1.一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，包括如下步骤：S1：发射端采用相位调制方式，将二进制信息流进行编码、交织和符号映射；

S2：映射的符号经过逆傅里叶变换变换到时域；

S3：对时域信号进行交织；

S4：对交织后的信号进行循环前缀加入；

S5：基于循环前缀加入后的信号，叠加混沌序列获取到叠加波形；

S6：将叠加波形进行调制到指定的载频之上获取到发射信号；

S7：步骤S6的发射信号经过信道后到达通信接收端，接收端将接收信号r(k)送入两个并行的信号处理分支，第一路信号处理分支用于训练深度神经网络，输出网络参数u和v，第二路信号处理分支用于对接收信号进行IFDM解调；

S8：将IFDM解调后的信号输入到采用网络参数u和v的深度神经网络中，输出估计到的信息比特流

2.根据权利要求1所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S1包括：通信发射端采用信道编码将二进制比特b进行信道编码，b＝[b1,b2,…,bl,…bL]，L为二进制信息比特流的长度，其中bl∈{0,1}，l＝1,…,L；对编码后的信息比特进行交织和符号映射，得到符号向量x＝[x1,x2,…,xk,…xK]，K为符号总数，k∈[1,K]；将x＝[x1,x2,…,xk,…xK]调制到指定载波上，交织频分复用的发送基带波形如下：其中，Π为时域随机交织矩阵，交织器长度为K， FN为N点傅里叶变换矩阵，表示矩阵的共轭转置操作。

3.根据权利要求2所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S2中映射的符号经过逆傅里叶变换变换到时域的表达如下：其中， 为K点逆傅里叶变换。

4.根据权利要求3所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S3中对时域信号进行交织，表达如下：s＝Πz

其中，Π为时域随机交织矩阵，交织器长度为K。

5.根据权利要求4所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S4中循环前缀加入；

sCP＝ACPs

其中， 为增加循环前缀矩阵，其中IK为单位矩阵，且 为单位矩阵IK的最后L行，L为循环前缀的长度，最终sCP为添加循环前缀之后的向量，且所述步骤S5中叠加混沌序列，第n个叠加混沌序列的符号表示为；

其中， 为混沌序列 的第n个元素；式中ρ代

表导频归一化功率分配因子且0＜ρ＜1。

6.根据权利要求1所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S7中第一路信号处理分支对接收信号r(t)依次进行帧同步、多普勒估计与补偿，随后进入DNN在线训练网络，训练网络收敛后输出网络参数u和v。

7.根据权利要求1所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S7中第一路信号处理分支的处理方法为：基于已知混沌接收序列，对接收信号进行同步，随后进行多普勒估计，基于估计到的多普勒结果，对接收信号进行多普勒补偿，最终得到多普勒补偿之后的信号y(n)；

将信号y(n)送入深度神经网络进行训练，最终输出收敛之后的网络参数向量u和v。

8.根据权利要求7所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S7中第一路信号处理分支的处理流程为：A1：利用叠加的混沌序列进行帧同步检测，截取通信信号；

A2：利用叠加的混沌序列对多普勒进行估计，利用估计出来的多普勒因子对接收信号进行补偿，得到信号y；即y＝Hx+g+w

其中 表示离散时域信道矩阵，g表示叠加的混沌序列，w表示环境噪声；对接收信号进行时域解交织后便可以得到其中， 看做干扰噪声项，由叠加混沌序列和环境噪声组成，由于采用的是混沌序列，因此其统计特性看作高斯白噪声；

A3：基于混沌叠加训练序列对深度神经网络进行训练，最终输出收敛之后的网络参数向量u和v。

9.根据权利要求8所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤A3的训练过程具体为：通过水声信道仿真软件生成大量水声信道冲激响应之后，将其按比例分为水声信道训练集和水声信道测试集；在训练阶段将训练信道作用于发射信息序列x，从而获取接收信息序列y；对于所获得的接收信息序列y，经过串并转换、移除循环前缀、解交织和傅里叶变换后得到神经网络输入 此时，即可获得神经网络训练数据集合 其中b为已知混沌数据；在线训练的深度神经网络输出收敛之后的网络权值向量u和v。

10.根据权利要求1所述的一种基于混沌叠加训练序列深度神经网络的水声IFDM通信方法，其特征在于，所述步骤S7中第二路信号处理分支进行IFDM解调的过程为：首先对基带接收信号进行串并转换后得到yCP；

其次，移除循环前缀：

y＝RCPyCP

其中， 为移除循环前缀矩阵，其中IK为单位矩阵，L为循环前缀的长度，且随后，进行解交织，即‑1

其中，Π 为时域随机解交织矩阵，解交织器的长度为K。