基于深度学习的非相干混沌通信方法及装置

本发明公开了一种基于深度学习的非相干混沌通信方法及装置，涉及数据处理领域，包括：获取待解调的混沌接收信号并进行功率谱密度估计，得到PSD序列并输入到经训练的混沌接收信号解调模型，通过输入层接收PSD序列，PSD序列经过第一BiLSTM层，提取到PSD序列的第一时域特征，再经过自注意力层，得到第一中间特征，第一中间特征经过第一Dropout层，得到第二中间特征，第二中间特征经过第二BiLSTM层，提取得到PSD序列的第二时域特征，再经过第二Dropout层，得到第三中间特征；将第三中间特征输入到全连接层和Softmax层进行特征整合，得到概率分布向量，概率分布向量通过分类层进行最大似然判决，得到估计的二进制信息比特。本发明解决现有的混沌通信系统频谱效率低的问题。