-
题名结合深度学习和领域知识的水声快变信道均衡技术
- 1
-
-
作者
邓珂
王帅军
余华
张健
陈军帆
吴州平
-
机构
华南理工大学电子与信息学院
广州海格通信集团股份有限公司未来技术探索实验室
自然资源部海洋环境探测技术与应用重点实验室
-
出处
《水下无人系统学报》
2025年第2期299-306,共8页
-
基金
国家自然科学基金项目资助(62192712).
-
文摘
以正交频分复用(OFDM)为代表的多载波通信是目前水声高谱效传输的主流体制,可有效应对水声多路径传播带来的频率选择性衰落问题,然而在快时变场景下的子载波间干扰(ICI)会严重影响传输可靠性。针对水声快变信道下的时-频双选衰落问题,为了降低OFDM系统的接收误码率,提出一种结合深度学习和领域知识的水声快变信道均衡方法,不同于将传统信道估计和均衡检测结果作为深度神经网络(DNN)的预处理结果或者补充信息源,文中使用经典频域均衡模型的结构化信息辅助DNN模型训练和推理,以抵抗ICI的不利影响,并适应实际部署信道环境与训练信道环境失配的场景。仿真和海上测试结果表明,所提方法能够有效降低接收机误码率,实现更快的模型收敛速度,并在未知信道条件下实现更强泛化性能的潜力。
-
关键词
水声通信
深度学习
快变信道
正交频分复用
-
Keywords
underwater acoustic communication
rapidly time-varying channel
deep learning
orthogonal frequency division multiplexing
-
分类号
TJ631.32
[兵器科学与技术—武器系统与运用工程]
U674.95
[交通运输工程—船舶及航道工程]
-
