一种基于深度神经网络的水声通信体制自适应选取方法与流程

技术特征：
1.一种基于深度神经网络的水声通信体制自适应选取方法，其特征在于，所述方法包括以下步骤：对水声通信的各特征进行量化评分，以构建量化评分表；基于量化评分表对各水声通信体制的各特征进行性能划分，以构建水声通信体制性能划分表；基于量化评分表和水声通信体制性能划分表，构建水声通信体制选取深度神经网络和水声通信体制样本集；基于水声通信体制样本集对水声通信体制选取深度神经网络进行训练；利用训练后的水声通信体制选取深度神经网络进行水声通信体制的选取。2.如权利要求1所述的一种基于深度神经网络的水声通信体制自适应选取方法，其特征在于，所述特征包括信噪比、时延、多普勒、数据率及通信距离。3.如权利要求1所述的一种基于深度神经网络的水声通信体制自适应选取方法，其特征在于，所述水声通信体制包括单载波相干通信体制、正交频分复用通信体制、直接序列扩频通信体制及多进制频移键控通信体制。4.如权利要求1所述的一种基于水声通信体制自适应选取方法，其特征在于，所述深度神经网络包括依次连接的输入层、隐藏层及输出层，输出层神经元的数量与水声通信的特征数量一致，输出层的神经元数量与水声通信体制的数量一致，隐藏层的激励函数为tanh()，输出层的激励函数为softmax()。5.如权利要求1所述的一种基于水声通信体制自适应选取方法，其特征在于，所述的构建水声通信体制样本集包括以下步骤：获取历史水声通信数据，判断历史水声通信数据的有效性，若有效则基于量化评分表获取历史水声通信数据的特征值，否则丢弃；基于历史水声通信数据的特征值对历史水声通信数据设置标签，所述标签为至少一水声通信体制；以历史水声通信数据的特征值和对应的标签作为水声通信体质样本，基于若干历史水声通信数据获取水声通信体制样本集；所述的判断历史水声通信数据的有效性包括：针对水声通信数据的通信体制进行解码，如果解码得到的误比特率小于1.0*10
‑3，则认为有效；若误比特率大于1.0*10
‑3，则认为无效。6.如权利要求1所述的一种基于水声通信体制自适应选取方法，其特征在于，基于水声通信体制样本集对水声通信体制选取深度神经网络进行训练为通过交叉熵损失函数计算损失值，以最小化损失值为目标，更新水声通信体制选取深度神经网络的参数。7.如权利要求6所述的一种基于水声通信体制自适应选取方法，其特征在于，通过dropout机制对水声通信体制选取深度神经网络进行训练。8.如权利要求6所述的一种基于水声通信体制自适应选取方法，其特征在于，通过adam优化算法加速水声通信体制选取深度神经网络的训练。9.如权利要求1所述的一种基于水声通信体制自适应选取方法，其特征在于，还包括反馈步骤：在按照选取的水声通信体制完成水声通信后，对当前水声通信的特征、选取的水声通信体制、当前水声通信的反馈结果构建水声通信体制反馈神经网络。
10.如权利要求1
‑
9任一项所述的一种基于水声通信体制的自适应选取方法，其特征在于，基于利用训练后的水声通信体制选取深度神经网络选取的水声通信体制和对应的特征值，构建新样本，以扩充水声通信体制样本集。

技术总结
本发明公开了一种基于深度神经网络的水声通信体制自适应选取方法，包括：对水声通信的各特征进行量化评分，以构建量化评分表；基于量化评分表对各水声通信体制的各特征进行性能划分，以构建水声通信体制性能划分表；基于量化评分表和水声通信体制性能划分表，构建水声通信体制选取深度神经网络和水声通信体制样本集；基于水声通信体制样本集对水声通信体制选取深度神经网络进行训练；利用训练后的水声通信体制选取深度神经网络进行水声通信体制的选取。该方法基于不同维度对通信体制的选取进行量化建模，以实际试验数据训练深度神经网络并进行通信体制选取，并可将选取结果进一步完善神经网络，减小了盲区同时提高了数据复用性。复用性。复用性。


技术研发人员：王桢铎 谢哲 王超 周武
受保护的技术使用者：中国船舶重工集团公司第七一五研究所
技术研发日：2021.11.11
技术公布日：2022/1/4