[发明专利]一种海洋通信系统联合信道分类、估计和检测方法

说明书

本发明提供的一种海洋通信系统联合信道分类、估计和检测方法，包括：构建DCO‑OFDM系统，完成信号的发送和接收；在DCO‑OFDM系统上，构建深度神经网络DNN检测器和DNN信道分类器，即DNN检测器和DNN‑CC；对DNN检测器和DNN‑CC进行训练，构建联合信道分类、估计和检测JCCESD模型；利用JCCESD模型对海洋通信系统进行联合信道的分类、估计和检测。本发明提供的联合信道分类、估计和检测方法，通过设计一种DNN检测器将信道估计CE和信号检测SD过程结合起来，在一个DNN中完成CE和SD的功能实现；设计一个新型的DNN‑CC，以产生优化的估计组合权重ECW，并将ECW应用于DNN检测器的CE和SD过程，显著提高时变UWOC信道下的CE和SD性能；最后将JCCESD模型设计融入到DCO‑OFDM系统中，在系统的接收端完成信道分类、CE和SD过程。

技术领域

本发明涉及海洋通信技术领域，更具体的，涉及一种海洋通信系统联合信道分类、估计和检测方法。

背景技术

近年来，水下无线光通信(Underwater Wireless Optical Communication，UWOC)凭借其丰富的光带宽，在高速无线通信中得到了越来越广泛的应用。与水声通信技术相比，水声通信技术利用声波以非常有限的带宽(kHz量级)传输信息，并且具有较大的传输延迟，UWOC技术可以在保持较低传输时延的同时，将可实现的数据速率大幅度提高到千兆每秒(Giga Bit Per Second，Gbps)[1]。

然而，光束在UWOC信道中传输时会受到吸收(Absorption)、散射(Scattering)和湍流(Turbulence)的影响[2][3][4]。吸收效应是一个不可逆的过程，在传播过程中光子与水分子和其他粒子相互作用，从而损失其能量。在散射现象中，每个光子的发射方向是随机变化的，因此接收器可以捕获的能量减少。此外，光学湍流(Optical Turbulence)是水下介质随机变化的结果，其主要原因是温度和盐度的波动[5]。上述的吸收、散射和湍流传播效应使得精确地获取信道估计(Channel Estimation，CE)变得困难，从而对信号检测(SignalDetection，SD)产生了不可忽视的负面影响。

然而，由于水下环境的复杂性，信道状态信息(Channel State Information，CSI)估计的准确度通常不足以保证UWOC接收机的SD质量。直到最近，现有的信道均衡和数据检测方案很难满足UWOC场景中应用的性能和成本要求。此外，文献[6]的作者提出了一种用于正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统的线下训练辅助的深度神经网络(Deep Neural Network，DNN)线上CE方案。然而，在这个模型中，DNN只使用了全连接层(Fully Connected Layer，FCL)，DNN网络基于子载波数目被划分成几个子部分，从而造成较高复杂度。总体来说，简单地将最初为无线电频率设计的DNN技术应用于UWOC系统并不能获得理想的性能，因为UWOC信道的信道冲激响应(Channel ImpulseResponses，CIR)可能会因许多因素而发生显著变化，例如水深，水温，水流和阳光强度的变化等[7]。

发明内容

本发明为克服现有的将最初为无线电频率设计的DNN技术应用于UWOC系统中，存在无法获得理想性能的技术缺陷，提供一种海洋通信系统联合信道分类、估计和检测方法。

为解决上述技术问题，本发明的技术方案如下：

一种海洋通信系统联合信道分类、估计和检测方法，包括以下步骤：

S1：构建基于深度神经网络DNN的直流偏置光OFDM系统，即DCO-OFDM系统，完成信号的发送和接收；

S2：在DCO-OFDM系统上，构建DNN检测器和DNN信道分类器(Channel Classifier)，即DNN检测器和DNN-CC；