[发明专利]一种基于深度神经网络的水声通信体制自适应选取方法

说明书

本发明公开了一种基于深度神经网络的水声通信体制自适应选取方法，包括：对水声通信的各特征进行量化评分，以构建量化评分表；基于量化评分表对各水声通信体制的各特征进行性能划分，以构建水声通信体制性能划分表；基于量化评分表和水声通信体制性能划分表，构建水声通信体制选取深度神经网络和水声通信体制样本集；基于水声通信体制样本集对水声通信体制选取深度神经网络进行训练；利用训练后的水声通信体制选取深度神经网络进行水声通信体制的选取。该方法基于不同维度对通信体制的选取进行量化建模，以实际试验数据训练深度神经网络并进行通信体制选取，并可将选取结果进一步完善神经网络，减小了盲区同时提高了数据复用性。

技术领域

本发明属于水声通信网络领域，具体来说涉及一种基于深度神经网络的水声通信体制自适应选取方法。

背景技术

水声通信是目前有效的水下远距离无线通信手段之一，广泛应用与海洋观测、警戒探测、安全防卫等领域。目前，水声通信常用的调制解调方式主要包括直接序列扩频(DSSS)通信、正交频分复用(0FDM)通信、单载波相干相移键控(PSK)通信以及多进制频移键控(MFSK)通信等。这些水声通信体制在通信能力、可靠性、隐蔽性等方面具有各自优势，互补性强。不同通信体制的优缺点可简要分析如下：

直接序列扩频(DSSS)通信体制将信息携带在长码序列上，在抗干扰、抗时延多径、抗多普勒上有性能优势，适用于低信噪比的远距离通信场合，缺点是通信速率低，主要用于远距离的指令传输；

正交频分复用(0FDM)通信体制将信息携带在多个并行传输的子载波相位上，通信速率可以很高，缺点是OFDM对多普勒比较敏感，需要的通信信噪比较高，主要用于收发平台较为稳定且没有多普勒突变下的高速通信场合；

单载波相干(PSK)体制将信息携带在载波的相位上，通信速率较高，信号峰平比低，但是性能受限于水声时变多径信道引起的复杂码间干扰，一般用于信道条件较好，即信噪比较高、多普勒有限、时延扩展有限的水声通信信道环境；

多进制频移键控(MFSK)通信体制将信息携带在多个子载波的频带能量上，传输可靠性介于扩频和OFDM体制之间，缺点是通信速率较低，适用于信噪比较低、多普勒较大的低速通信场合；

由上可见，不同的水声通信调制解调方式具有各自的优缺点。在进行具体选取时，需要综合信道的时延扩展、多普勒扩展以及信噪比等进行选取。同时，选取时也需要考虑数据传输的数据率需求以及通信距离等。

在传统的水声通信中，水声通信体制的选取与确定主要来自于对于水声信道的先验知识以及对数据传输的需求。在确定水声通信体制时，需要在通信场合发送信道探针信号，测量实际信道的时延扩展、多普勒扩展以及信噪比等条件，并根据场景的数据传输需求人为确定所采用的水声通信体制。另一方面，以往试验或海试中实际水声信道条件下的水声通信体制选取结果没有充分提炼其在时延扩展、多普勒扩展以及信噪比等不同选取维度上的指导价值，数据未经充分挖掘，对于其他场景下的通信体制选取也无法发挥指导作用。此外，在实际的水声通信过程中，节点之间通过握手交互建立通信链路，即如果A节点需要向B节点发送信息，则A节点首先发送请求发送信息，待B节点回复允许发送信息后，A节点再进行数据信息发送。

深度神经网络是当前机器学习领域中的一个热点，应用十分广泛。深度神经网络通过采用具有输入层、隐藏层、输出层的分层神经网络架构，以较少的参数表示复杂的选取过程，实现针对不同对象的选取。同时，采用深度神经网络也可以减小采用传统的二分方法所产生的盲区。

综上可见，针对实际工程场景下水声通信体制的选取问题，如何从以往实际水声通信中获取通信体制选取的先验知识，并在实际场景下结合信道时延扩展、多普勒扩展、信噪比等物理因素，以及通信业务的数据传输需求、通信距离等条件，优化选取水声通信体制，已成为水声通信领域技术人员一个迫切需要解决的重要问题。

发明内容