基于残差时序卷积网络的水声通信信号模式识别OA

水下通信信号模式识别是非合作水下通信信号识别中的关键一步,然而,水声信道的复杂多变给水下通信信号模式识别带来了很大挑战。针对传统算法模型复杂度高、提取特征多的问题,提出了一种残差网络和时序卷积网络相结合的残差时序卷积网络(Residual Temporal Convolutional Network,ResTCN)通信信号模式识别模型。该模型结构简单、网络收敛速度较快且具有较好的鲁棒性。通过实验仿真和海上试验对模型进行验证,在信噪比(Signal to Noise Ratio,SNR)大于-10 dB时,该方法在测试数据集上分类正确率为95%,在海试数据上正确率可达到93.5%。