技術(shù)特征：

1.一種基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟1中，所述信道預(yù)處理包括調(diào)制、插入導(dǎo)頻、串并轉(zhuǎn)換、快速傅里葉逆變換、添加循環(huán)前綴、并串轉(zhuǎn)換及快速傅里葉變換。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟2中，所述信道估計(jì)模型由兩個一維卷積層、一個自注意力模塊和兩個一維反卷積層依次級聯(lián)組成，選取relu函數(shù)作為激活函數(shù)，第一個一維卷積層和第一個一維反卷積層中間設(shè)置有跳躍連接。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟2中，輸入數(shù)據(jù)包括已知的導(dǎo)頻符號和接收到的導(dǎo)頻符號，所述步驟2還包括：

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟3中，所述信號解調(diào)模型分由雙向長短期記憶網(wǎng)絡(luò)bilstm和全連接層構(gòu)成，含有三層bilstm網(wǎng)絡(luò)，每一層有64時間步以及分別有64個隱藏單元，最后是一個包含64個神經(jīng)元的fc層，使用sigmoid激活函數(shù)行二分類的輸出。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟3中，使用sigmoid激活函數(shù)行二分類的輸出表示為：

7.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在步驟3中，使用sigmoid激活函數(shù)行二分類的輸出的步驟包括：

8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，步驟5包括：

9.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的ofdm水聲通信接收方法，其特征在于，在所述步驟7中，ofdm水聲通信模型采用的調(diào)制方式為qpsk，ofdm水聲通信發(fā)射模型發(fā)送測試信號，并經(jīng)過實(shí)測水聲信道后生成測試樣本，將測試樣本輸入到模型中進(jìn)行預(yù)測。

技術(shù)總結(jié)
本發(fā)明涉及水聲通信技術(shù)領(lǐng)域，具體的涉及一種基于深度學(xué)習(xí)的OFDM水聲通信接收方法，包括：步驟1：搭建OFDM系統(tǒng)，生成數(shù)據(jù)集；步驟2：構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)CNN的信道估計(jì)模型；步驟3：構(gòu)建基于長短時記憶網(wǎng)絡(luò)BiLSTM的信號解調(diào)模型；步驟4：設(shè)定CNN網(wǎng)絡(luò)、BiLSTM網(wǎng)絡(luò)的超參數(shù)；步驟5：利用數(shù)據(jù)集對信道估計(jì)模型和信號解調(diào)模型進(jìn)行訓(xùn)練；步驟6：統(tǒng)計(jì)準(zhǔn)確率曲線、網(wǎng)絡(luò)損失曲線及訓(xùn)練時間，若準(zhǔn)確率曲線不擬合或網(wǎng)絡(luò)損失曲線不收斂，則重新設(shè)定超參數(shù)，進(jìn)行步驟4，否則進(jìn)行步驟7；步驟7：將測試集輸入到深度學(xué)習(xí)輔助的OFDM水聲通信接收模型，進(jìn)行在線部署?？梢源蟠筇岣咝诺拦烙?jì)的精度和準(zhǔn)確度。

技術(shù)研發(fā)人員：楊星海,張淑蕙,崔振宇,任子赫,王景景
受保護(hù)的技術(shù)使用者：青島科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6