1.一种水下可见光通信系统的盲检测方法，其特征在于，包括以下步骤：S1：构建用于OOFDM调制的UVLC系统，通过UVLC信道进行通信；

S2：UVLC系统发射端进行基带信号调制与限幅，得到时域发射信号；

S3：在时域发射信号通过UVLC信道传输过程中，对UVLC系统的信道冲激响应CIR进行建模；

S4：根据建模结果，建立频域基带信号传输模型；

S5：UVLC系统接收端基于神经网络BDNet对频域基带信号传输模型进行盲检测；

其中，OOFDM表示光正交频分复用；UVLC表示水下可见光通信；

在所述步骤S1中，设sn,k∈S是在第n个OOFDM符号、第k个子载波上发送的信息符号，Xn,k是sn,k对应的频域符号或星座点，其中S＝{0,1,…,M‑1}表示信息符号集合，M＝|S|是集合S的势，同时也是调制阶数；

在所述步骤S2所述的UVLC系统中，所述Xn,k必须满足埃尔米特对称条件才能保证时域信号为实值信号，于是有 以及Xn,0＝Xn,K/2＝0成立，其中K是子载波个数，同时也是快速傅里叶变换FFT大小；

接着，对频域符号进行快速傅里叶逆变换IFFT，得到限幅前时域发射信号为：假设该OOFDM系统采用直流偏置光‑正交频分复用系统，即DCO‑OFDM系统，则要求在xn,m基础上添加直流偏置以保证发射信号的非负性，同时在实际系统中有最大功率约束；将直流偏置和最大值约束分别记为：

BDC＝εbiasσx,xmax＝εtopσx    (2)其中， εbias和εtop分别是与σx有关的归一化直流偏置和峰值水平；于是，经过双向限幅后的时域发射信号zn,m满足：至此，得到时域发射信号zn,m。

2.根据权利要求1所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述步骤S3中，在时域发射信号通过UVLC信道传输过程中，假设发射端和接收端保持相对静止，不考虑空间移动引起的衰落，只考虑湍流效应引起的衰落；由于湍流衰落的相干时间远大于一个常规OOFDM符号周期，因此所述的UVLC信道是一种块衰落信道，即UVLC信道在一个OOFDM符号周期内保持不变，但是在不同的OOFDM符号周期会发生变化。

3.根据权利要求2所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述T

步骤S3中，令hn＝[hn,0,…,hn,L‑1] 表示UVLC信道的采样间隔CIR，其中，n和l∈{0,…,L‑1}分别表示OOFDM符号和抽头索引；并对信道冲激响应hn,l进行建模，具体为：其中， 表示由蒙特卡洛方法生成的无湍流CIR；ρn表示湍流衰落系数，在弱湍流环境下服从对数正态分布：

其中，μρ和 分别是服从高斯分布的对数幅度因子 的均值和方差。

4.根据权利要求3所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述步骤S4中，为了保证湍流衰落即不放大也不衰减光平均功率，令E{ρn}＝1，从而得出此外，定义描述湍流强度的闪烁指数 令Hn,k表示第n个OOFDM符号、第k个子载波上的UVLC信道传输函数，即式(4)的FFT，那么频域基带信号传输模型为：Yn,k＝Zn,kHn,k+Wn,k,1≤k≤Ku    (6)2

其中， Wn,k是独立同分布的复加性高斯白噪声，记为N(0,σ)；定义信噪比SNR为 基于Bussgang定理和中心极限定理，Zn,k与Xn,k存在线性映射关系：Zn,k＝AXn,k+Vn,k,1≤k≤Ku    (7)其中，A表示衰减因子，Vn,k表示服从高斯分布的限幅噪声，记为 为了符号简洁，将式(6)的矢量化形式表示为：Yn＝diag(Zn)Hn+Wn    (8)。

5.根据权利要求4所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述步骤S5中，所述神经网络BDNet包括深度盲信道估计单元、信道均衡单元和基于学习的符号解映射单元；其中：

所述深度盲信道估计单元对频域基带接收信号进行特征参数向量提取；

所述信道均衡单元根据频域基带接收信号及特征参数向量进行信道均衡，消除UVLC衰落信道对发射信号造成的失真问题；

所述基于学习的符号解映射单元根据均衡后的信号对发射信号进行预测，利用最大后验概率估计准则恢复发射信号，完成盲检测过程。

6.根据权利要求5所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述步骤S5中，Yn表示接收到的频域复基带信号向量；定义 来表示Yn的实值展开形式；相应的，Yn便是 的复值还原形式；

将 输入深度盲信道估计单元中进行非线性变换，以提取接收信号特征参数向量，令该特征参数向量表示为

接着，在信道均衡单元中，利用一个确定且可微的变换函数t对 进行变换，得到表示均衡后的符号，目的是消除UVLC衰落信道对发送信号造成的失真问题；借鉴OFDM系统的迫零均衡算法，t函数表示为：其中， 表示取实部运算， 表示取虚部运算；表示哈达玛积；θn是 的复值还原形式；β是幅度归一化因子，表示为：其中，B是批量大小；Yn,k是Yn的第k个采样值，θn,k是θn的第k个采样值；Ku是Yn的维度大小；

最后，将均衡后的符号 输入基于学习的符号解映射单元中，得到的输出是发送符号的预测概率，记为 接着，利用最大后验概率估计准则即可得到盲检测结果。

7.根据权利要求6所述的一种水下可见光通信系统的盲检测方法，其特征在于，在所述步骤S5中，所述深度盲信道估计单元为采用卷积神经网络构成，其由D层一维卷积层组成；

第1层使用64个尺寸为3×2的卷积核，激活函数选择整流线性单元ReLU；接着D‑2层使用64个尺寸为3×64的卷积核，随后使用批归一化BN和ReLU激活函数；最后1层使用2个尺寸为3×64的卷积核，但是无需任何激活函数；

所述基于学习的符号解映射单元由两层一维卷积层构成，第1层卷积层使用了M个尺寸为1×2的卷积核，激活函数是ReLU，其中M表示调制阶数；第2层卷积层使用了M个尺寸为1×M的卷积核，激活函数是Softmax函数；Softmax函数也称为归一化指数函数，其形式表示为

8.根据权利要求7所述的一种水下可见光通信系统的盲检测方法，其特征在于，所述神经网络BDNet需要进行离线训练，具体为：首先生成训练数据，包括Yn和 其中pn,k表示发送信息符号sn,k的独热编码，即

T

pn,k＝[I(sn,k＝0),…,I(sn,k＝M‑1)]    (12)其中，I(·)是指示函数，当且仅当括号内条件满足时取值为1，其余情况取值为0；于是，训练数据集表示为{(Y1,P1),(Y2,P2),…,(YN,PN)}，其中N表示训练样本数；另外，每批训练样本n＝1,…,B使用的损失函数表示为其中Ω表示网络参数；之后，通过反向传播算法迭代更新Ω以最小化式(13)；至此，即完成了BDNet的离线训练阶段，将其应用至UVLC系统接收端的在线信号检测。