時，收斂速度、時變信道的追蹤能力以及穩(wěn)態(tài)誤差之間是相互制約的。針對上述問題，學者們對SVS-LMS算法展開研究，核心思想是建立狀態(tài)誤差與步長因子之間的約束條件，從而使得步長能夠根據當前狀況自適應地修改調整，以獲得更好的濾波器效果。

文獻[19]所提到的SVS-LMS算法中步長調整原則為

式中：α為控制步長調整原則的收斂速度，b為控制步長調整原則收斂到穩(wěn)態(tài)后的變化趨勢，λ為控制步長調整原則的最大取值，實驗分析，當α=5，b=1時效果最好，文獻[19]仿真時，抽頭數為2，這與實際應用中的水聲通信信道[22]估計不一致，在文獻[19]中狀態(tài)誤差與步長因子關系如圖2所示，圖中λ=0.001。

圖2 文獻[19]中誤差與步長因子的關系Fig.2 Relationship between error and step factor in the literature[19]

從圖2中可以看出，文獻[19]中提出的算法可以在誤差趨近于0(濾波器接近于穩(wěn)態(tài))時自適應地降低步長。但是對于IBFD-UWAC系統(tǒng)來說，RIS信號的能量在抵消后較小，當期望信號達到時，系統(tǒng)會把期望信號當成干擾，這種干擾會導致濾波器步長增大，影響SIC效果。

本文在以LMS濾波器為主體的全雙工水聲通信SIC過程中，將接收端分為3種情況：

(1) 濾波器迭代開始，遠距離處發(fā)射期望信號，由于自干擾信號能量過大，導致接收端接收到的信號近乎完全為自干擾信號，此時主要誤差來源于自干擾信號。

(2) 濾波器迭代接近穩(wěn)態(tài)，自干擾信號大部分被抵消，接收端可接收到遠距離處的期望信號，此時主要誤差來源于期望信號。

(3) 濾波器迭代接近穩(wěn)態(tài)，遠距離處未發(fā)射期望信號，此時主要誤差來源于環(huán)境噪聲。

針對以上問題，本文對于RIS的抵消提出了一種可以實時利用瞬時狀態(tài)誤差判斷期望信號到來情況的SIC方法，設計了一種基于期望信號到達閾值3的改進ISVSLMS算法，算法的核心是設計一種新的步長調整準則。在IBFD-UWAC系統(tǒng)中，一般預知期望信號到來的能量范圍，這是由于一般情況下，遠端期望信號在自干擾抵消后，需要滿足最終解調所需的信干噪比條件，從而達到系統(tǒng)誤碼率性能，因此本文引入參數γv來約束步長變化準則。本文的步長調整準則流程設計如下：

(1) 當0＜σe(n)＜σv時，步長μ(n)為 最小值μmin；

(2) 當γvσd＜|σe(n)|時，步長μ(n)為最大值μmax；

(3) 當σv＜|σe(n)|＜γvσd時，此時的步長μ(n)介于最大值μmax和最小值μmin之間，其變化準則為

其中：σe(n)為n時刻的瞬時更新狀態(tài)下的誤差方差的平方根，σv為當前狀態(tài)下的期望信號可實現最終解調的幅度方差的平方根，信干噪比的計算公式為

式中：σn為當前狀態(tài)下環(huán)境噪聲的標準差(可隨時采集得到)，RSINR為預設期望信號在理想自干擾抵消后可達到通信相應誤碼率性能的信干噪比，σd為瞬時期望信號d(n)方差的平方根，γv為一個補償因子，β、α控制修改后Sigmoid函數形狀的參數，從而控制步長變化的趨勢。

值得注意的是，相較于式(4)等其他常規(guī)SVSLMS算法，本文所提的算法針對IBFD-UWAC系統(tǒng)，設置了門限εv，該門限能夠在預知能量的期望信號到來時，減小步長，減少期望信號對于濾波器的影響，提高SIC的穩(wěn)態(tài)性能。

本文提出的ISVS-LMS算法基本流程如下：

(1) 算法初始化

① 設置權值初始值w(0)=0；

② 設置輸出信號初始值y(0)=0；

③ 設置初始步長值μ(0)；

④ 設置瞬時狀態(tài)誤差方差的平方根σe(0)=0；

⑤ 利用式(7)計算遠方期望信號到來門限σv(n)；

⑥ 設置σe(n)初始值；

⑦ 設置σd(n)初始值。

(2) 參數設置

① 根據實際情況設置參數α，β，γv，μmax，μmin，其中參數α、β控制了Sigmoid函數的形態(tài)，從而決定ISVS-LMS算法的步長變化趨勢。

② 確定補償因子γv，1＞γv＞0。

(3) 循環(huán)迭代

① 自適應濾波器的輸出信號：y(n)=u(n)×ω(n)；

② 計算估計誤差：e(n)=d(n)-y(n)；

③ 計算瞬時狀態(tài)下的誤差方差平方根σe(n)以及瞬時狀態(tài)下的期望信號d(n)方差的平方根σd(n)；

④ 采集本次實驗條件下的背景噪聲，利用系統(tǒng)已知參數RSINR得到εv，根據實驗條件設置補償因子βv；

⑤ 利用公式計算?e、?d，從而計算出變步長準則中的A、B；

⑥ 步長調整準則，參照上述步長調整準則；

⑦ 權值向量w的更新方程：w(n+1)=w(n)+(n)e(n)u(n)。

綜上所述，本文設計了不同于常規(guī)SVS-LMS算法的調整準則，具體設計思路如下：

(1) SIC過程開始，系統(tǒng)判斷|σe(n)|＞γvσd，接收端存在大部分自干擾信號或環(huán)境中存在信道突變情況，濾波器自適應將步長μ調整至最大值μmax，以提高算法收斂速度；

(2) SIC過程接近穩(wěn)態(tài)，此時系統(tǒng)判斷γv＞|σe(n)|，接收端基本為遠端期望信號，自適應濾波器自適應地將步長μ調整至最小值μmin，以降低穩(wěn)態(tài)誤差，提高穩(wěn)態(tài)性能，避免系統(tǒng)由于接收到期望信號造成信道估計性能的下降；

(3) 系統(tǒng)處于情況(1)，(2)之間，系統(tǒng)判斷γvσd＞|εe(n)|＞σv，此時自適應濾波器以sigmoid函數作為約束條件約束步長，使得步長μ在最大值μmax和最小值μmin之間調整。

2.3 基于硬件在環(huán)仿真平臺實驗方案設計

傳統(tǒng)數字仿真的時長由程序代碼本身的執(zhí)行速度決定，在大多數情況下，SIC算法的執(zhí)行速度比真實系統(tǒng)的運行速度慢，從而導致了SIC算法的處理結果都是在非實時狀態(tài)下得到的。另一方面，實時實現意味著模擬處理程序的執(zhí)行時間與實際時間同步，并且可以直接執(zhí)行硬件在環(huán)仿真。本文采用Simulink?實時仿真工具箱進行實時仿真，在Desktop Real-Time模塊的External模式下建立了IBFDUWAC SIC仿真實驗平臺，仿真步長為1/18 000 s，該步長足以滿足實時IBFD-UWAC系統(tǒng)的要求。

本文只考慮對于RIS的SIC情況，具體設備連接方案如圖3所示。在該方案中，將水聽器接收信號x(n)經過LNA后作為上述模型中經過模擬域干擾抵消后的信號sAASIC。本文實驗中，為充分考慮功放非線性失真影響，參考信號為功率放大器輸出信號sPA經過衰減器的輸出信號采集至本地，將x(n)與經過上述各個自適應濾波器算法完成SIC過程。其中信號通過NI-DAQ設備采集至本地，利用Simulink?平臺Desktop Real-time模式進行實時硬件在環(huán)仿真與驗證。

圖3 本文提出的殘余自干擾抵消方案示意圖Fig.3 Schematic diagram of the real-time RIS cancellation scheme proposed in this paper

3 硬件在環(huán)仿真與實驗結果分析

3.1 MSE以及M-NMSE

在本文中采用了歸一化均方誤差(Normalized Mean Squared Error, NMSE)來評價所提出的方案對自干擾傳播信道的估計性能，其計算公式為

其中，wSI(n)表示n時刻的實際仿真信道，(n)表示n時刻方案中估計得到的信道。

對IBFD-UWAC系統(tǒng)而言，自干擾傳播信道是時變的，為了更好地對比所提出方案的估計性能，本文對NMSE的計算公式進行修改，修改為以第n時刻信道估計結果進行抵消后的殘余信號與自干擾信號間的NMSE(Modified NMSE, M-NMSE)對比，其計算公式為

式中：sSI(n)為n時刻的自干擾信號，(n)表示n時刻估計信道的轉置，x為參考信號。仿真結果將通過NMSE及M-NMSE進一步評價實時狀態(tài)下自干擾抵消性能。

3.2 硬件在環(huán)仿真結果

本文仿真RIS信噪比RSN=25 dB的情況，期望信號預設信干噪比RSIN=15 dB。仿真條件為：本地自干擾信號為擴頻信號，頻帶為2～4 kHz，信道抽頭數為1 000，采樣率為18 kHz。由于本文所提出的步長調整準則依據于實際接收信號情況，將分為2種情況進行仿真。

當IBFD-UWAC系統(tǒng)中無期望信號時，ISVSLMS算法的步長變換曲線如圖4所示。由圖4可以看出步長隨著抵消過程逐漸變小，當抵消后信號的M-NMSE降至-10 dB時，步長調整為μmin=0.000 1。

圖4 ISVSLMS步長隨時間的變化曲線Fig.4 Variation curves of ISVSLMS step size with time

圖5是實時仿真狀態(tài)下各算法的抵消效果。利用3.1節(jié)中式(15)計算M-NMSE，得到本次實驗的M-NMSE曲線。圖6為各算法的M-NMSE結果。從圖6可以看出，當沒有期望信號時，SVS-LMS以及ISVS-LMS算法開始時均有較快的收斂速度，當抵消后信號的M-NMSE接近-5 dB時，ISVS-LMS算法開始降低步長，當抵消后信號的M-NMSE達到-10 dB時，ISVS-LMS算法的步長調整至最小步長μmin=0.000 1。圖6中，SVS-LMS算法中c=0.000 1。

圖5 IBFD-UWAC系統(tǒng)中無期望信號時實時SIC不同算法的抵消頻譜圖Fig.5 Cancellation spectrums of different algorithms for realtime SIC when there is no expected signal in the IBFDUWAC system

圖6 無期望信號時IBFD-UWAC系統(tǒng)中不同算法的M-NMSE計算結果Fig.6 M-NMSE calculation results of different algorithms when there is no expected signal in the IBFD-UWAC system

當IBFD-UWAC系統(tǒng)中一直存在期望信號的情況時，如圖7所示，由于自干擾信號信噪比設定為25 dB，期望信號預設信干噪比RSIN=15 dB，當MNMSE接近-10 dB時，這時接收信號的SINR已經抵消到預設期望信號到達閾值，因此ISVS-LMS算法將步長調整至最小值，該閾值目的是防止期望信號對本地自干擾抵消過程造成影響。本文所提出的算法的M-NMSE相較于傳統(tǒng)固定步長及SVS-LMS算法，具有更好的穩(wěn)定性和更小的誤差。

圖7 IBFD-UWAC系統(tǒng)中有期望信號時不同算法的M-NMSE計算結果Fig.7 M-NMSE calculation results of different algorithms when there is an expected signal in the IBFD-UWAC system

圖8為某一時刻各算法實時抵消情況。由圖8可以看出，ISVS-LMS以及SVS-LMS算法均表現出很好的收斂速度，但是SVS-LMS算法接近穩(wěn)態(tài)時，由于期望信號對本地SIC過程帶來了影響，使得該算法不夠穩(wěn)定，穩(wěn)態(tài)效果較差。而本文提出的ISVS-LMS算法能夠不受影響地平穩(wěn)收斂。

圖8 IBFD-UWAC系統(tǒng)中有期望信號時實時SIC不同算法的抵消頻譜圖Fig.8 Cancellation spectrums of different algorithms for realtime SIC when there is an expected signal in IBFDUWAC system

3.3 海試數據驗證

為驗證本文算法的有效性及可行性，本節(jié)給出海試中數據實時處理結果，實驗條件與3.2節(jié)一致。本次實驗過程中設定了遠距離處有/無期望信號兩種實驗場景。

實驗場景1：遠距離處無期望信號到來時，具體實驗場景如圖9、10所示。本地自干擾信道的沖激響應如圖11所示。實驗時，本地連續(xù)發(fā)送直接序列擴頻信號，帶寬為2～4 kHz，按照圖3所示的設備連接方案進行實驗。圖12是遠距離處無期望信號時各算法的M-NMSE曲線。

圖9 實驗場景1遠距離處無期望信號Fig.9 Experimental scenario 1: There is no expected signal in the far distance

圖10 實驗坐標Fig.10 Experimental coordinates

圖11 遠距離處無期望信號時實際海試信道沖激響應Fig.11 Channel impulse response during sea trial when there is no expected signal in the far distance

圖12 遠距離處無期望信號時不同算法的M-NMSE計算結果Fig.12 M-NMSE calculation results of different algorithms when there is no expected signal in the far distance

從圖12中可以看出，海試過程中，當通信系統(tǒng)中沒有期望信號時，SVS-LMS以及ISVS-LMS算法開始時均有很好的收斂速度，當抵消信號的M-NMSE接近10 dB時，ISVS-LMS算法開始減小步長，由于自干擾信號信噪比為25 dB，當MNMSE接近12 dB時，接收信號的SINR已經抵消到預設期望信號的到達閾值，因此本文所提出的ISVS-LMS算法將步長調整至最小值μmin=0.000 1。該調整可有效地防止期望信號對本地SIC過程造成影響。

圖13給出海試過程中，遠距離無期望信號時，基于ISVS-LMS算經過SIC后的信號頻譜與未經過SIC的信號頻譜的對比。

圖13 遠距離處無期望信號時經過SIC與未經過SIC的信號頻譜對比Fig.13 Comparison of frequency spectrums of the signal with and without SIC when there is no expected signal in the far distance

實驗場景2：距本地接收端5 km處有期望信號的到來，且信號為同時同頻的擴頻信號。

圖14為遠距離處有期望信號時的實驗場景，各算法的M-NMSE曲線如圖15所示。遠處有期望信號時，經過SIC與未經過SIC信號頻譜對比如圖16所示。海試數據處理結果顯示，ISVS-LMS的抵消效果相較于傳統(tǒng)LMS以及文獻[19]所提出的算法，性能最優(yōu)。雖然在濾波器接近穩(wěn)態(tài)后，ISVSLMS與文獻[19]中的算法效果基本一致，但是ISVS-LMS算法的收斂速度卻大大提高。

圖14 實驗場景2遠方存在期望信號Fig.14 Experimental scenario 2: expected signal exists in the far distance

圖15 遠處有期望信號時不同算法的M-NMSE計算結果Fig.15 M-NMSE calculation results of different algorithms when an expected signal exists in the far distance

圖16 遠距離處有期望信號時經過SIC與未經過SIC的信號頻譜對比Fig.16 Comparison of frequency spectrums of the signal with and without SIC when an expected signal exists in the far distance

4 結 論

本文針對IBFD-UWAC系統(tǒng)中模擬域或空間域干擾抵消之后的RIS抵消問題，根據實際應用場景中期望信號的到來情況，設計并實現了IBFDUWAC中實時狀態(tài)下的數字域殘余干擾抵消方案，利用Simulink?Desktop Real-time模式完成了仿真與實驗驗證。在方案設計中，本文提出了一種適用于IBFD-UWAC系統(tǒng)實際應用場景中的ISVS-LMS算法，根據所設定的閾值來調整變步長準則，且可以根據不同環(huán)境設置不同的算法參數，以達到最優(yōu)的抵消效果。通過與現有文獻對比，證明了本文提出的算法既能在開始時以較大收斂速度將自干擾信號降低到預設水平，又能在接近穩(wěn)態(tài)時降低步長以獲得更小的均方誤差。本文后續(xù)將研究該方案的現場可編程門陣列(Field Programmable Gate Array,FPGA)實現，Simulink?Desktop Real-time模式可以十分方便地通過Matlab內置HDL coder等功能將已有程序移植到FPGA上，為工程上實現帶內全雙工水聲通信機奠定了基礎。本文通過仿真、海試實驗，驗證了所提方法的有效性和實用性。