设计应用

基于CNN和GRU的高阶调制自动编码器研究

作者：蔚淦丞1，2，3，廖明军1，2，3，刘俊杰1，2，3，周雄1，2，3
发布日期：2023-05-12
来源：2023年电子技术应用第5期

0　引言

无线通信要解决的主要问题是如何从包含噪声和干扰的接收信号中尽可能无差错地恢复发送信号。传统方法通常以模块化的方式设计和实现发射器和接收器，将每个模块单独优化以获得可靠的通信系统。然而这种“贪心”地将每个模块优化到最佳，并不意味着整个系统的性能达到了最佳。这是传统通信系统长期存在的系统偏差。

近年来，随着神经网络在计算机视觉、自然语言处理等领域的成功，无线通信领域也涌现出大量与深度学习结合的相关研究。基于深度学习的端到端通信系统可以联合优化发送器和接收器，因此神经网络有很大的潜力成为下一代无线通信的主流技术。当发射器和接收器分别被视为编码器和解码器，整个通信系统可以被视为一个自动编码器。而这个自动编码器唯一的优化目标就是信号的恢复精度——这也是衡量通信系统性能的唯一指标。



本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005322




作者信息：

蔚淦丞1，2，3，廖明军1，2，3，刘俊杰1，2，3，周雄1，2，3

（1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.先进网络与智能互联技术重庆市高校重点实验室，重庆 400065；3.泛在感知与互联重庆市重点实验室，重庆 400065）


微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
自动编码器 CNN GRU 深度学习

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map