[发明专利]一种利用水声信道多径效应的水声通信接收机的实现方法

权利要求书

1.一种利用水声信道多径效应的水声通信接收机的实现方法，其特征在于，所述方法包括：

在正交频分复用多载波技术的基础上，利用多路径效应基于神经网络模型进行时间反转信号处理和特征提取，以此作为通信系统的接收端；通过全连接层实现神经网络模型的最终输出；

在训练阶段，以提取和学习输入特征，通过最小化损失函数推断接收信号和二进制数据之间的关系；

在测试阶段，将接收到的信号输入到训练后的网络模型中，恢复出二进制数据；

其中，所述神经网络模型由输入预处理、初始归一化、时间反转卷积层、批归一化层、卷积层和全连接层组成；

所述输入预处理，用于获取估计的信道冲激响应，提高网络输入数据的质量；

其中，上标(·)^H表示矩阵转置，X_P(k)和Y_P(k)分别是第k个子载波上携带的导频符号和相应的接收符号；h_LS(t)是通过傅里叶逆变换获得的估计信道冲击响应，为估计的信道频域响应；

所述时间反转卷积层用于对时间反转信号进行处理，估计的信道冲激响应被用作卷积核，提取水声信道的多路径信息以减轻长时延扩展并提高信噪比；

所述批归一化层用于对时间反转卷积层的输出进行归一化；

所述卷积层包括：一维卷积和激活函数，共有L层，第l层的输出表示为：

其中，是当前层的第j个神经元的输出特征图，是前一层的输出特征图；是滑过卷积核的输入特征映射的遍历；表示从l-1层的第i个神经元到l层的第j个神经元的卷积核；是第l层中第j个神经元的标准偏差；f(·)表示第l层的非线性函数；

通过所述全连接层，神经网络模型的最终输出表示为：

其中，w和c表示全连接层的训练权重和偏差，x是已展平的卷积层的最终输出特征图，f_r表示ReLU非线性函数，f_s表示Sigmod非线性函数。

2.根据权利要求1所述的一种利用水声信道多径效应的水声通信接收机的实现方法，其特征在于，所述损失函数表示为：

其中，v＝0,1,...,V-1,V是批处理大小，L_y是预测向量的长度，b(v)是输入标签。