基于深度学习的水声通信信号调制类型识别

作     者：黄乐 夏志军 周胜增 原玉婷 王静怡 HUANG Le;XIA Zhi-jun;ZHOU Sheng-zeng;YUAN Yu-ting;WANG Jing-yi

作者机构：上海船舶电子设备研究所上海201108 海军大连舰艇学院辽宁大连116018 

出 版 物：《舰船科学技术》 (Ship Science and Technology)

年 卷 期：2024年第46卷第9期

页      面：117-124页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主　　题：水声通信 信号识别 高阶累积量 深度学习 

摘      要：水声通信信号识别为水声通信侦察和对抗的重要前提,具有重要作用。然而,传统的水声通信信号识别方法通常是基于信号处理和模式识别技术,依赖领域专家的专业知识和经验进行特征选择和提取,具有较强的主观性,且可能无法利用更复杂的信号特征。本文基于深度学习提出一种水声通信信号识别的智能方法。首先利用仿真数据对卷积神经网络进行训练,然后分别使用仿真和湖上试验数据对算法网络进行测试。仿真结果表明,在SNR=5dB时,该方法对2ASK、4ASK、BPSK、QPSK、2FSK、4FSK和OFDM等7种水下通信信号的识别率均能达到90%以上,7种湖上试验的通信信号类型平均识别率达到97.9%。这表明该方法具有良好的宽容性。此外,本文还通过对基于高阶累积量和深度学习方法的比较,验证了本文提出方法具有显著的优越性。