公开(公告)号：CN114337884A

公开(公告)日：2022-04-12

申请号：CN202210012730.8

申请日：2022-01-06

Applicant: 兰州大学

Inventor： 袁磊 ,  杨艳娟 ,  杨伟明 ,  郭宇航

IPC: H04B17/391 ,  H04L25/03 ,  H04L1/00 ,  H04L27/00

Abstract: 一种基于深度学习的相位噪声补偿和信道译码联合设计方法，包含训练和验证两个阶段，在训练阶段，发射机对长度为k的全零信息序列s通过信道编码生成长度为n的码字序列C，码字序列C通过信道适配器保证信道对称性和采用格雷映射后，输入M阶高阶调制模块得到训练用的能量归一化的调制符号序列X，再经过含高斯白噪声N的无线信道传输到接收机得到训练序列Y；将训练数据集输入相位噪声补偿和信道译码模型，并采用随机梯度下降的方法训练所述模型，计算加权伴随式函数Loss的值更新所述模型的权重和偏置，得到优化的模型；在验证阶段，验证序列Yv用优化的模型进行译码。本发明对因相位噪声引起的无线通信系统性能恶化有明显地改善作用。

公开(公告)号：CN114337884B

公开(公告)日：2023-06-09

申请号：CN202210012730.8

申请日：2022-01-06

Applicant: 兰州大学

Inventor： 袁磊 ,  杨艳娟 ,  杨伟明 ,  郭宇航

IPC: H04L1/00 ,  H04B17/391 ,  H04L25/03 ,  H04L27/00

Abstract: 一种基于深度学习的相位噪声补偿和信道译码联合设计方法，包含训练和验证两个阶段，在训练阶段，发射机对长度为k的全零信息序列s通过信道编码生成长度为n的码字序列C，码字序列C通过信道适配器保证信道对称性和采用格雷映射后，输入M阶高阶调制模块得到训练用的能量归一化的调制符号序列X，再经过含高斯白噪声N的无线信道传输到接收机得到训练序列Y；将训练数据集输入相位噪声补偿和信道译码模型，并采用随机梯度下降的方法训练所述模型，计算加权伴随式函数Loss的值更新所述模型的权重和偏置，得到优化的模型；在验证阶段，验证序列Yv用优化的模型进行译码。本发明对因相位噪声引起的无线通信系统性能恶化有明显地改善作用。