【技术实现步骤摘要】
本专利技术涉及通信，更具体地，涉及一种基于复数神经网络的智能信道译码方法与系统。
技术介绍
1、基于经典麦克斯韦电磁场方程的无线信号在传输空间中，包括实部和虚部，而目前已有的神经网络架构未考虑二维度信号空间的设计，无论是金石教授基于数字图像处理而提出的传输机制还是李烨教授所设计的基于深度学习的均衡器等，都是采用基于实数的深度学习神经网络架构。现有的智能通信方案大部分只能处理实数序列，对信号的形式有要求；或者将复数形式的信号序列分离成实部序列和虚部序列进行处理，但这样与原始问题相比，生成的算法会使维数增加一倍，并可能破坏特殊的数据结构。
2、在无线通信和音频处理等领域，复数是自然产生或者通过设计产生的，所以信号的实部和虚部之间具有一定的相关性，使用神经网络直接处理复数信号可以更好提取信号特征。而且在信号处理过程中，构造解析信号可以减少一半的频带，且用来表示实信号时运算会更加简便，所以我们将神经网络的处理对象扩展到复数域上，提高智能信道译码器的性能。
3、现有技术提供了基于深度学习的智能通信方法，为基于认知环模型的智...
【技术保护点】
1.一种基于复数神经网络的智能信道译码方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于复数神经网络的智能信道译码方法，其特征在于，所述S2的具体方法为：
3.根据权利要求2所述的基于复数神经网络的智能信道译码方法，其特征在于，在S21中，所述分类器网络单元包括依次连接的第一复数卷积层、第一批量标准化层、第一最大池化层、第二复数卷积层、第二批量标准化层、第二最大池化层、第一全连接层、第二全连接层和第三全连接层；
4.根据权利要求3所述的基于复数神经网络的智能信道译码方法，其特征在于，在S21中，所述译码器网络单元包括依次...
【技术特征摘要】
1.一种基于复数神经网络的智能信道译码方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于复数神经网络的智能信道译码方法，其特征在于，所述s2的具体方法为：
3.根据权利要求2所述的基于复数神经网络的智能信道译码方法，其特征在于，在s21中，所述分类器网络单元包括依次连接的第一复数卷积层、第一批量标准化层、第一最大池化层、第二复数卷积层、第二批量标准化层、第二最大池化层、第一全连接层、第二全连接层和第三全连接层；
4.根据权利要求3所述的基于复数神经网络的智能信道译码方法，其特征在于，在s21中，所述译码器网络单元包括依次连接的第四全连接层、第五全连接层、加和点、第六全连接层和第七全连接层；
5.根据权利要求3所述的基于复数神经网络的智能信...
【专利技术属性】
技术研发人员：张琳，夏俊宇，熊嘉宁，温欣雨，邓婉莹，
申请(专利权)人：中山大学，
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。