一种基于深度学习的水下信道仿真方法

本发明提供了一种基于深度学习的水下信道仿真方法，属于水下光通信技术领域。本发明基于多头注意力机制的方法，将每个头的输出并行连接到一个全连接层，再对全连接层的输出进行自适应归一化处理。添加的残差模块用于解决训练中的梯度消失或梯度爆炸等问题，同时也实现了对目标特征的有效提取和学习。将AMSAR网络模块分别嵌入到CNN、MLP和GAN网络中，并对主干网络进行优化调整，网络生成的信号更加真实、可靠，并且在未经训练的新水体中测试时表现出优异的性能，显著提升了网络的性能和泛化能力。这种结构的网络模型能够使网络适用于不同类型的水体，提高网络模型的泛化性能，减少过拟合的风险。