基于深度信念网络的水声通信接收机
音频与语音处理
2021-03-01 v1 机器学习
声音
信号处理
摘要
水下环境为通信提供了极具挑战的信道。本文通过探索机器学习技术——深度信念网络（DBN）——来对抗由多普勒效应和多径传播引起的信号失真，设计了一种新型接收机系统。我们在仿真实验和海上试验中评估了所提接收机系统的性能。我们提出的接收机系统包含基于 DBN 的接收信号去噪与分类。首先，将接收信号分割为帧，随后使用一种新颖的像素化算法对各帧分别进行预处理。然后，利用基于 DBN 的去噪算法从这些帧中提取特征并用于重建接收信号。最后，对重建信号进行基于 DBN 的分类。我们所提出的基于 DBN 的接收机系统在受多普勒效应和多径传播影响的信道中表现出更优性能，在 误码率（BER）下性能提升 13.2 dB。
引用
@article{arxiv.2102.13397,
title = {Underwater Acoustic Communication Receiver Using Deep Belief Network},
author = {Abigail Lee-Leon and Chau Yuen and Dorien Herremans},
journal= {arXiv preprint arXiv:2102.13397},
year = {2021}
}