-
公开(公告)号:CN109474352B
公开(公告)日:2021-07-06
申请号:CN201811584333.8
申请日:2018-12-24
Applicant: 三亚哈尔滨工程大学南海创新发展基地
Abstract: 一种基于深度学习的水声正交频分复用通信方法,属于水声通信技术领域。本发明分为两个阶段。首先是基于大量训练数据的训练阶段,通过训练过程将损失函数最小化并调整深度神经网络参数以获取有效的接收系统模型。其次是在线测试阶段,将有效训练的接收系统模型投入实际测试,在不需要明确信道估计及均衡的条件下直接恢复发射信号。与传统的水声通信需进行明确信道估计及均衡不同,深度神经网络可以通过训练来学习处理水声信道造成的复杂失真,直接从接收的信号中恢复原始发射信号;本发明可降低水声通信系统设计复杂度,有效实现水下数据传输;本发明对比于传统水声通信方法,对于导频数据量较少、循环前缀缺失情况下的水生通信具有更好的鲁棒性。
-
公开(公告)号:CN109743118B
公开(公告)日:2021-05-11
申请号:CN201811584348.4
申请日:2018-12-24
Applicant: 三亚哈尔滨工程大学南海创新发展基地
Abstract: 一种时变双扩信道条件下的高频谱效率的OFDM水声通信方法,属于水声通信技术领域。本发明对接收信号r(k)进行带通滤波,经ADC转换成数字信号,下变频和低通滤波等前端处理后,利用模糊函数法估计平均多普勒,经重采样和频率校正后,对信号多路复用、时域均衡和频域均衡,分集合并后采用OMP‑DCD算法进行残余多普勒补偿,采用迭代信号处理技术,通过软入软出映射/解映射、交织器/解交织器将LDPC译码器与均衡器级联,在这两个模块中实现密切的信息交互,充分利用往复传递的软信息,有效抵抗时变双扩信道的干扰。本发明在复杂度和性能方面能较好的折中,高效解决传输过程中严重的符号间干扰、载波间干扰、导频‑数据干扰等问题,复杂度低能够在DSP处理器上实时实现。
-