基于轻量化卷积神经网络的水声通信前导信号检测方法

前导信号检测是水声通信的关键环节,只有检测成功才能唤醒接收机进行后续的通信数据处理,以完成通信。目前常用的归一化匹配滤波检测算法,实现简单、抗噪声性能好,但无法有效对抗多径效应,在信道结构比较复杂的情况下检测性能会明显降低。将近年来在图像分类领域取得极好效果的卷积神经网络(Convolutional Neural Network,CNN),应用于水声通信前导信号检测领域,在信道结构复杂的情况下仍能够实现高性能检测。但基于经典CNN的检测算法,运算量和参数量较大,难以满足水声通信的时效性和水下通信机低能耗的要求。因此,本文利用深度可分离卷积和全局平均池化技术,结合水声通信前导信号检测问题的具体特点,基于Lenet-5设计了一种用于水声通信前导信号检测的紧凑神经网络。并利用基于通道间独立性的过滤器剪枝技术和训练后量化技术,对训练后的紧凑网络进行进一步压缩,最终得到一个用于水声通信前导信号检测的轻量化神经网络。千岛湖实验结果表明,该轻量化神经网络的检测性能和经典CNN相差不大,能够有效对抗复杂信道环境,且其所需参数量和运算量相比于经典CNN大幅下降,能够很好地满足水声通信的时效性和水下通信机低能耗的要求。

一个简单有效的LTE随机接入前导检测系统

简要介绍了LTE中PRACH的基带发射与接收系统,提出了一种简单有效的LTE随机接入前导检测系统,使用降采样技术和频域计算相关的方法来降低计算复杂性,便于系统的硬件实现。采用信号预处理和噪声平滑操作使检测系统适合低信噪比背景下的前导测量,明显改善了接收机的漏检概率。分析了多天线非相干合并后AWGN功率级随机变量的概率密度函数和累积分布函数的特征,分别针对2个和4个接收天线提出了线性近似虚警概率的阈值设定方法,使得阈值设定简单有效,并通过MATLAB对虚警概率和不同SNR下的漏检概率进行仿真,验证了提出系统的有效性。