基于动态学习率深度神经网络的抗干扰信道编码算法

• 作者: 徐建业 李伟 杨霄鹏 王泓霖
• 来源期刊: 计算机应用研究
• 关键词: 信道编码 深度学习 自编码器 学习率
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 2171-2174
• 页数: 4页
• 分类号: TN911.22
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.12.0948

摘要

针对电子战条件下,通信信号易受压制干扰的问题,提出了一种基于动态学习率深度自编码器(dyna-mic learning rate deep AutoEncoder,DLr-DAE)的信道编码算法来提高系统抗压制干扰性能.首先对输入未编码信号进行预处理,将原始输入信号转换为单热矢量;随后使用训练数据样本集,用非监督学习方法训练深度自编码器,基于随机梯度下降法(SGD)更新网络参数,利用指数衰减函数,在迭代次数和网络损失函数值变化过程中动态微调学习率,减少网络迭代循环次数,避免收敛结果陷入局部最优点,从而获得面向电子战环境的信道编码深度学习网络.仿真结果表明,相比现有深度学习编码算法,该算法在取得同等误码率时,抗噪声压制干扰性能最大可提升0.74 dB.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟	空军工程大学信息与导航学院	111	485	10.0	19.0
2	杨霄鹏	空军工程大学信息与导航学院	34	105	6.0	8.0
3	王泓霖	空军工程大学研究生院	6	0	0.0	0.0
4	徐建业	空军工程大学研究生院	5	0	0.0	0.0