相关实验视频
Updated: Mar 1, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
849
联合区块估计和基于注意力的长短期记忆网络,用于UWA通信系统中的多普勒转移缓解
Qingxi Zeng1,2, Tieliang Guo3,4, Guojin Peng2,5
1College of Computer and Electronic Information, Guangxi University, Nanning, 530004, China.
Scientific reports
|February 27, 2026
概括
本研究介绍了一种基于注意力的长期短期记忆网络 (ALSTM) 算法,用于对抗水下声学 (UWA) 通信中的多普勒转移. 这种新方法通过准确估计和减轻多普勒效应,显著提高了性能,提高了UWA系统的可靠性.
科学领域:
- 水下声学通信水下声学通信
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 多普勒转移在水下声学 (UWA) 环境中显著降低了正角频率分割多重复合 (OFDM) 系统的性能.
- 准确的多普勒转移估计对于可靠的UWA通信系统至关重要.
研究的目的:
- 提出一种新的两步算法,以减轻UWA OFDM系统中的多普勒效应.
- 在具有挑战性的UWA条件下提高多普勒转移估计的准确性和稳定性.
主要方法:
- 一个两步算法,将区块估计与基于注意力的长期短期记忆网络 (ALSTM) 结合起来.
- 使用线性频率调制 (LFM) 信号估计粗多普勒因子.
- 基于神经网络的载波频率偏移 (CFO) 预测在重新采样数据上.
主要成果:
- 拟议的ALSTM算法在传统方法和基本神经网络上表现出卓越的性能.
- 观察到的平均平方误差 (MSE) 和比特误差率 (BER) 的显著改善.
- 在多普勒转移估计中实现了高精度和稳定性.
结论:
- 开发的算法为在复杂的UWA通信环境中减轻多普勒效应提供了可靠的解决方案.
- 基于ALSTM的方法有效地解决了UWA OFDM系统中多普勒转移引起的性能下降.
