针对传统水声滤波器组多载波(Filter Bank Multi-Carrier,FBMC)通信接收端需经过信道估计和均衡才可恢复出发送符号,系统复杂度高且信道估计精度不佳等问题。文章将深度神经网络融入到水声多载波通信当中,提出一种基于深度神经网络的水...针对传统水声滤波器组多载波(Filter Bank Multi-Carrier,FBMC)通信接收端需经过信道估计和均衡才可恢复出发送符号,系统复杂度高且信道估计精度不佳等问题。文章将深度神经网络融入到水声多载波通信当中,提出一种基于深度神经网络的水声FBMC信号检测方法。在训练阶段通过大量的数据迭代、调试超参数和优化算法来改善深度神经网络参数,使其具有预期的估计效果。利用训练完成的深度神经网络模型取代传统FBMC通信系统接收端的信道估计、均衡等模块,自适应地学习水声信道状态信息,同时避免了固有的虚部干扰影响。在测试阶段直接将频域序列作为网络的输入来预测发送的二进制序列,仿真结果表明所提出的基于深度神经网络的FBMC信号检测方法相比传统信道估计算法有更好的误码率性能。展开更多
针对水下环境信噪比低的特点,以及传统子空间算法计算复杂度高等问题,提出一种基于胶囊网络(capsules network,CapsNet)的波达方向(direction of arrival,DOA)估计模型。将水下矢量水听器阵列采集的协方差数据实虚部分离作为二维数据输...针对水下环境信噪比低的特点,以及传统子空间算法计算复杂度高等问题,提出一种基于胶囊网络(capsules network,CapsNet)的波达方向(direction of arrival,DOA)估计模型。将水下矢量水听器阵列采集的协方差数据实虚部分离作为二维数据输入,利用胶囊结构构建向量神经元,通过动态路由的特征传递方法,得到相应矢量胶囊的分类输出,实现低信噪比条件下的DOA估计。为了验证胶囊网络模型的性能,在不同信噪比下条件下,与多重信号分类(multiple signal classification,MUSIC)和卷积神经网络(convolutional neural networks, CNN)的DOA估计结果进行对比分析。仿真结果表明,训练后的胶囊网络,具有更高的水下DOA估计准确率,抗噪性方面优势更加明显,并且在提升性能的同时,加快了方位估计速度。展开更多
考虑到现实水声通信环境中存在非连续频带干扰导致系统的接收端误码率较高的问题,本文提出一种基于索引调制的FBMC水声抗干扰通信(filter bank multi-carrier with index modulation, FBMC-IM)技术研究方案。首先分析无干扰情况下,水声F...考虑到现实水声通信环境中存在非连续频带干扰导致系统的接收端误码率较高的问题,本文提出一种基于索引调制的FBMC水声抗干扰通信(filter bank multi-carrier with index modulation, FBMC-IM)技术研究方案。首先分析无干扰情况下,水声FBMC-IM通信系统误码率性能要优于传统FBMC系统。根据非连续频带干扰频率范围,对水声FBMC-IM系统的通信频带进行划分,使得与非连续频带干扰信号混叠部分的子载波静默,未受干扰的子载波保持活跃状态并承载通信信号,实现不连续的通信频带划分来规避干扰的影响。仿真实验结果表明,该方案明显降低了系统接收端的误码率,提高了系统的抗干扰能力。展开更多
文摘针对传统水声滤波器组多载波(Filter Bank Multi-Carrier,FBMC)通信接收端需经过信道估计和均衡才可恢复出发送符号,系统复杂度高且信道估计精度不佳等问题。文章将深度神经网络融入到水声多载波通信当中,提出一种基于深度神经网络的水声FBMC信号检测方法。在训练阶段通过大量的数据迭代、调试超参数和优化算法来改善深度神经网络参数,使其具有预期的估计效果。利用训练完成的深度神经网络模型取代传统FBMC通信系统接收端的信道估计、均衡等模块,自适应地学习水声信道状态信息,同时避免了固有的虚部干扰影响。在测试阶段直接将频域序列作为网络的输入来预测发送的二进制序列,仿真结果表明所提出的基于深度神经网络的FBMC信号检测方法相比传统信道估计算法有更好的误码率性能。
文摘针对水下环境信噪比低的特点,以及传统子空间算法计算复杂度高等问题,提出一种基于胶囊网络(capsules network,CapsNet)的波达方向(direction of arrival,DOA)估计模型。将水下矢量水听器阵列采集的协方差数据实虚部分离作为二维数据输入,利用胶囊结构构建向量神经元,通过动态路由的特征传递方法,得到相应矢量胶囊的分类输出,实现低信噪比条件下的DOA估计。为了验证胶囊网络模型的性能,在不同信噪比下条件下,与多重信号分类(multiple signal classification,MUSIC)和卷积神经网络(convolutional neural networks, CNN)的DOA估计结果进行对比分析。仿真结果表明,训练后的胶囊网络,具有更高的水下DOA估计准确率,抗噪性方面优势更加明显,并且在提升性能的同时,加快了方位估计速度。
文摘考虑到现实水声通信环境中存在非连续频带干扰导致系统的接收端误码率较高的问题,本文提出一种基于索引调制的FBMC水声抗干扰通信(filter bank multi-carrier with index modulation, FBMC-IM)技术研究方案。首先分析无干扰情况下,水声FBMC-IM通信系统误码率性能要优于传统FBMC系统。根据非连续频带干扰频率范围,对水声FBMC-IM系统的通信频带进行划分,使得与非连续频带干扰信号混叠部分的子载波静默,未受干扰的子载波保持活跃状态并承载通信信号,实现不连续的通信频带划分来规避干扰的影响。仿真实验结果表明,该方案明显降低了系统接收端的误码率,提高了系统的抗干扰能力。
