10.16798/j.issn.1003-0530.2023.10.010
基于轻量化卷积神经网络的水声通信前导信号检测方法
前导信号检测是水声通信的关键环节,只有检测成功才能唤醒接收机进行后续的通信数据处理,以完成通信.目前常用的归一化匹配滤波检测算法,实现简单、抗噪声性能好,但无法有效对抗多径效应,在信道结构比较复杂的情况下检测性能会明显降低.将近年来在图像分类领域取得极好效果的卷积神经网络(Convolutional Neural Network,CNN),应用于水声通信前导信号检测领域,在信道结构复杂的情况下仍能够实现高性能检测.但基于经典CNN的检测算法,运算量和参数量较大,难以满足水声通信的时效性和水下通信机低能耗的要求.因此,本文利用深度可分离卷积和全局平均池化技术,结合水声通信前导信号检测问题的具体特点,基于Lenet-5设计了一种用于水声通信前导信号检测的紧凑神经网络.并利用基于通道间独立性的过滤器剪枝技术和训练后量化技术,对训练后的紧凑网络进行进一步压缩,最终得到一个用于水声通信前导信号检测的轻量化神经网络.千岛湖实验结果表明,该轻量化神经网络的检测性能和经典CNN相差不大,能够有效对抗复杂信道环境,且其所需参数量和运算量相比于经典CNN大幅下降,能够很好地满足水声通信的时效性和水下通信机低能耗的要求.
水声通信前导信号检测、卷积神经网络、网络压缩、轻量化神经网络
39
TB567(声学工程)
国家自然科学基金;国家自然科学基金
2023-11-13(万方平台首次上网日期,不代表论文的发表时间)
共11页
1831-1841