本发明专利设计水声无线通信,尤其涉及一种基于自编码器降噪的水声通信系统。
背景技术:
1、水声无线声波通信是水下信息传输的主要技术手段,同时也是海洋开发及探测领域的关键技术。借助水下无线通信系统可以实现信息在水下的互联互通,采集海洋信息、监控海洋环境、气候变化以及海底的异常活动。
2、在水下,陆地常用的电磁波通信衰减严重,无法实现水下的远程通信。目前,只有声波通信是水下远程可靠传输的唯一有效手段。但在水声通信过程中,海域环境噪声、海洋生物噪声等对通信系统持续干扰,这也使得水声信道不可避免的受到海洋环境噪声的污染。现有的水声通信系统普遍搭载带通滤波器,对通信带宽外的海洋环境噪声进行隔绝,但带内噪声仍对通信系统有着严重的干扰,这也使得水声通信系统的传输距离和通信可靠性受到很大的限制,严重影响水下检测作业的效率和质量。
3、自编码器属于机器学习的一个衍生网络,同时也是机器学习无监督学习的典型网络结构模型。随着人工智能的不断发展,各国的科研工作者对自编码器进行了大量的改进。在图像重建过程中,根据物理测量数据,通过数据处理重新建立物体图像,能够在学习样本中高度抽象图像的特征信息,避免了传统方法人工特征的提取,在图像恢复过程中,在重建精度与速度上都得到了突破。目前,自编码器在文本分类识别、图像重建等领域得到了应用,随着计算机技术及人工智能算法的不断发展,神经网络在信号处理的领域也得到了广泛的应用。深度学习是拥有多层学习结构的神经网络,在处理复杂问题是有着较大的优势。从2006 年技术提出至今,深度学习算法飞度发展,不断推陈出新,自编码器也在降噪领域得到了大量的应用。
技术实现思路
1、本发明的主要目地是解决水声通信过程中信道受带内噪声干扰的技术问题。
2、为了实现上述技术问题,本发明提供了一种基于自编码器降噪的水声通信系统。
3、本发明应用于水声无线通信领域,所述水下自编码器降噪通信系统包括:
4、步骤1:将发射端的信息比特进行分组;
5、步骤2:对分组后的信号进行qpsk调制得到通带信号;
6、步骤3:采用调制后的信号作为网络的输入端导入自编码器网络中,持续进行网络的迭代;
7、步骤4:利用重构错误计算公式计算误差,使损失函数达到最低,得到训练好的自编码器网络autoenc;
8、步骤5:选取训练好的自编码器网络迁移至新的通信系统中;
9、步骤6:发送通信信号经过受海洋环境噪声污染的信道,将此信号作为autoenc的输入端,经过神经网络的重构,得到重构信号;
10、步骤7:利用qpsk调制方式对重构信号解调,接收发射的信源。
11、所述步骤2的具体步骤为:
12、通过载波的四种不同的相位代表四种不同的输入信息,即将发送的信息转化为相位值后可以进行调制。在4psk水声调制解调的原理中,系统规定了相位角度与数组之间的对应关系。通过相位角度可将数组表示为,,,。
13、所述步骤3的具体步骤为:
14、发送40000个比特的信息,分成400组,每组1000个比特,经过qpsk调制后,将通信系统的通带信道导入自编码器中,自编码器的隐藏层为600层,迭代次数2000次。
15、根据权利要求1所述的重构错误计算公式计算误差,其特征在于:
16、所述步骤5的具体步骤为:
17、将训练完毕的autoenc导入新的通信系统中,在新的通信系统中,发送1000个比特的数据,途径受高斯带内噪声污染后的信道,将过信道后的通带信号作为神经网络的输入端,经过自编码器网络的重构后得到重构信号
1.一种基于自编码器降噪的水声通信系统,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于自编码器降噪的水声通信系统,其特征在于:
3.根据权利要求1所述的基于自编码器降噪的水声通信系统,其特征在于:
4.根据权利要求1所述的重构错误计算公式计算误差,其特征在于:
5.根据权利要求1所述的基于自编码器降噪的水声通信系统,其特征在于: