基于深度学习的自编码器端到端物理层优化方案

• 作者: 叶佩文 杨小蓉 胡海霞 贾向东
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 神经网络 自编码器 物理层优化 压缩感知
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 移动互联与通信技术
• 页码范围: 86-90,97
• 页数: 6页
• 分类号: TP391
• 字数: 3321字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055197

摘要

5G规模化商用可提供高速低延时的通信服务,但由于逐块设计的通信模型可解释性程度较低,增加了其物理层优化的复杂度.针对该问题,利用深度学习在结构化信息表示和数据提取上的优势,在其基础上提出一种自编码器端到端物理层优化方案.通过两阶段训练模式提高神经网络的泛化性,同时利用自编码器压缩特性量化信道状态信息(CSI)并进行重建,降低CSI反馈导致的系统开销.仿真结果表明,该方案通过分阶段训练能有效提升收敛速率,而压缩量化CSI则可缓解系统负载.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾向东	西北师范大学计算机科学与工程学院	59	217	8.0	13.0
5	杨小蓉	西北师范大学计算机科学与工程学院	6	2	1.0	1.0
6	叶佩文	西北师范大学计算机科学与工程学院	2	0	0.0	0.0
7	胡海霞	西北师范大学计算机科学与工程学院	2	0	0.0	0.0