Estimation du canal acoustique sous-marin pour la Tomographie Acoustique par petits fonds - Estimation of the underwater acoustic channel for shallow water Acoustic Tomography

Estimation du canal acoustique sous-marin pour la Tomographie Acoustique par petits fonds

Estimation of the underwater acoustic channel for shallow water Acoustic Tomography

Olivier Rabaste Thierry Chonavel 

Corresponding Author Email: 
olivier.rabaste@enst-bretagne.fr
Page: 
139-149
|
Received: 
30 November 2006
|
Accepted: 
N/A
|
Published: 
30 April 2008
| Citation

OPEN ACCESS

Abstract: 

This paper deals with the processing of real data recorded during the Oceanic Acoustic Tomography experiments « PASSTIME » carried out by the SHOM in October 2005. The transmitted signal waveform of interest is assumed to be known at the receiver side, and we address the problem of the channel impulse response estimation in a bayesian framework: the channel is modeled via a Bernoulli-Gaussian process, and estimation is achieved via a Gibbs sampler. As the processing of PASSTIME data emphasizes distorsions of the transmitted signal, we add a preliminary processing step for estimating the distorded waveform by means of a simple iterative procedure that alternatively estimates the channel impulse response via a Matching Pursuit approach, and the waveform itself by maximizing the likelihood. The proposed algorithms are applied to PASSTIME records, and prove to be very satisfactory.

Résumé

Dans cet article, nous nous intéressons au traitement des données réelles enregistrées au cours de la campagne de Tomographie Acoustique Océanique « PASSTIME » effectuée par le SHOM en Octobre 2005. Pour une forme d'onde transmise connue du récepteur, nous proposons de présenter le problème de l'estimation de la réponse impulsionnelle du canal acoustique sous-marin sous la forme d'un problème bayésien. Le canal est alors modélisé par un a priori Bernoulli-Gaussien, et l'estimateur est évalué à partir de simulations générées au moyen d'un algorithme de Gibbs. Comme le traitement des données PASSTIME met en évidence d'importantes distorsions subies par le signal, nous effectuons l'estimation préalable de la forme d'onde distordue au moyen d'un algorithme alternant l'estimation du canal par une méthode de type Matching Pursuit, et l'estimation de la forme d'onde au sens du maximum de vraisemblance. L'application aux données PASSTIME conduit à des résultats très satisfaisants.

Keywords: 

Oceanic acoustic tomography, Bernoulli-Gaussian model, Gibbs sampler, Matching Pursuit

Mots clés

Tomographie acoustique océanique, modèle Bernoulli-Gaussien, échantillonnage de Gibbs, Matching Pursuit

1. Introduction
2. Description De La Campagne PASSTIME
3. Déconvolution Des Canaux Multi-Trajets
4. Traitement Des Données PASSTIME
5. Conclusion
  References

[Akaike] H. AKAIKE, « Information theory and an extension of the maximum likelihood principle », Proceedings of the International Symposium on Information Theory, Petrov and Caski Eds, 1973, p.267-281.

[Besag] J. BESAG, « On the statistical analysis of dirty pictures », Journal of the Royal Statistical Society, Vol.48, 1986, p.259-302.

[Bourguignon] S. BOURGUIGNON, H. CARFANTAN, « BernoulliGaussian spectral analysis of unevenly spaced astrophysical data », Proc. of IEEE Workshop on Statistical Signal Processing, 2005, p.811--816.

[Chalmond] B. CHALMOND, « An iterative gibbsian technique for reconstruction of mary images », Pattern Recognition, Vol.22,#6, 1989, p.747-761.

[Cheng] Q. CHENG, R. CHEN, T.H. LI, « Simultaneous wavelet estimation and deconvolution of reflection seismic signals », IEEE Transactions on Geosciences and Remote Sensing, Vol.34,#2, 1996, p.377-384.

[Cotter] S.F. COTTER, B.D. RAO, « Sparse channel estimation via matching pursuit with application to equalization », IEEE Transactions on Communications, Vol.50,#3, 2002, p.374-377.

[Dempster] A.P. DEMPSTER, N.M. LAIRD, P.B. RUBIN, « Maximum likelihood from incomplete data via the EM algorithm », Journal of the Royal Statistical Society, Vol.39, 1977, p.1-38.

[Feder] M. FEDER, E. WEINSTEIN, « Parameter estimation of superimposed signals using the EM algorithm », IEEE Transactions on Acoustics, Speech and Signal Processing, Vol.36, 1988, p.477-489.

[Fuchs] J.J. FUCHS, « Multipath time-delay detection and estimation », IEEE Transactions on Signal Processing, Vol.47,#1, 1999, p.237-243.

[Geman] S. GEMAN, D. GEMAN, « Stochastic relaxation, Gibbs distribution and the bayesian restoration of images », IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.6, 1984, p.721-741.

[Ghosh] M. GHOSH, « Analysis of the effect of impulse noise on multicarrier and single carrier QAM systems », IEEE Transactions on Communications, Vol.44,#2, 1996, p.145-147.

[Idier] J. IDIER, Y. GOUSSARD, « Stack algorithm for recursive deconvolution of bernoulli-gaussian processes », IEEE Transactions on Geosciences and Remote Sensing, Vol.28, 1990, p.975-978.

[Kirkpatrick] S. KIRKPATRICK, C.D. GELATT, M.P. VECCHI, « Optimization by simulated annealing », Science, Vol.220,#4598, 1983, p.671-680.

[Kormylo] J.J. KORMYLO, J.F. MENDEL, « Maximum-likelihood detection and estimation of bernoulli-gaussian processes », IEEE Transactions on Information Theory, Vol.28, 1982, p.482-488.

[Lavielle] M. LAVIELLE, « Bayesian deconvolution of bernoulli-gaussian processes », Signal Processing, Vol.33, 1993, p.67-79.

[Marroquin] J. MARROQUIN, S. MITTER, T. POGGIO, « Probabilistic Solution of Ill-Posed Problems in Computational Vision », Journal of the American Statistical Association, Vol.82,#397, 1987, p.76-89.

[Mazet] V. MAZET, Développement de méthodes de traitement de signaux spectroscopiques: estimation de la ligne de base et du spectre de raies, Thèse de doctorat, Université Henri Poincaré, Nancy 1, 2005.

[Mallat] S. MALLAT, Z. ZHANG, « Matching pursuit with time-frequency dictionnaries », IEEE Transactions on Signal Processing, Vol.41,#12, 1993, p.3397-3415.

[Munk] W. MUNK, C. WUNSCH, « Ocean acoustic tomography : a scheme for large scale monitoring », Deep-Sea Research, Vol.26, 1979, p.123-161.

[Poor] H.V. POOR, An Introduction to Signal Detection and Estimation, Springer-Verlag, 1988.

[Porée] F. PORÉE, Th. CHONAVEL, F. GAILLARD, "Deconvolution and Tracking for Ocean Acoustic Tomography", Acta Acustica, vol. 87, 2001, pp. 748-757.

[Rabaste1] O. RABASTE, T. CHONAVEL, « On the furtivity of signals used in oceanic acoustic tomography experiments », Oceans 2005 - Europe, Vol.2, 2005, p.987-992.

[Rabaste2] O. RABASTE, T. CHONAVEL, « Estimation of multipath channels with long impulse response at low SNR via an MCMC method », IEEE Transactions on Signal Processing, Vol. 55, #4, 2007, p. 1312-1325.

[Rissanen] J. RISSANEN, « Modelling by shortest data description », Automatica, Vol.14, 1978, p.465-471.

[Rosec] O. ROSEC, J.-M. BOUCHER, B. NSIRI, Th. CHONAVEL, « Blind marine seismic deconvolution using statistical MCMC methods », IEEE Journal of Oceanic Engineering, Vol.28,#3, 2003, p.502-512.

[Subramanian] V.G. SUBRAMANIAN, B. HAJEK, « Broad-band fading channels: Signal burstiness and capacity », IEEE Transactions on Information Theory, Vol.48,#4, 2002, p.809-827.

[Taylord] H.L. TAYLORD, S.C. BANKS, J.F. MCCOY, « Deconvolution with the L1 norm », Geophysics, Vol.55,#1, 1979, p.39-52.

[Wang] X. WANG, R. CHEN, « Adaptive Bayesian multiuser detection for synchronous CDMA with gaussian and impulsive noise », IEEE Transactions on Signal Processing, Vol.47,#7, 2000, p.2013-2028.