1.基于自编码网络的端到端水声FBMC通信方法，其特征在于，包括如下步骤：

(1)将自编码网络的思想引入滤波器组多载波调制通信系统中，搭建Autoencoder‑FBMC水声通信网络信道模型；所述的Autoencoder‑FBMC水声通信网络信道模型选用稀疏水声信道模型，信道冲激响应可表示为多个路径增益与相对时延不同的单位冲激相应δ之和，即：其中，Np表示多径数目；τp(t)表示相对时延；Ap(t)表示路径增益；τp(t)和Ap(t)均为衡量水声信道脉冲响应h(τ)的主要参数；

(2)对Autoencoder‑FBMC水声通信系统网络以端到端的方式进行训练，调整网络参数，使得输入与输出的差别最小化，直到确定性能最佳的网络结构；具体过程如下：(2.1)在离线训练阶段，将随机生成的原始二进制比特流s经过串/并转换后输入Autoencoder‑FBMC水声通信系统发送端子网进行映射，对映射后得到的符号x进行OQAM调制，即将映射好的符号的实虚部偏移半个符号；随后在指定位置添加导频，再进行FBMC调制，经过IFFT变换多相网络处理后得到FBMC符号xFBMC后，再经过并/串转换后送入水声信道；

(2.2)将经过信道传输后的FBMC符号yFBMC进行FBMC解调，经过多相网络和FFT逆变换后去除导频，将其输入Autoencoder‑FBMC水声通信系统接收端子网，得到接收端的输出 其中，原始生成的随机数据s与经水声信道传输后接收到的数据 作为一组训练数据；

(2.3)通过在训练过程中调整神经元的权重系数来最小化s与 之差，其损失函数选用均方误差损失函数：

(3)将训练好的Autoencoder‑FBMC水声通信网络应用于真实水声环境中进行检测。

2.根据权利要求1所述的基于自编码网络的端到端水声FBMC通信方法，其特征在于，所述的Autoencoder‑FBMC水声通信网络模型发送端子网由1个输入层、2个隐藏层和1个输出层组成，其中输出层的神经元个数与输入的复数符号的长度相同，隐藏层1的神经元个数为N1，隐藏层2的神经元个数为N2，隐藏层以全连接的方式连接到输入层和输出层，激活函数均选用Leaky ReLU函数：fleaky‑ReLU(x)＝max{μx,x}

其中，μ为固定参数，取值范围在(0,1)之间。

3.根据权利要求1所述的基于自编码网络的端到端水声FBMC通信方法，其特征在于，所述的Autoencoder‑FBMC水声通信网络模型接受端子网由1个输入层、2个隐藏层和1个输出层组成，其中，隐藏层1的神经元个数为M1，隐藏层2的神经元个数为M2，隐藏层以全连接的方式连接到输入层和输出层，输出层的激活函数选择sigmoid函数，将变量映射到[0,1]，符合输出数据为比特的实际物理意义。

4.根据权利要求1所述的基于自编码网络的端到端水声FBMC通信方法，其特征在于，所述的步骤(2)训练过程中，使用Adam随机梯度下降方法来对Autoencoder‑FBMC水声通信系统网络中的参数进行更新。

5.基于自编码网络的端到端水声FBMC通信系统，其特征在于，包括发送端，接收端，网络通信模块；

发送端：包含串/并转换，将输入的串行二进制比特流转化为多路并行的比特序列，以便对数据进行进一步处理；Autoencoder发送子网将输入序列映射为符号后，经过OQAM调制模块，即将映射好的符号的实虚部偏移半个符号，使其在经过FBMC调制后仍在实数域保持正交；然后在指定位置插入块状导频，输入FBMC调制模块，即对处理后的数据进行IFFT运算，再通过不同偏移量的滤波器组进行滤波，得到FBMC符号xFBMC，最后将调制后的序列经过并/串转换后输入水声信道；

接收端：包括串/并转换，将经过水声信道传输的串行数据转化为多路并行的FBMC符号序列；然后将其输入FBMC解调模块，经过多相网络和FFT运算处理后去除导频，得到不含到导频的符号；最后经过Autoencoder接收子网恢复出原始比特信息；

网络通信模块：包括Autoencoder‑FBMC水声通信网络信道模型搭建，Autoencoder‑FBMC水声通信网络信道模型训练，Autoencoder‑FBMC水声通信网络信道模型检测；

所述的Autoencoder‑FBMC水声通信网络信道模型搭建，选用稀疏水声信道模型，信道冲激响应可表示为多个路径增益与相对时延不同的单位冲激相应δ之和，即：其中，Np表示多径数目；τp(t)表示相对时延；Ap(t)表示路径增益；τp(t)和Ap(t)均为衡量水声信道脉冲响应h(τ)的主要参数；

所述的Autoencoder‑FBMC水声通信网络信道模型训练，具体过程如下：

在离线训练阶段，将随机生成的原始二进制比特流s经过串/并转换后输入Autoencoder‑FBMC水声通信系统发送端子网进行映射，对映射后得到的符号x进行OQAM调制，即将映射好的符号的实虚部偏移半个符号；随后在指定位置添加导频，再进行FBMC调制，经过IFFT变换多相网络处理后得到FBMC符号xFBMC后，再经过并/串转换后送入水声信道；

将经过信道传输后的FBMC符号yFBMC进行FBMC解调，经过多相网络和FFT逆变换后去除导频，将其输入Autoencoder‑FBMC水声通信系统接收端子网，得到接收端的输出 其中，原始生成的随机数据s与经水声信道传输后接收到的数据 作为一组训练数据；

通过在训练过程中调整神经元的权重系数来最小化s与 之差，其损失函数选用均方误差损失函数：

所述的Autoencoder‑FBMC水声通信网络信道模型检测为，将训练好的Autoencoder‑FBMC水声通信网络应用于真实水声环境中进行检测。

6.根据权利要求5所述的基于自编码网络的端到端水声FBMC通信系统，其特征在于，所述的Autoencoder‑FBMC水声通信网络模型发送端子网由1个输入层、2个隐藏层和1个输出层组成，其中输出层的神经元个数与输入的复数符号的长度相同，隐藏层1的神经元个数为N1，隐藏层2的神经元个数为N2，隐藏层以全连接的方式连接到输入层和输出层，激活函数均选用Leaky ReLU函数：fleaky‑ReLU(x)＝max{μx,x}

其中，μ为固定参数，取值范围在(0,1)之间。

7.根据权利要求5所述的基于自编码网络的端到端水声FBMC通信系统，其特征在于，所述的Autoencoder‑FBMC水声通信网络模型接受端子网由1个输入层、2个隐藏层和1个输出层组成，其中，隐藏层1的神经元个数为M1，隐藏层2的神经元个数为M2，隐藏层以全连接的方式连接到输入层和输出层，输出层的激活函数选择sigmoid函数，将变量映射到[0,1]，符合输出数据为比特的实际物理意义。

8.根据权利要求5所述的基于自编码网络的端到端水声FBMC通信系统，其特征在于，所述的步骤(2)训练过程中，使用Adam随机梯度下降方法来对Autoencoder‑FBMC水声通信系统网络中的参数进行更新。