公开(公告)号：CN112511469B

公开(公告)日：2022-02-08

申请号：CN202011361757.5

申请日：2020-11-27

Applicant: 厦门大学

Inventor： 刘思聪 ,  高龙杰

IPC: H04L25/02

Abstract: 一种基于深度学习的稀疏水声信道估计方法，涉及水声通信技术领域。构建水声信道估计模型，搭建一个稀疏感知的深度神经网络，利用水声信道训练数据集对稀疏感知的深度神经网络的权重进行训练，使其能够准确学习所述水声信道稀疏特征；利用已训练的稀疏感知的深度神经网络，对待估计水声信道脉冲响应进行估计，得到水声信道脉冲响应估计值；选取水声信道脉冲响应估计值中具有最大幅值的K个元素对应的索引，得到水声信道稀疏支撑集；利用水声信道稀疏支撑集，得到水声信道脉冲响应精细化估计值。通过深度学习水声信道的稀疏特征，能够在通信条件恶劣的水声信道中，有效提高水声信道估计的精度和频谱效率，满足未来不断增长的水声通信需求。

公开(公告)号：CN112511469A

公开(公告)日：2021-03-16

申请号：CN202011361757.5

申请日：2020-11-27

Applicant: 厦门大学

Inventor： 刘思聪 ,  高龙杰

IPC: H04L25/02

Abstract: 一种基于深度学习的稀疏水声信道估计方法，涉及水声通信技术领域。构建水声信道估计模型，搭建一个稀疏感知的深度神经网络，利用水声信道训练数据集对稀疏感知的深度神经网络的权重进行训练，使其能够准确学习所述水声信道稀疏特征；利用已训练的稀疏感知的深度神经网络，对待估计水声信道脉冲响应进行估计，得到水声信道脉冲响应估计值；选取水声信道脉冲响应估计值中具有最大幅值的K个元素对应的索引，得到水声信道稀疏支撑集；利用水声信道稀疏支撑集，得到水声信道脉冲响应精细化估计值。通过深度学习水声信道的稀疏特征，能够在通信条件恶劣的水声信道中，有效提高水声信道估计的精度和频谱效率，满足未来不断增长的水声通信需求。