摘要
本发明涉及水声通信技术领域,具体的涉及一种基于深度学习的OFDM水声通信接收方法,包括:步骤1:搭建OFDM系统,生成数据集;步骤2:构建基于卷积神经网络CNN的信道估计模型;步骤3:构建基于长短时记忆网络BiLSTM的信号解调模型;步骤4:设定CNN网络、BiLSTM网络的超参数;步骤5:利用数据集对信道估计模型和信号解调模型进行训练;步骤6:统计准确率曲线、网络损失曲线及训练时间,若准确率曲线不拟合或网络损失曲线不收敛,则重新设定超参数,进行步骤4,否则进行步骤7;步骤7:将测试集输入到深度学习辅助的OFDM水声通信接收模型,进行在线部署。可以大大提高信道估计的精度和准确度。
技术关键词
信道估计模型
频率响应
OFDM系统
生成数据集
网络
信道均衡算法
载波
Sigmoid函数
水声通信技术
曲线
注意力
符号
ReLU函数
双曲正切函数
信号
超参数
系统为您推荐了相关专利信息
局部图像特征
多模态特征融合
布局
融合特征
大语言模型
欺骗干扰信号
生成深度神经网络
样式
欺骗干扰方法
信号发送设备
局部特征提取
图像分类模型
图像局部特征
影像分类方法
图像全局特征
通道设计方法
电源分配网络
电源噪声分析
噪声规格
参数
智能终端测试方法
接口芯片
测试软件系统
主控系统
指令