本书详细介绍了如何利用深度学习方法处理水声通信中常见的时间衰落、信号长度变化以及多普勒效应等问题，以在深浅海多途干扰信道下实现高效准确的水声通信信号自动识别。本书可供水声通信领域的工程技术人员和科研人员阅读，也可供高等院校相关专业的师生参考。

王岩，泰山学院物理与电子工程学院教师。博士毕业于中国海洋大学智能信息与通信系统专业。研究方向：深度学习、信号检测、无线通信、图像处理、自然语言处理分析等。任教课程：通信原理、移动通信、光纤通信、程控交换机。主持山东省自然科学面上基金项目“基于远程水声通信的智能信号识别系统研究”(编号：ZR2022MF347)；参与国家重大科研仪器研制项目“面向深海大洋的智能浮标”[编号：(003)-17-MR-4]、国家自然科学基金重大研究计划项目“面向空间信息网络的分布式水声信号协同处理机理研究与演示验证”(编号： 91938204)等。发表学术论文6篇(其中，SCI5篇)，授权发明专利7项。

1 绪论
1.1 概述
1.2 国内外研究现状
1.2.1 LB识别法
1.2.2 FB识别法
1.2.3 基于深度学习的调制识别方法
1.3 主要内容
1.4 本书结构安排
2 理论基础
2.1 水声信道特征
2.1.1 浅海水声信道特征
2.1.2 深海水声信道特征
2.1.3 深浅海水声信道影响通信的因素分析
2.2 水声通信特性
2.2.1 时间衰落模型
2.2.2 变化信号长度
2.2.3 多普勒效应
2.2.4 其他影响因素
2.3 水声通信模型和通信调制体制
2.3.1 水声信道模型
2.3.2 水声通信常用调制体制
2.4 深度神经网络
2.4.1 网络结构形式
2.4.2 传统神经网络方法
2.4.3 常用深度学习技术
2.5 信号数据集的产生方式
2.5.1 深浅海信道形式
2.5.2 水声信号数据集产生方式
2.6 本章小结
3 异构与短连接网络在不同时间衰落模型下的信号调制识别
3.1 异构卷积神经网络结构
3.1.1 卷积神经网络运算方式
3.1.2 具有池化操作的正向与反向传播过程推导
3.1.3 异构网络结构设计
3.2 深层短连接网络结构形式
3.2.1 梯度消失问题分析
3.2.2 深层短连接网络架构设计
3.3 实验分析
3.3.1 基于异构网络的浅海仿真实验
3.3.2 基于短连接网络的深海仿真实验
3.4 本章小结
4 基于深度分支和稀疏多路网络结构的变化长度信号调制识别
4.1 基于浅海的分支网络结构
4.1.1 样本批量标准化
4.1.2 映射向量全局平均池化
4.1.3 分支网络结构模型
4.2 基于深海的稀疏多路网络模型
4.2.1 稀疏网络结构形式
4.2.2 稀疏多路网络结构
4.3 实验分析
4.3.1 基于分支网络结构的浅海仿真实验
4.3.2 基于稀疏多路网络结构的深海仿真实验
4.4 本章小结
5 基于时序和多跳网络在多普勒效应影响下的信号调制识别
5.1 时序神经网络结构
5.1.1 基于时序的循环神经网络
5.1.2 基于门控的循环网络结构
5.1.3 网络架构随机去激活
5.2 多跳网络结构形式
5.2.1 网络模型退化问题分析
5.2.2 多跳网络结构设计
5.3 实验分析
5.3.1 基于时序网络的浅海仿真实验
5.3.2 基于多跳网络的深海仿真实验
5.4 本章小结
参考文献