检索结果-南通市图书馆

Denoising enabled channel estimation for underwater acoustic communications:A sparsity-aware model-driven learning approach

引用

Intelligent and Converged Networks 2023年第1期4卷 1-14页

作者： Sicong Liu younan mou Xianyao Wang Danping Su Ling Cheng School of Informatics Xiamen UniversityXiamen 361005China National Mobile Communications Research Laboratory Southeast UniversityNanjing 210096China the Information Engineering University of the WitwatersrandJohannesburg 2050South Africa

It has always been difficult to achieve accurate information of the channel for underwater acoustic communications because of the severe underwater propagation conditions,including frequency-selective property,high relative mobility,long propagation latency,and intensive ambient noise,*** this end,a deep unfolding neural network based approach is proposed,in which multiple layers of the network mimic the iterations of the classical iterative sparse approximation algorithm to extract the inherent sparse features of the channel by exploiting deep learning,and a scheme based on the Sparsity-Aware DNN(SA-DNN)for UAC estimation is proposed to improve the estimation ***,we propose a Denoising Sparsity-Aware DNN(DeSA-DNN)based enhanced method that integrates a denoising CNN module in the sparsity-aware deep network,so that the degradation brought by intensive ambient noise could be eliminated and the estimation accuracy can be further *** results demonstrate that the performance of the proposed schemes is superior to the state-of-the-art compressed sensing based and iterative sparse recovery schems in the aspects of channel recovery precision,pilot overhead,and robustness,particularly under unideal circumstances of intensive ambient noise or inadequate measurement pilots.

关键词： Orthogonal Frequency Division Multiplexing(OFDM) Underwater Acoustic Communications(UAC) sparse recovery deep learning sparse learning denoising approximate message passing

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：