基于深度學習的深淺海水聲信號分類識別技術

1 緒論
1.1 概述
1.2 外研究現(xiàn)狀
1.2.1 LB識別法
1.2.2 FB識別法
1.2.3 基于深度學習的調制識別方法
1.3 主要內容
1.4 本書結構安排
2 理論基礎
2.1 水聲信道特征
2.1.1 淺海水聲信道特征
2.1.2 深海水聲信道特征
2.1.3 深淺海水聲信道影響通信的因素分析
2.2 水聲通信特性
2.2.1 時間衰落模型
2.2.2 變化信號長度
2.2.3 多普勒效應
2.2.4 其他影響因素
2.3 水聲通信模型和通信調制體制
2.3.1 水聲信道模型
2.3.2 水聲通信常用調制體制
2.4 深度神經網(wǎng)絡
2.4.1 網(wǎng)絡結構形式
2.4.2 傳統(tǒng)神經網(wǎng)絡方法
2.4.3 常用深度學習技術
2.5 信號數(shù)據(jù)集的產生方式
2.5.1 深淺海信道形式
2.5.2 水聲信號數(shù)據(jù)集產生方式
2.6 本章小結
3 異構與短連接網(wǎng)絡在不同時間衰落模型下的信號調制識別
3.1 異構卷積神經網(wǎng)絡結構
3.1.1 卷積神經網(wǎng)絡運算方式
3.1.2 具有池化操作的正向與反向傳播過程推導
3.1.3 異構網(wǎng)絡結構設計
3.2 深層短連接網(wǎng)絡結構形式
3.2.1 梯度消失問題分析
3.2.2 深層短連接網(wǎng)絡架構設計
3.3 實驗分析
3.3.1 基于異構網(wǎng)絡的淺海仿真實驗
3.3.2 基于短連接網(wǎng)絡的深海仿真實驗
3.4 本章小結
4 基于深度分支和稀疏多路網(wǎng)絡結構的變化長度信號調制識別
4.1 基于淺海的分支網(wǎng)絡結構
4.1.1 樣本批量標準化
4.1.2 映射向量全局平均池化
4.1.3 分支網(wǎng)絡結構模型
4.2 基于深海的稀疏多路網(wǎng)絡模型
4.2.1 稀疏網(wǎng)絡結構形式
4.2.2 稀疏多路網(wǎng)絡結構
4.3 實驗分析