[發(fā)明專利]一種基于深度學(xué)習(xí)的稀疏水聲信道估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011361757.5
• 申請(qǐng)日: 2020-11-27
• 公開(kāi)（公告）號(hào): CN112511469B
• 公開(kāi)（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 劉思聰;高龍杰
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): H04L25/02
• 分類號(hào): H04L25/02
• 代理公司: 廈門南強(qiáng)之路專利事務(wù)所(普通合伙) 35200
• 代理人: 馬應(yīng)森

1.一種基于深度學(xué)習(xí)的稀疏水聲信道估計(jì)方法，其特征在于，包括以下步驟：

步驟1：在水聲正交頻分復(fù)用系統(tǒng)中，發(fā)射機(jī)發(fā)送長(zhǎng)度為N的發(fā)送OFDM數(shù)據(jù)塊X，經(jīng)過(guò)信道脈沖響應(yīng)為h的水聲信道傳輸后，接收機(jī)接收到長(zhǎng)度為N的接收OFDM數(shù)據(jù)塊Y；在所述發(fā)送OFDM數(shù)據(jù)塊X和所述接收OFDM數(shù)據(jù)塊Y中，分別包括了長(zhǎng)度為N_p的發(fā)送導(dǎo)頻X_p和接收導(dǎo)頻Y_p；

步驟2：在所述發(fā)送OFDM數(shù)據(jù)塊X和所述接收OFDM數(shù)據(jù)塊Y中，通過(guò)提取出所述發(fā)送導(dǎo)頻X_p和所述接收導(dǎo)頻Y_p，以構(gòu)建水聲信道估計(jì)模型；

所述發(fā)送導(dǎo)頻由給出；所述接收導(dǎo)頻由給出；所述水聲信道估計(jì)模型由公式Y(jié)_p＝X_pF_ph+N＝Ah+N給出，其中F_p表示大小為N_p×L的部分離散傅里葉變換矩陣，其第(n,k)項(xiàng)為h＝[h₁,h₂,h₃,…,h_L]^T為待估計(jì)水聲信道脈沖響應(yīng)，其稀疏度為K，L為所述待估計(jì)水聲信道脈沖響應(yīng)的最大時(shí)延擴(kuò)展長(zhǎng)度，N為頻域加性噪聲，由給出，A在稀疏恢復(fù)問(wèn)題中稱為測(cè)量矩陣，且A＝X_pF_p；

步驟3：搭建一個(gè)稀疏感知的深度神經(jīng)網(wǎng)絡(luò)，利用水聲信道訓(xùn)練數(shù)據(jù)集對(duì)所述稀疏感知的深度神經(jīng)網(wǎng)絡(luò)的權(quán)重進(jìn)行訓(xùn)練，使其能夠準(zhǔn)確學(xué)習(xí)所述水聲信道稀疏特征；

所述稀疏感知的深度神經(jīng)網(wǎng)絡(luò)包含若干個(gè)網(wǎng)絡(luò)結(jié)構(gòu)相同但權(quán)重不同的網(wǎng)絡(luò)層；所述水聲信道訓(xùn)練數(shù)據(jù)集由給出，D為訓(xùn)練數(shù)據(jù)的大小，其產(chǎn)生方式依據(jù)水聲信道特性而隨機(jī)產(chǎn)生；所述稀疏感知的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程采用逐層訓(xùn)練方式：當(dāng)網(wǎng)絡(luò)層數(shù)為t時(shí)，固定前t-1層的網(wǎng)絡(luò)權(quán)重不變，初始化該層的可學(xué)習(xí)權(quán)重B_t＝A^T和λ_t＝λ_t-1，使用反向傳播算法和隨機(jī)梯度下降算法聯(lián)合優(yōu)化B_t和λ_t以最小化損失函數(shù)L_t(Θ)；若第t層的損失函數(shù)L_t(Θ)小于第t-1層的損失函數(shù)L_t-1(Θ)，則增加網(wǎng)絡(luò)層數(shù)t←t+1；重復(fù)所述稀疏感知的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，直至第t層的損失函數(shù)L_t(Θ)大于第t-1層的損失函數(shù)L_t-1(Θ)時(shí)，所述稀疏感知的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程結(jié)束；得到最佳網(wǎng)絡(luò)層數(shù)為T←t-1，最優(yōu)網(wǎng)絡(luò)權(quán)重為

步驟4：利用已訓(xùn)練的稀疏感知的深度神經(jīng)網(wǎng)絡(luò)，對(duì)待估計(jì)水聲信道脈沖響應(yīng)h進(jìn)行估計(jì)，得到水聲信道脈沖響應(yīng)估計(jì)值

步驟5：選取所述水聲信道脈沖響應(yīng)估計(jì)值中具有最大幅值的K個(gè)元素對(duì)應(yīng)的索引，得到水聲信道稀疏支撐集Ω；

步驟6：利用所述水聲信道稀疏支撐集Ω，得到水聲信道脈沖響應(yīng)精細(xì)化估計(jì)值

所述水聲信道脈沖響應(yīng)精細(xì)化估計(jì)值的獲取方法：利用水聲信道稀疏支撐集Ω和最小二乘法求解，根據(jù)公式和得到水聲信道脈沖響應(yīng)精細(xì)化估計(jì)值其中A_Ω為由測(cè)量矩陣A對(duì)應(yīng)于所述水聲信道稀疏支撐集Ω的K列構(gòu)成的大小為N_p×K的矩陣，Y_test為測(cè)試數(shù)據(jù)，為水聲信道脈沖響應(yīng)精細(xì)化估計(jì)值對(duì)應(yīng)于水聲信道稀疏支撐集Ω的部分，Ω^c為水聲信道稀疏支撐集Ω的補(bǔ)集，表示大小為N_p×(L-K)的全0矩陣。

2.如權(quán)利要求1中所述一種基于深度學(xué)習(xí)的稀疏水聲信道估計(jì)方法，其特征在于在步驟1中，所述發(fā)送導(dǎo)頻X_p的導(dǎo)頻位置由導(dǎo)頻位置集合給出，其中任意一個(gè)導(dǎo)頻位置為d_n∈[0,N-1]，隨機(jī)分布在N個(gè)OFDM子載波上。

3.如權(quán)利要求1中所述一種基于深度學(xué)習(xí)的稀疏水聲信道估計(jì)方法，其特征在于在步驟4中，當(dāng)利用已訓(xùn)練的稀疏感知的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行水聲信道估計(jì)時(shí)，其輸入包括最佳網(wǎng)絡(luò)層數(shù)T、最優(yōu)網(wǎng)絡(luò)權(quán)重Θ和測(cè)試數(shù)據(jù)Y_test，通過(guò)已訓(xùn)練的稀疏感知的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行一次單向前饋運(yùn)算，得到所述水聲信道脈沖響應(yīng)估計(jì)值