摘要：由于水下环境复杂多变，可用带宽窄，该文首先在水声通信中构建了一个基于索引调制的正交啁啾复用(OCDM-IM)系统。针对传统OCDM-IM信号检测方法在性能和复杂度之间很难达到平衡的问题，该文提出了一种基于深度学习的水声OCDM-IM信号检测方案。所提出的网络将索引位和载波位的检测作为一个整体，采用残差神经网络(ResNet)级联双向长短期记忆网络(BiLSTM)检测索引调制正交啁啾复用信号。信号进入网络后先利用ResNet进行特征提取，并将ResNet中的传统卷积用深度可分离卷积替代，减少网络参数。再利用BiLSTM全面捕捉传输信息中的时间序列依赖关系，提高对传输信息比特预测的准确性。最后，通过仿真结果可得，在水声信道环境下，相较于传统的贪婪检测算法，所提网络模型性能大大提高并更接近传统的最大似然检测算法，计算复杂度低于传统的贪婪检测算法和最大似然检测算法。该算法性能也优于目前已有的三种深度学习算法。因此该网络在水声信道环境下具有较强的鲁棒性。
文章目录
0 引言
1 水声OCDM-IM系统模型
2 所提出的ResNet-BiLSTM检测器
2.1 网络模型
2.2 模型训练
3 实验结果与分析
3.1 系统设置
3.2 仿真结果
4 结论
