【技术实现步骤摘要】
通信方法和通信装置
[0001]本申请涉及计算机领域，尤其涉及一种通信方法和通信装置。
技术介绍
[0002]现代的通信系统设计是模块化的，信号处理的过程被分为一系列子模块，例如信源编码、信道编码、调制、信道估计等。每个子模块都是基于特定的信号处理算法建模，通常是近似为一些简化的线性模型。然而，用这种单独优化每个子模块的方式并不能保证整个物理层端到端的通信最优。相反，传统的端到端通信系统引入了更多的干扰效应，如放大器失真和信道损伤，并且因为要控制的因素和参数数量的增加。因此，使用传统方法来进行端到端优化的复杂性非常高。
[0003]随着深度学习技术的发展，有研究人员提出通过基于自编码器来取代传统通信收发机设计，将发送端和接收端用神经网络的方式建模，并通过大量训练样本学习数据的分布，然后用来预测结果。这样的端到端学习方式能够做到联合优化，相比现有方法可以做到更优的效果。然而，端到端通信系统中还有信道这个外在环境因素的影响。真实通信场景中的信道并非一成不变的，特别是在时变瑞利衰弱信道(time
‑
var...
【技术保护点】
【技术特征摘要】
1.一种通信方法，其特征在于，包括：发送端通过编码网络对第一数据做第一编码处理，得到第一发送特征；所述第一发送特征与所述发送端所处环境的信道分布维度相关；所述发送端通过匹配层对所述第一发送特征做第二编码处理，得到第一特征；所述编码网络和所述匹配层是独立训练得到的；所述第一特征的维度小于所述第一发送特征的维度；所述发送端向接收端发送所述第一特征；所述第一特征用于所述接收端获得所述第一数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：所述发送端根据其当前信道，更新所述匹配层的参数；所述发送端通过所述编码网络对第二数据做第一编码处理，得到第二发送特征；所述发送端通过更新后的所述匹配层对所述第二发送特征做第二编码处理，得到第二特征；所述发送端向所述接收端发送所述第二特征；所述第二特征用于所述接收端获得所述第二数据。3.根据权利要求2所述的方法，其特征在于，所述发送端更新所述匹配层的参数之前，所述方法还包括：所述发送端接收来自所述接收端的第一指示信息，所述第一指示信息指示所述发送端更新所述匹配层的参数。4.根据权利要求2所述的方法，其特征在于，所述编码网络的参数在所述发送端更新所述匹配层的参数的过程中，保持不变。5.根据权利要求2至4任一项所述的方法，其特征在于，所述发送端根据其当前信道，更新所述匹配层的参数包括：所述发送端根据其当前信道、第三发送特征、第三接收特征，更新所述匹配层的参数；所述第三接收特征包括所述接收端在第一信道下接收所述发送端发送的第三特征得到的特征，所述第三特征包括所述发送端利用所述匹配层对所述第三发送特征做第二编码处理得到的特征，所述发送端的当前信道与所述第一信道不同。6.根据权利要求5所述的方法，其特征在于，在所述发送端根据其当前信道，更新所述匹配层的参数之前，所述方法还包括：所述发送端获取第一信息；所述发送端根据所述第一信息，确定所述发送端的当前信道。7.根据权利要求6所述的方法，其特征在于，所述第一信息包括来自所述接收端的信道信息或者接收特征偏移信息；所述信道信息表征所述发送端的当前信道的相关信息，所述接收特征偏移信息表征第三接收特征和第四接收特征的差异，所述第三接收特征包括所述接收端在第一信道下接收所述发送端发送的第三特征得到的特征，所述第四接收特征包括所述接收端在当前信道下接收所述发送端发送的所述第三特征得到的特征。8.根据权利要求1至7任一项所述的方法，其特征在于，所述第一发送特征包括与信道分布维度相关的L维向量，所述L为V和T的乘积，所述第一数据至少用V维向量表征，所述T为对当前环境的信道做聚类得到的信道种类，所述T为大于或等于2的整数，所述V为大于0的
整数。9.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：在所述匹配层的参数不变的情况下，所述发送端训练所述编码网络。10.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：所述发送端接收来自所述接收端的第二指示信息，所述第二指示信息指示所述发送端重新训练所述编码网络。11.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：所述发送端在所述匹配层未训练收敛的情况下，向所述接收端发送第三指示信息，所述第三指示信...
【专利技术属性】
技术研发人员：胡斌，王坚，李榕，葛屹群，童文，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。