典型文献
基干深度学习的水声信道均衡技术研究
文献摘要：
多输入多输出水声信道均衡问题是实现高速水声通信的关键技术难题.为了提高信道的传输性能,通常采用自适应均衡技术,通过递归最小二乘算法进行判决反馈均衡.由于传统均衡方法精度低、性能差,而引入深度学习可显著改善信道传输性能.因此,以传统方法的性能作为基准,对比研究基于深度学习网络(深度神经网络、卷积神经网络以及长短期记忆网络)的信道均衡算法.首先,利用水声信道仿真软件Bellhop构建深度学习数据源,然后训练深度学习网络,开展3种神经网络的信道均衡算法仿真试验.研究结果表明,基于卷积神经网络的信道均衡算法性能最优,且在输入序列为2000码元,等效3.65倍信道长度时误码率最低.
文献关键词：
水声信道;信道均衡;深度学习;误码率
中图分类号：
作者姓名：
段晨阳;江鹏;韩震;张宇
作者机构：
武汉大学卫星导航定位技术研究中心,湖北 武汉430079
文献出处：
引用格式：
[1]段晨阳;江鹏;韩震;张宇-.基干深度学习的水声信道均衡技术研究)[J].舰船科学技术,2022(23):123-127
A类：
B类：
基干,水声信道,信道均衡,均衡技术,多输入多输出,均衡问题,水声通信,技术难题,传输性能,自适应均衡,递归最小二乘,最小二乘算法,判决反馈,均衡方法,深度学习网络,深度神经网络,长短期记忆网络,均衡算法,信道仿真,Bellhop,学习数据,数据源,算法仿真,仿真试验,算法性能,码元,道长,误码率
AB值：
0.308322
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。
