基于轻量化卷积神经网络的水声通信前导信号检测方法

作者：刘峙江; 赵晴晴^*; 徐立军

来源：信号处理, 2023, 39(10): 1831-1841.

DOI：10.16798/j.issn.1003-0530.2023.10.010

• 水声通信前导信号检测
• 卷积神经网络
• 网络压缩
• 轻量化神经网络

前导信号检测是水声通信的关键环节，只有检测成功才能唤醒接收机进行后续的通信数据处理，以完成通信。目前常用的归一化匹配滤波检测算法，实现简单、抗噪声性能好，但无法有效对抗多径效应，在信道结构比较复杂的情况下检测性能会明显降低。将近年来在图像分类领域取得极好效果的卷积神经网络（Convolutional Neural Network, CNN），应用于水声通信前导信号检测领域，在信道结构复杂的情况下仍能够实现高性能检测。但基于经典CNN的检测算法，运算量和参数量较大，难以满足水声通信的时效性和水下通信机低能耗的要求。因此，本文利用深度可分离卷积和全局平均池化技术，结合水声通信前导信号检测问题的具体特点，基于Lenet-5设计了一种用于水声通信前导信号检测的紧凑神经网络。并利用基于通道间独立性的过滤器剪枝技术和训练后量化技术，对训练后的紧凑网络进行进一步压缩，最终得到一个用于水声通信前导信号检测的轻量化神经网络。千岛湖实验结果表明，该轻量化神经网络的检测性能和经典CNN相差不大，能够有效对抗复杂信道环境，且其所需参数量和运算量相比于经典CNN大幅下降，能够很好地满足水声通信的时效性和水下通信机低能耗的要求。

• 单位
  北京理工大学