水声通信系统的脉冲去噪模型的训练、识别方法及装置

本申请涉及计算机及通信，具体而言，涉及一种水声通信系统的脉冲去噪模型的训练、识别方法及装置。

背景技术：

1、水声通信在传输过程中不仅会受到常规背景噪声的影响，还会受到人类活动、冰川移动、鱼类活动等产生的脉冲噪声的影响。在目前的技术方案中，常采用消音、削波以及组合消隐削波方式进行脉冲噪声抑制。然而，上述方式是无记忆且非线性的，虽然实现简单，但是对振幅敏感且阈值的选择是个问题。由此，如何快速且准确地去除传输数据中的脉冲噪声，保证水声通信系统的通信质量成为了亟待解决的技术问题。

技术实现思路

1、本申请的实施例提供了一种水声通信系统的脉冲去噪模型的训练、识别方法及装置，进而至少在一定程度上可以快速且准确地去除传输数据中的脉冲噪声，保证水声通信系统的通信质量。

2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

3、根据本申请实施例的一个方面，提供了一种水声通信系统的脉冲去噪模型的训练方法，该方法包括：

4、基于预先搭建的仿真ofdm水声通信系统，在接收端下采样后获取接收到的有脉冲时域信号及其对应的无脉冲时域标签信号；

5、分别对所述有脉冲时域信号以及所述无脉冲时域标签信号进行预处理，得到相对应且实虚部分离的有噪输入数据以及无噪标签数据，以作为虚拟训练数据；

6、基于所述虚拟训练数据对预先构建的初始一维卷积神经网络进行训练，得到待调一维卷积神经网络；

7、将在现实环境下采集到的真实噪声数据替换仿真产生的虚拟噪声数据，并采用替换后的虚拟训练数据对所述待调一维卷积神经网络进行优化，得到目标脉冲去噪模型。

8、根据本申请实施例的一个方面，提供了一种水声通信系统的脉冲去噪方法，该方法包括：

9、获取目标水声通信系统的接收端下采样后的接收数据；

10、对所述接收数据进行预处理，并将预处理后的所述接收数据输入至预先训练完成的脉冲去噪模型，以使所述脉冲去噪模型输出对应的去噪结果，所述脉冲去噪模型由如前述实施例所述的训练方法训练得到。

11、根据本申请实施例的一个方面，提供了一种水声通信系统的脉冲去噪模型的训练装置，包括：

12、第一获取模块，用于基于预先搭建的仿真ofdm水声通信系统，在接收端下采样后获取接收到的有脉冲时域信号及其对应的无脉冲时域标签信号；

13、预处理模块，用于分别对所述有脉冲时域信号以及所述无脉冲时域标签信号进行预处理，得到相对应且实虚部分离的有噪输入数据以及无噪标签数据，以作为虚拟训练数据；

14、训练模块，用于基于所述虚拟训练数据对预先构建的初始一维卷积神经网络进行训练，得到待调一维卷积神经网络；

15、处理模块，用于将在现实环境下采集到的真实噪声数据替换仿真产生的虚拟噪声数据，并采用替换后的虚拟训练数据对所述待调一维卷积神经网络进行优化，得到目标脉冲去噪模型。

16、根据本申请实施例的一个方面，提供了一种水声通信系统的脉冲去噪装置，包括：

17、第二获取模块，用于获取目标水声通信系统的接收端下采样后的接收数据；

18、去噪模块，用于对所述接收数据进行预处理，并将预处理后的所述接收数据输入至预先训练完成的脉冲去噪模型，以使所述脉冲去噪模型输出对应的去噪结果，所述脉冲去噪模型由如前述实施例所述的训练方法训练得到。

19、根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的方法。

20、根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的方法。

21、根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的方法。

22、在本申请的一些实施例所提供的技术方案中，基于预先搭建的仿真ofdm水声通信系统，在接收端下采样后获取接收到的有脉冲时域信号及其对应的无脉冲时域标签信号，分别对有脉冲时域信号以及无脉冲时域标签信号进行预处理，得到相对应且实虚部分离的有噪输入数据以及无噪标签数据，以作为虚拟训练数据，基于该虚拟训练数据对预先构建的初始一维卷积神经网络进行训练，得到待调一维卷积神经网络，接着，将在现实环境下采集的真实噪声数据替换仿真产生的虚拟噪声数据，并采用替换后的虚拟训练数据对待调一维卷积神经网络进行优化，得到目标脉冲去噪模型。由此，预先通过仿真域对模型进行训练，避免了真实训练数据采集困难、成本高的问题，且再采用真实噪声数据替换虚拟噪声数据，以对模型进行优化，得到目标脉冲去噪模型，可以保证目标脉冲去噪模型在真实环境中的适应程度，从而能够快速且准确地去除传输数据中的脉冲噪声，保证水声通信系统的通信质量。

23、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种水声通信系统的脉冲去噪模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，分别对所述有脉冲时域信号以及所述无脉冲时域标签信号进行预处理，包括：

3.根据权利要求1所述的方法，其特征在于，按照以下公式对所述有脉冲时域信号进行缩放：

4.根据权利要求2所述的方法，其特征在于，基于所述虚拟训练数据对预先构建的初始一维卷积神经网络进行训练，得到待调一维卷积神经网络，包括：

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述初始一维卷积神经网络包括输入层、隐藏层以及输出层，其中，所述输入层的大小为2×1×n，n为一个ofdm符号的载波数；所述隐藏层包括若干长度为3的一维卷积核，且滑动步长为1；所述输出层包括一个长度为3，滑动步长为1的一维卷积核。

6.一种水声通信系统的脉冲去噪方法，其特征在于，包括：

7.一种水声通信系统的脉冲去噪模型的训练装置，包括：

8.一种水声通信系统的脉冲去噪装置，其特征在于，包括：

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。

10.一种电子设备，其特征在于，包括：

技术总结
本申请的实施例提供了一种水声通信系统的脉冲去噪模型的训练、识别方法及装置。该训练方法包括：基于预先搭建的仿真OFDM水声通信系统，在接收端下采样后获取接收到的有脉冲时域信号及其对应的无脉冲时域标签信号；分别对二者进行预处理，得到相对应且实虚部分离的有噪输入数据以及无噪标签数据，以作为虚拟训练数据；基于虚拟训练数据对预先构建的初始一维卷积神经网络进行训练，得到待调一维卷积神经网络；将真实噪声数据替换仿真产生的虚拟噪声数据，并采用替换后的虚拟训练数据对待调一维卷积神经网络进行优化，得到目标脉冲去噪模型。本申请实施例的技术方案可以快速且准确地去除传输数据中的脉冲噪声，保证水声通信系统的通信质量。

技术研发人员：万磊,徐硕硕,刘恒硕,陈友淦,朱江
受保护的技术使用者：厦门大学
技术研发日：
技术公布日：2024/2/29