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.     

声速不确定条件下的运动水下航行器自定位

传统利用水下声学定位系统的航行器自定位存在两方面问题, 一方面没有考虑测量周期内航行器的运动, 另一方面没有考虑水声声速的不确定。为解决上述问题, 构建了航行器运动状态下的时间测量定位模型, 并对声速不确定性进行建模。分别推导了基于加权最小二乘的运动航行器定位方法和基于最大似然估计的声速更新方法。利用所提模型和时间测量, 不仅可以估计航行器位置, 还可以更新声速。仿真结果验证了本文所提方法在各种参数设置下均优于现有方法, 并且在时间测量噪声不大时可以达到克拉美罗下界(Cramer-Rao lower bound, CRLB), 在时间误差不大时, 声速更新结果显著提高。     

基于Speex和深度编码的移动水声语音通信

为实现收发节点相对运动下的语音信息交互，提出一种基于Speex和深度编码的移动水声语音通信算法。针对水下信道带宽有限、语音传输低效及数据丢失问题，采用Speex算法，对语音信息进行压缩，提升语音信息传输效率和质量。针对水声信道中时变多途干扰和相位跳变问题，采用深度编码策略，在比特级，采用低复杂度的卷积编码，对信息比特进行编码以获得冗余编码比特，用以对抗时变多途干扰；在符号级，采用基于相位差的编码，令两个相邻符号的相位差作为传输符号，从而消除相位跳跃的影响。Speex算法实现了8.53倍的压缩率，有效节省了信道带宽；深度编码有效解决了多途干扰和相位跳变问题，在相同信噪比下使误码率大大降低。在胶州湾使用水声通信机(Seatrix Modem)对本文算法在通信距离为5.5 km、收发器之间相对运动速度为0.5 m/s、通信带宽为4 kHz条件下进行验证，结果表明了本文算法的有效性。     

面向OFDM-MFSK水声通信的差错控制方法

多进制频移键控正交频分复用(orthogonal frequency division multiplexing multiple frequency shift keying, OFDM-MFSK)调制能抵抗水声信道中的多径衰落和多普勒效应, 且无需复杂的信道估计与均衡, 适合低成本的水声通信机设计。针对OFDM-MFSK水声通信系统, 提出了一种差错控制编码方法, 具体思想为在使用OFDM-MFSK传输原数据的同时调制子载波的相位以传输另一路编码, 接收端结合两种解调方式, 利用编码的差错图样与校验码实现数据的纠错。相比于其他前向纠错编码, 此种差错控制方法的码长短、编解码复杂度低, 结合OFDM-MFSK调制, 能在保证通信可靠性和实时性的同时降低水声通信系统的实现成本, 适用于低速率水声通信系统的设计。