基于阵不变量的水声通信信号被动测距技术研究

针对浅海环境下水声通信信号被动测距问题,采用模态分解的声场分析方法,对阵不变量在浅海环境下的计算方法进行了理论分析和推导。基于水声通信信号高频、突发的特点,采用射线声传播模型对浅海垂直阵列接收水声通信信号场景进行了建模和仿真,提出了基于阵不变量的水声通信信号被动测距算法,并通过数值仿真和对比分析验证了算法功能和被动测距精度。

采用支持向量机的水声通信信号调制识别方法

由于水声信道中随机、复杂的时、频扩展特性的影响,非合作水声通信信号调制方式的自动识别极具挑战性.考虑到载频等调制参数提取较为困难,本研究基于信号功率谱、平方谱进行无需先验知识的水声通信信号特征参数提取,设计了一种基于多类别最小二乘支持向量机(LS-SVM)的水声通信信号调制方式分类器,该分类器具有泛化性能好、小样本学习能力强的特点,同时可避免传统神经网络分类器存在的过学习、欠学习以及局部最小化等问题.对海上实录信号数据的识别实验结果表明,本方法具有优于神经网络分类器的识别性能和信道稳健性.

采用主分量分析的非合作水声通信信号调制识别

由于信道传输特性、信噪比低等因素的影响,非合作水声通信信号的调制识别极具挑战性。对信号功率谱、平方谱进行主分量分析,提取代表不同类型调制信号特有信息的主分量作为特征参数,从而降低特征参数维度、抑制噪声影响,并在此基础上设计一种基于人工神经网络的水声通信信号调制方式分类器。海上实录信号数据的识别实验结果表明了该方法的有效性。

基于稀疏自动编码网络的水声通信信号调制识别

研究了基于稀疏自动编码网络的水声通信信号识别方法。首先利用稀疏自动编码网络对接收信号的功率谱识别分类,得到除PSK外信号的调制类型,然后对识别结果为PSK的信号做四次方谱,最后利用稀疏自动编码网络完成对QPSK和8PSK的识别分类。仿真实验表明,稀疏自动编码网络能从接收信号的谱信息中自动提取有效谱特征。与传统基于功率谱特征提取的识别方法相比,本文算法减少了依赖领域知识的特征提取环节,识别性能优于传统算法。

一种基于RCGAN的水声通信信号降噪方法

针对复杂海洋环境噪声中水声通信信号数据稀缺条件下的水声通信信号降噪问题,提出一种基于相对条件生成对抗网络(Relativistic Conditional Generative Adversarial Networks,RCGAN)的水声通信信号降噪方法.该方法利用相对条件生成对抗网络具有降噪能力的特点,通过引入扩张卷积结构,构造了适用于水声通信信号的降噪模型,提升了对不同海洋环境噪声的降噪能力;为了解决样本数据稀缺条件下的网络训练问题,根据生成对抗网络特点设计了两步迁移学习策略,并构造了基于数据模型迁移的迁移数据训练集.仿真实验和实际信号测试结果表明,该方法对不同分布特性的海洋环境噪声具有稳健性,能够大幅度降低对目标信号训练数据数量的要求,降噪效果优于现有算法.

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。

基于时频分析和神经网络的水声通信信号识别技术

水声通信信号识别具有重要的现实意义。传统的识别器是每种调制模式分别设计的检测器,因而运算量随调制模式数量的增加而增加。随着通信技术手段日益更新,调制模式不断翻新,传统识别器已经不能满足快速检测和识别信号的要求,设计统一的特征提取方法以减少检测器的数量非常迫切。从侦收信号的时频分布中提取特征向量,利用人工神经网络对特征向量进行分类,基于此提出了一种新的识别方法。对本文提出的识别器,在使用前增加新的调制模式的样本并重新训练神经网络,使用过程中能实现更多调制模式的识别而不增加运算量。对特征向量的提取方法进行了详细描述,并通过计算机仿真实验,得出了低信噪比时的正确识别概率。

伪装水声通信信号波形设计及其应用

提出伪装水声通信信号波形设计方法,将伪随机信号作为扩频数字水印与原始海豚whistles信号的复对数谱叠加,实现数字水印的嵌入;分别采用PEAQ算法与相关系数计算听觉与波形相似度,作为两种伪装效果的评价方法。提出匹配滤波与正交匹配追踪结合的自同步算法,使通信信号帧结构的设计保持原始whistles叫声的模式,提高了伪装效果。计算机仿真与海上试验验证了伪装通信方法的有效性:设计的通信信号与原始whistles信号相比,PEAQ打分结果均大于-0.5,相关系数值均大于0.98,达到了伪装的效果;试验中通信距离为5 km,单阵元接收的误码率小于10^(-3), 32元阵接收的误码率为0且通过垂直阵虚拟时间反转均衡技术提高了通信系统的稳健性。

基于功率谱平均的水声直扩信号倒谱检测方法

直扩是水声网络中常用的通信技术,对非合作直扩通信信号的检测是对其实施干扰的前提.倒谱检测具有计算速度快的优点,得到了广泛应用.传统的倒谱检测方法基于倒谱集平均和单根谱线能量,易受脉冲噪声干扰使得虚警概率高,低信噪比时谱线淹没于噪声中使得检测概率低.新方法利用分段数据的功率谱集平均求解倒谱,提升了倒谱域低端谱线,并以低端一定采样宽度的倒谱幅度平均值与倒谱整体幅度平均值的比值作为检测量,在与传统方法相同的虚警概率下,提高了检测概率.仿真表明了新方法工作性能的提高.

基于卷积神经网络的水声通信调制识别

复杂海洋环境为水声通信信号调制方式的识别带来了巨大的挑战。在典型海洋环境条件下,对水声信号和水声信道进行仿真,构建了基于卷积神经网络的水声通信信号调制识别系统,利用卷积神经网络对信号时频进行特征学习,实现水声通信信号的调制识别。使用仿真的水声信道传输的信号样本训练网络,对不同信道传输的信号样本进行分类识别,仿真实验结果表明,使用卷积神经网络可以实现对水声通信信号的调制识别,仿真条件下识别正确率可以达到85%以上,对不同的水声信道具有一定的鲁棒性。

TS101信号处理系统上扩展实现水下通信编码器

为了产生用于水声通信的各种信号,在已有信号处理系统软硬件限制的条件下,研制了一种基于DDWS方法实现的通信编码器,它能产生用于水下通信的连续不间断输出的任意信号,满足通信信号的精度和稳定性要求,OFDM信号的产生表明这种方法有效、可行,具有一定的通用性。

基于循环前缀相关性的水声OFDM信号调制识别

为解决非合作通信系统中水声OFDM信号的类型识别,本文研究水声OFDM通信信号与常见单载波水声数字通信信号(MPSK,MFSK)之间的调制识别问题。考虑到水声信道复杂传播特性对循环前缀相关性的影响,本文通过截取信号前后片段并迭代搜索双相关峰进行无需先验知识的水声OFDM通信信号特征参数提取,在此基础上设计了一种基于模糊系统的水声OFDM通信信号识别器。对不同信道条件下海上实录信号数据的识别实验结果表明了本文方法的有效性。

水下通信编码器在TS101系统的扩展实现

为了产生用于水下点对点通信的各种信号,本文在扩展硬件资源受限的情况下,设计并研制了一种基于DDWS实现的通信编码器硬件系统,它能产生用于水下通信的连续不间断输出的复杂波形信号,同时实现数字模拟输出,满足通信信号的精度和稳定性要求。

稀疏信道条件下正交多载波扩频水声通信无导频信道估计算法

提出了一种无导频信道估计算法,该算法首先利用水声信道的稀疏特性对扩频信号进行识别,再利用扩频信号识别结果对水声信道响应进行判决反馈估计,从而实现对稀疏水声信道响应的可靠重建。仿真和湖上试验结果证实:无导频信道估计算法可以在不降低通信质量的前提下,实现对水声通信信号的稳健均衡,提升水声通信速率。