典型文献
水声通信中的信道估计与机器学习交叉研究进展
文献摘要：
近年来,以深度学习为代表的机器学习技术飞速发展,凭借其出色的学习能力,在复杂环境条件下的建模问题中展现出了独特的优势.当前,基于机器学习的水声通信技术研究方兴未艾,在信道估计及均衡、典型通信系统应用等方面取得了一定的进展,但是针对实际水声环境约束条件下的研究较少.为此,文章围绕信道估计这一水声通信关键技术,针对水声信道估计中存在的样本不足,标签标定困难以及水声环境时空变导致的源域、目标域失配等问题,讨论了水声信道估计与数据增强、无标签学习、少样本学习等模型和方法交叉研究的发展思路,并给出了初步的仿真和试验结果.文章是对水声通信中的信道估计与机器学习交叉领域研究重难点问题的初步探索,为水下各类平台自主智能化的通信技术发展提供了参考.
文献关键词：
水声通信;机器学习;数据增强;无标签学习;少样本学习
中图分类号：
作者姓名：
张永霖;王海斌;李超;汪俊;台玉朋
作者机构：
中国科学院声学研究所声场声信息国家重点实验室,北京100190;中国科学院大学,北京100190
文献出处：
引用格式：
[1]张永霖;王海斌;李超;汪俊;台玉朋-.水声通信中的信道估计与机器学习交叉研究进展)[J].声学技术,2022(03):334-345
A类：
无标签学习
B类：
信道估计,交叉研究,机器学习技术,出色,复杂环境条件,基于机器学习,水声通信技术,方兴未艾,通信系统,系统应用,针对实际,声环境,环境约束,通信关键技术,水声信道,源域,目标域,失配,数据增强,少样本学习,交叉领域,重难点问题,初步探索,自主智能
AB值：
0.269218
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
