[發明專利]基于數據及知識驅動的端到端無線通信系統模型設計方法

在審

• 申請號: 202310763214.3
• 申請日: 2023-06-26
• 公開（公告）號: CN116667958A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 湯昊晨;王睿
• 申請（專利權）人: 同濟大學
• 主分類號: H04B17/391
• 分類號: H04B17/391;G06N3/047;G06N3/084
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

本發明公開了基于數據及知識驅動的端到端無線通信系統模型設計方法，屬于端到端通信技術領域，包括下列步驟：1)獲取通信系統參數以供算法訓練使用。2)建立系統模型框架：使用貝葉斯層和功率歸一化層代替傳統通信系統的發射機與接收機，使用無線通信中的理論信道模型和真實信道模型作為傳輸媒介。3)更新貝葉斯推斷的變分參數。4)更新貝葉斯層的網絡權重：利用梯度下降法更新深度學習網絡參數。5)判斷是否滿足優化結束條件：在系統輸出預測值后，計算與標簽的二進制交叉熵損失函數，觀察是否達到端到端無線通信系統的誤碼率要求，若未達到，則返回步驟3)進行下一步迭代。

技術領域

本發明屬于通信領域，特別是針對端到端無線通信系統的優化場景。

背景技術

至今為止，第五代移動通信技術(5G)發展迅速，并且已經在全球多個地區實現商用。到2025年，預計全中國5G用戶數將突破9億人次，超過半數的移動連接將使用5G傳輸。5G憑借其寬頻帶和低延遲的特點，已經給多個行業帶來了巨大的變革。然而遠程醫療、城市互聯、智能網聯汽車以及虛擬現實等等新興技術的發展都對通信系統的容量、速率以及時延提出了更高的要求，現有的5G方案顯然難以滿足日益發展的需求。因此研發新的第六代移動通信技術(6G)已經被提上了日程。由于6G技術需要更大的帶寬以實現更高的傳輸速率，而現實中的頻帶資源并不是無限的，人們正考慮通過提高通信系統的效率來彌補資源的不足，其中數據驅動與知識驅動相結合的端到端無線通信系統就是一個備受關注的解決方案。

如果采用傳統的端到端無線通信系統模型，往往只能進行局部模塊的優化，達不到端到端的全局最優解。而如果采用基于卷積神經網絡的端到端無線通信系統模型，在小樣本條件下訓練效果不夠理想。

在通信領域中，訓練神經網絡常常面臨以下兩個問題：樣本數量不足和數據集部分缺失。這些問題會對神經網絡的性能和泛化能力產生影響，使得構建端到端無線通信系統變得困難。

發明內容

本發明旨在提供一種適用于小樣本訓練的端到端無線通信系統模型，以提高整個通信系統的傳輸效率。

本發明提供的適用于小樣本訓練的端到端無線通信系統模型包括下列步驟：

1)獲取通信系統參數以供算法訓練使用。

2)建立端到端無線通信系統模型框架：使用神經網絡中的貝葉斯層和功率歸一化層代替傳統通信系統的發射機與接收機，使用無線通信中的理論信道模型和真實信道模型作為傳輸媒介。

3)更新貝葉斯推斷的變分參數。

4)更新貝葉斯層的網絡權重：利用梯度下降法更新深度學習網絡參數。

5)判斷是否滿足優化結束條件：在系統輸出預測值后，計算與標簽的二進制交叉熵損失函數，觀察是否達到端到端無線通信系統的誤碼率要求，若未達到，則返回步驟3)進行下一步迭代。

附圖說明

圖1為本發明方法的流程圖

圖2為本發明的端到端無線通信系統模型

圖3為本發明所用貝葉斯神經網絡的結構圖

圖4為高斯信道中本發明與傳統模型的性能對比圖

圖5為瑞利信道中本發明與傳統模型的性能對比圖

圖6為小樣本條件下高斯信道中本發明與現有模型的性能對比圖

圖7為小樣本條件下瑞利信道中本發明與現有模型的性能對比圖

圖8為小樣本條件下MIMO信道中本發明與現有模型的性能對比圖

圖9為小樣本條件下貝葉斯神經網絡和卷積神經網絡的損失對比圖

具體實施方式