公开(公告)号：CN111740934B

公开(公告)日：2022-08-19

申请号：CN202010437712.5

申请日：2020-05-21

Applicant: 江苏科技大学

Inventor： 朱雨男 ,  王彪 ,  聂星阳 ,  葛慧林 ,  刘雨佶

IPC: H04L27/26 ,  H04L25/02 ,  H04L25/03 ,  G06N3/08 ,  G06N3/04 ,  H04B11/00 ,  H04B13/02

Abstract: 本发明公开的一种基于深度学习的水声FBMC通信信号检测方法。利用训练完成的深度神经网络模型(DNN)取代传统水声FBMC通信系统接收端中的信道估计、均衡等模块，打破系统的模块化限制，自适应地学习水声信道状态信息，避免原本系统固有的虚部干扰影响，提高系统的误码率性能。本发明的有益效果：本发明在传统水声FBMC通信系统的接收端用一个训练完善的DNN代替原有的信道估计、均衡等过程。利用DNN的训练阶段获取水声信道状态信息，在测试阶段实现信号的解调恢复。在此基础上本发明又引入Adam权重更新策略和L2正则化方法优化DNN模型，进一步提升DNN的收敛效率和估计精度，本发明相较于现有基于信道估计的方法在精度和复杂度方面具有一定的优越性。

公开(公告)号：CN111740934A

公开(公告)日：2020-10-02

申请号：CN202010437712.5

申请日：2020-05-21

Applicant: 江苏科技大学

Inventor： 朱雨男 ,  王彪 ,  聂星阳 ,  葛慧林 ,  刘雨佶

IPC: H04L27/26 ,  H04L25/02 ,  H04L25/03 ,  G06N3/08 ,  G06N3/04 ,  H04B11/00 ,  H04B13/02

Abstract: 本发明公开的一种基于深度学习的水声FBMC通信信号检测方法。利用训练完成的深度神经网络模型(DNN)取代传统水声FBMC通信系统接收端中的信道估计、均衡等模块，打破系统的模块化限制，自适应地学习水声信道状态信息，避免原本系统固有的虚部干扰影响，提高系统的误码率性能。本发明的有益效果：本发明在传统水声FBMC通信系统的接收端用一个训练完善的DNN代替原有的信道估计、均衡等过程。利用DNN的训练阶段获取水声信道状态信息，在测试阶段实现信号的解调恢复。在此基础上本发明又引入Adam权重更新策略和L2正则化方法优化DNN模型，进一步提升DNN的收敛效率和估计精度，本发明相较于现有基于信道估计的方法在精度和复杂度方面具有一定的优越性。