[發明專利]一種基于端到端學習的通信可達速率檢測方法

有效

• 申請號: 202210015129.4
• 申請日: 2022-01-07
• 公開（公告）號: CN114363218B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 陳斌;方文凱;雷藝;宦正炎;凌未;梁志偉
• 申請（專利權）人: 合肥工業大學
• 主分類號: H04L43/0894
• 分類號: H04L43/0894;H04B17/30;G06N3/048;G06N3/08
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于端到端學習的通信可達速率檢測方法，其特征包括：

步驟1、定義發送端的發送信號序列為s＝{s₁,s₂,…,s_i,…,s_n}，s_i表示第i個發送信號，定義接收端的接收信號序列為表示第i個接收信號，i∈[1,n]，n表示序列長度；

定義接收信號序列中每一個接收信號都映射為長度為m的比特序列，定義接收信號序列映射的第k位比特構成的序列為B_k＝{B_k,1,B_k,2,…,B_k,i,…,B_1,n}，其中，B_k,i表示接收信號映射的第k位比特，k∈[1,m]，B_k,i∈{0,1}；

步驟2、將所述接收信號序列中每個接收信號分成實部和虛部兩部分，并作為神經網絡的輸入信號序列記為其中，表示輸入層即第0層的第2n個輸入值；

令輸入層到隱藏層中的節點偏置向量記為其中，表示輸入層的第2n個節點的偏置；

令所述神經網絡的輸入層、隱藏層的節點個數均為2n個，令所述神經網絡的輸出層的節點個數為m個；所述隱藏層的層數為H；

令所述輸入層中的2n個節點到第1層隱藏層中的2n個節點的權重矩陣記為其中，表示所述輸入層中的第2n個節點到第1層隱藏層中的第2n個節點的權重；

令任意第h層隱藏層中的2n個節點到第h+1層隱藏層中的2n個節點的權重矩陣記為其中，表示所述第h層隱藏層中的第2n個節點到第h+1層隱藏層中的第2n個節點的權重；

令第H層隱藏層中的2n個節點到輸出層中的m個節點的權重矩陣記為其中，表示所述第H層隱藏層中的第2n個節點到輸出層中的第m個節點的權重，h∈[1,H]；

令任意第h層隱藏層中的節點偏置向量記為其中，表示第h層隱藏層中的第2n個節點的偏置；

令任意第h層隱藏層的計算結果序列記為其中，表示第h層隱藏層中的第2n個節點的計算結果；

令第h層隱藏層的線性方程為y^(h)＝ω^(h)x^T+b^(h)，其中，T表示轉置；

令第h層隱藏層激活后的輸出序列x^(h)＝{x₁^(h),x₂^(h),…,x_2n^(h)}，其中，表示第h層隱藏層激活后的第2n個輸出，且x^(h)＝f(y^(h))，f(·)為激活函數；

將第H層隱藏層激活后的輸出序列z^(H)作為輸出層的輸入序列，并由所述輸出層中的線性方程y＝ω^(H)(x^(H))^T+b^(H)輸出的計算結果序列為y＝{y₁,y₂,…,y_n}，其中，y_n表示輸出層的第n個節點輸出的計算結果；x^(H)表示第H層隱藏層激活后的輸出序列，b^(H)表示第H層隱藏層中的節點偏置向量；

步驟2.1、假定信道分布f_Y|X(y|x)，利用式(1)所示的最大對數近似方法估計出n個接收信號的二進制映射比特序列的對數似然比序列為其中，表示n個接收信號映射的第k位比特的對數似然比序列表示第n個接收信號映射的第k位比特的對數似然比，k∈[1,m]；

式(1)中，分別表示n個接收信號映射的第k位比特判決為1或0的最大概率，f_Y|X(y|x)表示發送信號為x、接收信號為y的信道轉移概率，X，Y分別表示發送和接收信號序列；

步驟2.2、定義當前迭代次數為I，最大迭代次數為I_max，初始化I＝1；

對I＝1時的神經網絡中的所有權重矩陣和節點偏置向量進行隨機初始化，并將初始化后的權重矩陣和節點偏置向量記為第I次迭代的集合θ^I＝{ω⁽⁰⁾,ω⁽¹⁾,…,ω^(H)；b⁽¹⁾,b⁽²⁾,…b^(H)}；

步驟2.3、利用式(2)建立神經網絡第I次迭代的損失函數l(θ^I)：

式(2)中，表示經過第I次迭代后輸出層第k個節點輸出的計算結果序列，且其中，表示經過第I次迭代后第k個節點輸出的第i個接收信號的對數似然比；

步驟2.4、利用式(3)對第I次迭代的梯度θ^I進行更新，即對網絡中的所有權重矩陣和偏置向量進行更新，得到第I+1次迭代的梯度θ^I+1；

式(3)中，α為機器學習中的學習率，且α＞0；

步驟2.5、將I+1賦值I后，判斷I＞I_max是否成立，若成立，則表示所述神經網絡訓練完成，并得到訓練后的計算網絡模型，否則，返回步驟2.3順序執行，直到損失函數l(θ^I)小于所設定的訓練標準ε為止，停止訓練，并得到訓練后的計算網絡模型，用于計算接收信號序列中每個信號映射比特序列的最優對數似然比序列其中，表示輸出層第k個節點輸出的最優對數似然比序列表示計算網絡輸出層第k個節點輸出的第i個接收信號的最優對數似然比，將訓練結束的神經網絡參數記為θ，并作為計算階段的網絡參數；

步驟2.6、通過式(4)計算廣義互信息G；

式(4)中，E表示求數學期望，表示接收為B_k的情況下判決為的條件概率，表示的概率分布。