付晓梅，贾碧群，王思宁

（天津大学 海洋科学与技术学院，天津 300072）

水声通信在海洋信息数据采集、环境监测、沿海石油勘探等方面发挥着重要的作用.水声信道由于具有快时变、窄带宽、显著的多径效应和多普勒频移等特性，是最复杂的信道之一[1]，在水声通信系统中需要准确估计和跟踪信道状态信息（CSI）.

近年来，将深度神经网络（Deep Neural Network，DNN）引入水声通信的接收端，取得了一些积极进展，文献[2]利用深度神经网络代替信道估计模块，与最小二乘（LS）算法相比提高了信道估计的精度；文献[3]利用深度神经网络直接代替信道估计与均衡，提高了系统的可靠性；文献[4]使用深度神经网络代替接收端的解调、信道估计与均衡及星座图解映射几个部分，较大程度地降低了系统误码率.

与仅用于接收端的DNN 模型不同，自动编码器（Autoencoder，AE）是一种由收发端两个神经网络模块组成的模型，通常，AE 模型中发送端网络用于编码，接收端网络用于解码[5-7]；文献[8]提出利用自动编码器构建端到端的通信系统，将通信系统的接收端和发送端用自动编码器替代，结果表明基于该自动编码器的系统性能优于传统的无线通信系统；文献[9]将整个系统均用自动编码器表示，包括编码器、信道正则器和解码器几个部分，以便更加准确地恢复输入的信号；文献[10]利用自动编码器实现一个端到端的通信系统，并将这一思路拓展到MIMO 系统中；文献[11]将自动编码器应用到OFDM 系统，利用自动编码器代替OFDM 的发……