基于被动时间反转-卷积神经网络的OFDM水声通信系统研究

• 作者: 付晓梅 王思宁 胡雅琳
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 正交频分复用 深度学习 被动时间反转 水声通信 信号检测
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 169-178
• 页数: 9页
• 分类号: TN929.3
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022234

摘要

水声（Underwater Acoustic,UWA）信道的多径效应和多普勒效应造成正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）水声通信系统接收端符号间干扰和载波间干扰，降低系统性能.构造一种新型的被动时间反转-卷积神经网络（Passive Time Reversal-Convolutional Neural Network,PTR-CNN），并将其应用于OFDM水声通信系统接收端. PTR-CNN网络的构造包括两部分，首先，基于被动时间反转理论削弱多径增强主路径信息能量；其次，将上述输出结果转换成二维矩阵，再输入卷积神经网络中进行信号检测，同时对抗多径和多普勒效应带来的干扰；最后，网络输出直接恢复比特流.仿真和试验结果表明，与目前主流信道估计和信号检测算法相比，所提方法能够提升系统的可靠性，在不同水声信道环境测试中均具有较好的鲁棒性.