近年来，水下无线光通信(UWOC)技术因其高速数据传输能力而成为了研究热点，但水波的吸收和散射等因素使得UWOC信道变得十分复杂。对复杂的信道做出准确的信道估计(CE)和信号检测(SD)是目前高速UWOC面临的主要问题之一。针对这一问题，提出了一种在光正交频分复用系统中利用深度学习以端对端的方式对UWOC信道进行估计并直接检测的方案。首先根据在不同水域类型的UWOC信道下模拟生成的数据离线训练深度神经网络(DNN)，然后使用DNN直接对信号进行补偿，该方案可以隐式地估计出信道状态信息并直接恢复传输数据。仿真结果表明，提出的信道估计和信号检测方案在复杂的UWOC信道环境中具有优越的性能，特别是在导频数量较少以及去除循环前缀时，深度学习方案比传统方案鲁棒性更好。

在空间调制(SM)无线光多输入多输出(MIMO)通信(SM-OMIMO)系统中, 为了在调制方法固定的条件下使系统的传输容量最大化, 提出了一种新型自适应功率分配算法(PAA)。新算法采用蒙特卡罗模拟过程选择与具体信噪比(SNR)相对应的最优化功率分配系数。建立了室内通信环境模型, 推导了SM-OMIMO系统的离散输入连续输出无记忆信道(DCMC)容量表达式; 分析了新算法的分配原则及过程, 并仿真研究了其系统性能, 比较了不同发射接收阵组合条件下, 各分配算法对系统DCMC容量增益的影响。仿真结果表明, 低SNR条件下采用自适应PAA的系统DCMC容量明显高于传统的固定因子分配算法和均匀分配算法, 在高SNR条件下更易达到DCMC容量饱和值, 该结果可清晰表明信道的分集特征。因此, 采用自适应PAA是提高SM-OMIMO系统传输速率的有效途径。

针对海洋激光通信信道复杂多变的问题, 利用理论分析和蒙特卡洛模拟方法详细研究了水下光通信链路的信道特性。采用波长为532 nm的蓝绿激光, 分析了典型海水中的信道脉冲响应, 研究了接收光强与海水类型、衰减长度、发散角、波束宽度、接收视角及孔径等重要参数的关系, 并通过蒙特卡洛仿真实验进行验证。理论分析与仿真结果表明: 清澈海域中, 传输距离<40 m时, 可认为无码间干扰信道, 接收端不需要复杂的信号处理算法; 但在海港浑浊海域, 时延扩展随着接收视角和发散角的增大而增大, 从而降低信道的传输效率。当衰减长度小于等于漫射长度时, 接收光强随接收孔径的增大而减小; 但当衰减长度大于漫射长度时, 接收光强随着接收视角的增大呈现先增后恒的趋势。因此, 研究结果将对建立准确的水下无线光通信信道模型具有重要的参考价值。