[发明专利]一种基于循环神经网络的码索引扩频水声通信方法

权利要求书

1.一种基于循环神经网络的码索引扩频水声通信方法，其特征在于，具体步骤包括如下：

获取训练数据集；

建立循环神经网络模型；

利用所述训练数据集对所述循环神经网络模型进行训练，得到训练完成的神经网络模型；

所述训练完成的神经网络模型作为码索引扩频水声通信系统的接收端，将测试数据集输入给所述训练完成的神经网络模型中，对源数据进行恢复，完成对接收信号的解调；

所述获取训练数据集的具体步骤为：

在所述码索引扩频水声通信系统的发射端产生已知的随机二进制比特流，对原始信息进行码索引扩频调制，得到调制后的发射信号；

调制后的所述发射信号，经过水声信道，经过多径衰落和噪声干扰，到达所述码索引扩频水声通信系统的接收端，接收信号的表达式为：

其中，s(t)为调制后的发射信号，t为离散时间索引，h(t)为信道冲击响应函数，n(t)为加性高斯白噪声；

对所述接收信号每隔M点进行采样，得到所述训练数据集，存储在J×1的矩阵X₁中，其中J＝L/M，J为所述接收信号的长度。

2.根据权利要求1所述的一种基于循环神经网络的码索引扩频水声通信方法，其特征在于，所述循环神经网络模型为Bi-LSTM循环神经网络模型，并对所述Bi-LSTM循环神经网络模型的网络参数进行设置。

3.根据权利要求1所述的一种基于循环神经网络的码索引扩频水声通信方法，其特征在于，产生调制后的所述发射信号的具体步骤如下：

所述随机二进制比特流经过串并转换器后，转化为由每两个比特为一组的符号块，第k个符号块为其中为传输位比特，为映射位比特；

根据所述映射位比特的值，选择扩频码其中，C₁(t)、C₂(t)为m序列；

经过码索引扩频调制和载波调制后的发射信号表示为：

f_c为载波的频率，为初始相位。

4.根据权利要求2所述的一种基于循环神经网络的码索引扩频水声通信方法，其特征在于，所述Bi-LSTM循环神经网络模型分为五层：Input layer，Forward layer，Backwardlayer，Output layer，其中Output layer由Fully connected layer和Softmax分类器组成。

5.根据权利要求4所述的一种基于循环神经网络的码索引扩频水声通信方法，其特征在于，对所述Bi-LSTM循环神经网络模型进行训练的具体步骤为：

将所述训练数据集输入给所述Bi-LSTM循环神经网络模型的Input layer，数据从Input layer输入到按时间顺序的Forward layer中的LSTM细胞单元中；

Forward layer从1时刻到t时刻顺序计算，并保存上一时刻t-1中LSTM细胞单元的隐藏状态，在时刻t时对应的隐藏状态；

所述数据从Input layer输入到按时间逆序的Backward layer中的LSTM细胞单元中，Backward layer从t时刻逆序计算，并保存下一时刻t+1中LSTM细胞单元的隐藏状态，在时刻t时对应的隐藏状态；

将Forward layer在t时刻的隐藏状态与Backward layer在时刻t时刻对应的隐藏状态进行向量拼接，得到t时刻的最终隐藏状态；

将所述t时刻的最终隐藏状态输入到Fully connected layer中，通过Softmax函数进行分类，得到分类结果。