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.