10.16157/j.issn.0258-7998.223583
基于CNN和GRU的高阶调制自动编码器研究
基于深度学习的自动编码器是替代传统通信发射器和接收器的一种新方法.提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门递归单元(Gate Recurrent Unit,GRU)的自动编码器,集成了星座映射和信道编码功能.设计了一种并行CNN结构,并将输入比特流进行分段的one-hot编码.这样做有两个优点:(1)与不分段的one-hot编码相比,数据的维度降低了;(2)数据的稀疏性降低,这使网络可以更快更好地收敛.此外,引入GRU以实现信道编码.所提出的模型可以应用于高阶调制如4096QAM信号,在加性高斯白噪声(AWGN)信道和瑞利信道下都有着优于传统方法的性能.
自动编码器、CNN、GRU、深度学习
49
TN92
2023-05-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
41-46