[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

本發明公開了一種基于端到端學習的通信可達速率檢測方法，其步驟包括：1、利用神經網絡模型訓練計算出對數似然比(LLR)；2、通過梯度下降算法精確計算結果3、根據所求對數似然比計算基于比特譯碼的信息可達速率——廣義互信息(GMI)。本發明能在保證計算結果準確性的同時大幅度提高計算效率，從而能提高信息可達速率的計算實時性。

技術領域

本發明涉及通信技術領域，涉及端到端學習和機器學習，尤其涉及一種基于神經網絡模型計算對數似然比LLR的廣義互信息計算方法。

背景技術

近年來，機器學習在通信領域中的應用十分廣泛，從編碼到信道模型，再到譯碼，以及調制解調，機器學習都可以得到一定程度的應用，并能取得不錯的成效。利用機器學習方法訓練神經網絡中的一些參數，能夠使訓練結構趨于最優，從而使計算結果更加準確。

隨著一系列科技革命的進步，通信技術的發展為因特網容量增長做出了重要貢獻。然而通信核心網絡的容量尚不能滿足信息時代人們越來越大的流量需求，為了使信息傳輸速率接近香農極限，通信系統的信息理論分析顯得尤為重要。

可達信息速率(achievable?informationrates,AIR)是一種基于信息論信息度量的性能評價指標，定義為給定信道中能夠可靠傳輸的最大信息量，可以用來評估信道的最大可達傳輸速率，廣義互信息作為一種基于比特譯碼器編碼調制系統的可達信息速率，在實際工程應用中具有重要的現實意義。但現有技術中，由于廣義互信息計算需要考慮諸多因素，如信道實際分布，信道維度以及比特間的相互干擾等等，因此現有技術中廣義互信息的實際應用較少，并且在實際應用中廣義互信息的計算步驟比較復雜，花費時間較長，且無法達到絕對準確，所以對不考慮比特之間關系的另一種可達信息速率——互信息的應用比較多，但相比較而言，由于廣義互信息考慮的因素更多，在實際工程應用中更具現實意義。因此，測量信道的廣義互信息對于了解信道傳輸信息能力，評估信道性能具有重要意義。

發明內容

本發明是為了解決上述現有技術存在的不足之處，提出一種基于端到端學習的通信可達速率檢測方法，以期能保證計算結果準確的同時大幅度提高計算效率，從而能提高廣義互信息的計算實時性。

本發明為達到上述發明目的，采用如下技術方案：

本發明一種基于端到端學習的通信可達速率檢測方法的特點包括：

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；