-
公开(公告)号:CN118041473A
公开(公告)日:2024-05-14
申请号:CN202410176870.8
申请日:2024-02-08
Applicant: 安徽大学 , 中国电子科技集团公司第五十四研究所
IPC: H04B17/391 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种无线通信模型的训练方法、装置、设备及介质,所述训练方法包括:构建编码器,所述解码器在上行链路的每个用户端设置一个全连接的深度神经网络,以对用户与共享资源块进行连接,生成发送信号;在上行链路设置瑞利衰落信道系数,根据所述瑞利衰落信道系数和所述发送信号,生成信道输出信号,并对所述信道输出信号进行调整;构建解码器,以形成初始无线通信模型,所述解码器在基站端对调整后的所述信道输出信号进行解码处理,生成输出信号;采用所述用户端到所述基站端的联合训练策略,对所述初始无线通信模型进行优化训练,以生成目标无线通信模型。本发明提升了无线通信模型的解码准确性,降低了解码复杂度。
-
公开(公告)号:CN118555033A
公开(公告)日:2024-08-27
申请号:CN202410656844.5
申请日:2024-05-24
Applicant: 安徽大学
IPC: H04L1/00 , H04J13/10 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于GRU网络的SCMA自编码器及其构建、解码方法和装置,涉及SCMA编解码技术领域。所述基于GRU网络的SCMA自编码器的构建方法包括:根据SCMA因子矩阵中用户和资源的连接关系将神经网络单元作为用户到资源之间的码本生成器,根据所述码本生成器建立SCMA编码器;根据GRU网络建立SCMA解码器,所述SCMA解码器在解码时将传统单任务学习问题转化为多任务学习问题;对所述SCMA编码器和所述SCMA解码器进行端到端的训练,以获取基于GRU网络的SCMA自编码器。本发明基于深度学习的SCMA系统基础上引入GRU网络,通过利用门控机制更好地捕捉长期依赖关系,在整体网络结构简化的同时,依然能够有效地还原和分离每个用户的信息,进一步提升了误码率性能并降低计算复杂度。
-