基于深度学习的深浅海水声信号分类识别技术

目录1绪论1.1概述1.2国内外研究现状1.2.1LB识别法1.2.2FB识别法1.2.3基于深度学习的调制识别方法1.3主要内容1.4本书结构安排2理论基础2.1水声信道特征2.1.1浅海水声信道特征2.1.2深海水声信道特征2.1.3深浅海水声信道影响通信的因素分析2.2水声通信特性2.2.1时间衰落模型2.2.2变化信号长度2.2.3多普勒效应2.2.4其他影响因素2.3水声通信模型和通信调制体制2.3.1水声信道模型2.3.2水声通信常用调制体制2.4深度神经网络2.4.1网络结构形式2.4.2传统神经网络方法2.4.3常用深度学习技术2.5信号数据集的产生方式2.5.1深浅海信道形式2.5.2水声信号数据集产生方式2.6本章小结3异构与短连接网络在不同时间衰落模型下的信号调制识别3.1异构卷积神经网络结构3.1.1卷积神经网络运算方式3.1.2具有池化操作的正向与反向传播过程推导3.1.3异构网络结构设计3.2深层短连接网络结构形式3.2.1梯度消失问题分析3.2.2深层短连接网络架构设计3.3实验分析3.3.1基于异构网络的浅海仿真实验3.3.2基于短连接网络的深海仿真实验3.4本章小结4基于深度分支和稀疏多路网络结构的变化长度信号调制识别4.1基于浅海的分支网络结构4.1.1样本批量标准化4.1.2映射向量全局平均池化4.1.3分支网络结构模型4.2基于深海的稀疏多路网络模型4.2.1稀疏网络结构形式4.2.2稀疏多路网络结构4.3实验分析4.3.1基于分支网络结构的浅海仿真实验4.3.2基于稀疏多路网络结构的深海仿真实验4.4本章小结5基于时序和多跳网络在多普勒效应影响下的信号调制识别5.1时序神经网络结构5.1.1基于时序的循环神经网络5.1.2基于门控的循环网络结构5.1.3网络架构随机去激活5.2多跳网络结构形式5.2.1网络模型退化问题分析5.2.2多跳网络结构设计5.3实验分析5.3.1基于时序网络的浅海仿真实验5.3.2基于多跳网络的深海仿真实验5.4本章小结参考文献