【摘 要】随着海陆空一体覆盖的6G通信技术不断发展，水下通信技术作为其关键组成部分起着至关重要的作用，水声信号调制方式识别技术保障了通信系统的稳定性。针对基于深度学习算法的水声信号调制方式识别技术准确率低、复杂度高的问题，设计了一种高效、准确的基于深度融合神经网络的水声信号调制方式识别算法。试验结果表明，基于实测水声数据集，该算法验证集准确率高达98.21%，水声信号平均识别时间仅为7.164 ms，与常规深度学习算法相比，深度融合神经网络模型既保证了高识别精度又大幅降低了识别时间。
【关键词】6G；水下通信；调制方式识别；神经网络；深度学习
0 引言
随着第五代移动通信技术（5G）完全成熟并进入全面应用阶段，各国逐步开展新一代通信技术研究[1]。我国于2018年3月开始着手研究第六代移动通信技术（6G），2021年11月国家工信部发布《“十四五”信息通信行业发展规划》，将开展6G基础理论及关键技术研发列为移动通信核心技术演进和产业推进工程，提出构建6G愿景、典型应用场景和关键能力指标体系。6G的终极目标是统一整合海陆空通信资源进行信息资源共享，实现万物互联互通。
水声通信技术是6G海洋通信资源的关键组成，水声通信的工作方式分为协作式与非协作式两种。在协作式水声通信系统中，调制方式智能识别技术使接收端自动识别接收信号的调制方式，确保采用正确的解调方式恢复数据，提高水声通信系统数据传输的高效性和可靠性；在非协作式水声通信系统中，调制方式智能识别技术能够提高识别速度与准确率，满足各个领域对信号调制方式识别实时性与准确性的需求。
然而ÿ