基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

电絮凝技术处理高盐废水的研究进展

由于高盐对微生物有一定的抑制作用,采用常规生化方法处理高盐废水较难达到处理需求,电絮凝技术因具有去除污染物效率高、操作简单和占地面积小等优点,逐渐受到研究者的关注。将电絮凝技术应用到高盐废水中,可利用废水的高盐度特性,降低电絮凝所需的电量消耗,从而在较低能耗下达到废水处理的目的。因此,电絮凝在高盐废水中的研究与应用逐渐增多。本文主要介绍了电絮凝技术的基本原理和优缺点,以海水养殖废水、垃圾渗滤液和印染废水的电絮凝处理为例论述了该技术在高盐废水中的研究进展,并对今后的发展进行了展望。     

一种提高水声通信系统信道环境适应性的Attention-Autoencoder模型

提出一种Attention-Autoencoder模型并应用于系统中.将Attention模型与信道统计信息的相关先验知识结合,在接收端引入注意力(Attention)模块筛选有效数据从而增加网络提取特征的能力.基于Bellhop水声信道模型开展了不同信道环境的仿真实验验证,在测试集与训练集相差较大时,Attention-Autoencoder模型的水声通信系统具有较低误码率,具有较好的环境适应性.     

基于字典设计的正交线性调频信号复用水声通信系统

基于离散菲涅耳变换的正交线性调频信号复用技术(OCDM)具有一定的抗多径能力,近年来成为极具潜力的水声多载波通信方法．然而,由于水声信道严重的多径扩展和多普勒扩展,降低了OCDM水声通信系统可靠性,限制了OCDM应用于水声通信系统的可行性．为了增强OCDM水声通信系统的抗多径和抗多普勒能力,可以通过改变载波的时频特性以提高OCDM适应信道环境能力,而改变载波的时频特性可以通过信号分析领域的字典设计来实现．通过把OCDM系统中的菲涅耳变换矩阵等效为信号分析领域中的字典矩阵,将字典设计引入到多载波调制矩阵设计,以改变载波的时频特性,提出了基于字典设计的正交线性调频信号复用(Dic-OCDM)水声通信系统．利用字典设计中的线性变换方法,通过合理设计字典原子,对间隔更大的线性调频原子重新排列,并保持矩阵维度不变,既能保留OCDM系统中线性调频信号抗多径能力,又能在增大Dic-OCDM系统子载波间隔的同时保证调制符号长度不变,进而能够有效抵抗水声信道多径扩展和多普勒扩展．仿真实验验证了Dic-OCDM系统抗多径扩展和多普勒扩展能力,尤其在循环前缀不足和多普勒扩展严重情况下,Dic-OCDM系统误...     

基于被动时间反转-卷积神经网络的 OFDM水声通信系统研究

水声（Underwater Acoustic，UWA）信道的多径效应和多普勒效应造成正交频分复 用（Orthogonal Frequency Division Multiplexing，OFDM）水声通信系统接收端符号间干扰和载 波间干扰，降低系统性能 . 构造一种新型的被动时间反转-卷积神经网络（Passive Time Reversal-Convolutional Neural Network，PTR-CNN），并将其应用于 OFDM 水声通信系统接收 端 . PTR-CNN 网络的构造包括两部分，首先，基于被动时间反转理论削弱多径增强主路径信 息能量；其次，将上述输出结果转换成二维矩阵，再输入卷积神经网络中进行信号检测，同时 对抗多径和多普勒效应带来的干扰；最后，网络输出直接恢复比特流 . 仿真和试验结果表明， 与目前主流信道估计和信号检测算法相比，所提方法能够提升系统的可靠性，在不同水声信 道环境测试中均具有较好的鲁棒性.