[發明專利]基于自監督深度學習的端到端OFDM水下高速無線光通信系統及方法

有效

• 申請號: 202110143882.7
• 申請日: 2021-02-02
• 公開（公告）號: CN112968736B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 徐敬;杜子豪;戴逸展;鄧歡
• 申請（專利權）人: 浙江大學
• 主分類號: H04B10/80
• 分類號: H04B10/80;H04B10/50;H04L27/26;G06N3/04;G06N3/08
• 代理公司: 杭州新澤知識產權代理事務所(特殊普通合伙) 33311
• 代理人: 曾建芳

本發明公開了一種基于自監督深度學習的端到端OFDM水下高速無線光通信系統及方法，其包括發送端和接收端，所述的發送端包括需要發送的發送幀、將二進制比特流數據映射成OFDM符號的發送端深度神經網絡和實現水下長距離傳輸的激光光源，接收端包括接收激光的探測器、將接收到的OFDM符號恢復成二進制比特流數據的接收端深度神經網絡和接收幀。本發明在無需重新訓練網絡的同時，利用自監督機制使得網絡性能更貼近當前的實際環境，既提高了系統的普適性，也不需要附加多余的訓練數據，進一步提高了通信系統在抵抗微小干擾時的魯棒性。

技術領域

本發明屬于水下無線光通信技術領域，具體為一種基于自監督深度學習的端到端OFDM水下高速無線光通信系統及方法。

背景技術

水下無線光通信因其高速率、高帶寬、低時延、低成本、易部署和高安全性等特點受到人們的廣泛關注，并逐漸成為中短距離水下無線通信領域的研究熱點之一。同時，正交頻分復用(OFDM)技術常常被用于實現各類高速通信，其優秀的抗碼間串擾(ISI)能力可以很好地用于解決通信系統中的信號時域延拓問題。將OFDM技術和水下無線光通信系統結合能實現更高速率的水下數據傳輸。但目前的OFDM技術所需要的調制/解調等數字信號處理過程繁雜，所蘊含的處理模塊頗多，不適用于硬件端的簡單部署和快速應用。同時OFDM技術自身還需要循環前綴和導頻數據才能實現良好性能，而這些冗余數據的需求會進一步降低系統的傳輸速率。面對以上存在的問題，急需一種基于自監督深度學習技術的端到端OFDM水下高速無線光通信系統和方法。

發明內容

本發明的技術內容旨在提供一種基于自監督深度學習的端到端OFDM水下高速無線光通信系統及方法，解決現有水下OFDM無線光通信技術中存在的數字信號處理過程繁雜、所蘊含的處理模塊頗多、硬件難以實現算法部署、重訓練時間過長和魯棒性差等問題。

為了解決上述技術問題，本發明通過以下技術方案實現：

本發明公開了一種基于自監督深度學習的端到端OFDM水下高速無線光通信系統，其包括發送端和接收端，所述的發送端包括需要發送的發送幀、將二進制比特流數據映射成OFDM符號的發送端深度神經網絡和實現水下長距離傳輸的激光光源，接收端包括接收激光的探測器、將接收到的OFDM符號恢復成二進制比特流數據的接收端深度神經網絡和接收幀。

優選地，所述發送端深度神經網絡和接收端深度神經網絡均分別包括輸入層、隱含層和輸出層，所述的輸入層為單一全連接層，隱含層包括兩個堆疊層，堆疊層由全連接層、激活函數、歸一化層和丟失層組成，輸出層由全連接層和激活函數構成。

優選地，所述的發送端深度神經網絡中隱含層和輸出層的激活函數為非線性效應的ReLU函數，接收端深度神經網絡中隱含層的激活函數為非線性效應的ReLU函數，接收端深度神經網絡中輸出層的激活函數為Sigmoid函數；發送端深度神經網絡和接收端深度神經網絡的歸一化層為BatchNormalization層，丟失層為Dropout層。

一種基于自監督深度學習的端到端OFDM水下高速無線光通信方法，其包括以下步驟，

步驟一，搭建基于深度學習的端到端OFDM水下無線光通信系統；將傳統OFDM通信系統的收發端分別用發送端深度神經網絡和接收端深度神經網絡代替，發送端輸入的原始二進制比特流通過發送端部署的深度神經網絡直接輸出所需的OFDM數據流；經過水下信道傳輸后，接收端探測到的OFDM數據流通過接收端部署的深度神經網絡直接輸出所需恢復的二進制比特流；

步驟二，對搭建好的端到端OFDM水下無線光通信系統進行離線靜態訓練；