深度学习辅助水下光通信信道估计和信号检测
近年来，水下无线光通信(UWOC)技术因其高速数据传输能力而成为了研究热点，但水波的吸收和散射等因素使得UWOC信道变得十分复杂。对复杂的信道做出准确的信道估计(CE)和信号检测(SD)是目前高速UWOC面临的主要问题之一。针对这一问题，提出了一种在光正交频分复用系统中利用深度学习以端对端的方式对UWOC信道进行估计并直接检测的方案。首先根据在不同水域类型的UWOC信道下模拟生成的数据离线训练深度神经网络(DNN)，然后使用DNN直接对信号进行补偿，该方案可以隐式地估计出信道状态信息并直接恢复传输数据。仿真结果表明，提出的信道估计和信号检测方案在复杂的UWOC信道环境中具有优越的性能，特别是在导频数量较少以及去除循环前缀时，深度学习方案比传统方案鲁棒性更好。
光通信、水下无线光通信、信道估计、信号检测、深度学习、光正交频分复用、optical communications、underwater wireless optical communication、channel estimation、signal detection、deep learning、optical orthogonal frequency division multiplexing
49
TN929.1;TP391;TN713
2022-10-17（万方平台首次上网日期，不代表论文的发表时间）
共1页
1706004
