基于深度学习的水声通信信道建模
信号处理
2022-01-26 v1
摘要
随着近期水下活动数量的增加，拥有高效的水下通信系统变得愈发重要。水声通信已被广泛使用，但由于水下环境的复杂性而受到极大损害。为了更好地理解水声信道以助于水下通信系统的设计与改进，人们已在若干假设下尝试利用数学方程与近似来建模水声信道。本文中，我们探索了机器学习与深度学习方法利用从带扰动的水槽和塔霍湖收集的真实水下数据来学习并精确建模水声信道的能力。具体而言，应用深度神经网络（DNN）与长短期记忆网络（LSTM）来建模水声信道。实验结果表明，这些模型能够较好地建模水声通信信道，并且深度学习模型，尤其是 LSTM，在平均绝对百分比误差方面是更优的模型。
引用
@article{arxiv.2201.10056,
title = {Underwater Acoustic Communication Channel Modeling using Deep Learning},
author = {Oluwaseyi Onasami and Damilola Adesina and Lijun Qian},
journal= {arXiv preprint arXiv:2201.10056},
year = {2022}
}
备注
8-Page Conference Paper