基于降噪神经网络的水声信号智能接收方法

专利主权项内容

1.基于降噪神经网络的水声信号智能接收方法，其特征在于，包括以下步骤：S1生成用于训练的包含多种调制方式的水声信号样本，对样本进行预处理，分别时域特征优化、信号插值、周期归一化；S2建立改进降噪扩散概率模型(Denoising Diffusion Probabilistic Models，DDPM)，使用S1处理的信号对模型进行训练，在建立向前降噪扩散概率模型阶段，对信号逐步添加高斯噪声；在建立反向降噪扩散概率模型阶段，预测信号样本的高斯噪声分布，建立U-Net神经网络并训练，提取信号特征，对信号进行降噪；S3建立由卷积层、循环层和注意力层构成的混合深度神经网络模型，提取信号特征，基于S1和S2处理的信号，将信号的调制方式作为标签；利用调制标签数据集来训练混合神经网络模型，识别水声信号的调制方式；S4基于S1和S2处理的信号构建数据集，每个样本包含单个符号所对应数量的采样点数，模型将信号的原始符号作为标签进行分类；利用原始标签数据集来训练混合神经网络模型，对信号进行解调。