【技术实现步骤摘要】
本专利技术涉及通信，尤其是涉及一种基于神经网络的端到端通信系统设计方法。
技术介绍
1、近年来，通信领域的不断发展带来了传输数据的爆炸式增长，社会的发展进步对于通信系统的容量极限、延时大小和准确度的要求也越来越高，因此对下一代通信网络提出了更高的要求：下一代通信网络必须提供更高的移动带宽、超可靠和低时延通信以及大规模物联网生态系统（massive internet of things, iot）以适应未来通信系统中用户设备数量和通信容量的指数增长。
2、目前，有很多相关技术被提出，例如大规模多输入多输出（multiple inputmultiple output, mimo）传输、毫米波通信、超密集网络和非正交多址接入等。然而，传统通信系统的设计都是基于数学模型的假设之上的，有信息论及概率论作为其理论支撑，但这些固定和传统的通信理论在利用有限的频谱资源和优化无线应用方面存在着许多局限性，并且常常因为现实中信道状态的变化而无法达到最优的性能。
3、现代通信系统设计的一般方法是将信号处理分为几个独立的块，例如信源编码、信道编码、调制、信道估计和均衡等，不断地趋于模块化。通过对每一个模块性能分别进行优化来提高通信系统的整体性能，然而每一个模块性能达到最优是并不意味着整体性能也能达到最优。例如，已经证明信源编码和信道编码的分离以及编码和调制的分离对于系统性能都是次优的。相反，基于深度学习的通信系统可以通过搭建深度神经网络来优化通信系统端到端的性能，这与传统通信系统中的模块化设计具有本质上的区别。
4、
技术实现思路
1、本专利技术的目的是提供一种基于神经网络的端到端通信系统设计方法，解决了传统通信系统模块化设计的局限性以及现有自编码器通信系统可靠性差的问题。通过引入深度残差网络以及inception网络来分别优化深度自编码器中的编码器网络与解码器网络，考虑到了实际信道的特点，对端到端通信系统进行联合优化，提高了网络深度的同时降低了过拟合现象，以提取更深度的码字特征。
2、为实现上述目的，本专利技术采用了一种基于神经网络的端到端通信系统设计方法，包括以下步骤：
3、s1、设计基于深度自编码器的端到端通信系统总体架构，包括编码器、解码器和信道，引入条件生成对抗网络，生成用于模拟实际信道传输环境的样本数据；
4、s2、构建信道建模条件生成对抗网络，具体为：构建包含维度重置和多个卷积层的生成器网络和包含多个卷积层和全连接层的判别器网络，通过迭代训练生成器和判别器，提高完成任务的能力；
5、s3、训练信道建模条件生成对抗网络，具体为：交替训练生成器和判别器，直至两者完成收敛和训练；
6、s4、构建基于深度自编码器的端到端通信系统，具体为：将传统通信系统作为一个自编码器，发送端将输入的二进制信息进行one-hot编码，然后通过编码器网络编码，再通过功率归一化层来表征发射机的能量约束；
7、s5、深度自编码器网络设计与联合训练，具体包括：
8、s51、构建设计主体为resblock的编码器网络；
9、s52、构建设计包含多层卷积和inception-resnet的解码器网络；
10、s53、将步骤s3训练得到的信道建模条件生成对抗网络置于编码器与解码器中间，进行端到端通信系统的联合训练；
11、s6、验证与测试端到端通信系统，具体包括：分别测试并得到awgn信道和瑞利信道在不同的码率条件下的情况。
12、优选的，步骤s2中，对抗网络结构包括生成器和判别器，
13、生成器模拟真实信道，输入待传输的数据，输出经过信道的数据，生成器网络包括随机噪声、待传输信息和条件信息，条件信息通信接收端采用信道估计方法得到信道响应矩阵；
14、生成器网络先对输入进行维度重置，将其转换为适合训练的大小，再将输入的三类信息分别放入不同的通道，通过n层卷积层进行非线性转换，每一层卷积都包括卷积、relu函数激活和批归一化三种操作。
15、优选的，步骤s2中，判别器用于判定两组数据的影响源，输入的数据包括生成器生成的假数据和经过真实信道的真实数据，判别器网络通过多层卷积结构学习数据特征，其中每一层网络均包含卷积、leakyrelu激活以及bn操作，最后通过全连接层进行0/1判决，判断输入数据的真实性。
16、优选的，步骤s3中，交替训练为cmcgan网络训练过程，具体流程为：
17、 s31、初始化生成器g、判别器d、真实数据样本集x、噪声样本z、条件信息样本h；
18、s32、训练迭代轮次
19、1）训练生成器g：固定判别器d的参数，从噪声样本z和条件信息样本h中分别采样出m个样本，合并输入生成器g中，产生m个假样本，将输入至判别器d中，得到判别结果，再利用随机梯度下降法更新生成器g；
20、2）训练判别器d：固定生成器d的参数，使用生成器生成m个假样本，设置标签为0，从真实样本集中采样m个真实样本，设置标签为1，再利用随机梯度提升法更新判别器d；
21、以均方误差为指标衡量生成器的好坏。
22、优选的，步骤s4中，将传统通信系统作为一个自编码器，原始符号编码成x，输出端以较小的误码率对该信号进行重建，根据收到的信号y得到，再通过二元交叉熵计算损失函数l，得到损失函数后再通过反向传播算法改变发射机神经网络的参数。
23、优选的，步骤s51中，编码器网络的主体为resblock，通过深度残差结构，将每个残差块的输入和输出进行拼接、加和的操作，扩展网络深度；
24、在高维码字输入时，在编码器网络的第一层增加embedding层来对输入的one-hot向量进行稠密编码，将one-hot矩阵进行降维，转换成稠密的矩阵向量。
25、优选的，步骤s52中，解码器网络的核心结构是inception-resnet，设计解码器网络的过程为：首先输入接收端接收经过信道的编码码字，然后通过解码器解码，最后再通过softmax层输出预测one-hot向量，恢复原始发送信息。
26、优选的，步骤s6中，将awgn信道分别放置在码率为1时和码率为（7,4）时的情况下，并与传统的通信系统做对比；将瑞利信道分别放置在码率为1时和码率为（7,4）时的情况下，并与传统的通信系统做对比。
27、因此，本专利技术采用上述一种基于神经网络的端到端通信系统设计方法，实现的有益效果为：
28、1、考虑到了实际信道的特点，针对真实传输信道样本少和非线性的情况，以信道响应矩阵作为条件信息来训练和优化条件生成对抗网络，生成了用于模拟实际信道传输环境的样本数据；
29、2、在编码器网络中采用残差网络结构，提本文档来自技高网...
【技术保护点】
1.一种基于神经网络的端到端通信系统设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S2中，对抗网络结构包括生成器和判别器，
3.根据权利要求2所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S2中，判别器用于判定两组数据的影响源，输入的数据包括生成器生成的假数据和经过真实信道的真实数据，判别器网络通过多层卷积结构学习数据特征，其中每一层网络均包含卷积、LeakyReLU激活以及BN操作，最后通过全连接层进行0/1判决，判断输入数据的真实性。
4.根据权利要求3所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S3中，交替训练为CMCGAN网络训练过程，具体流程为：
5.根据权利要求4所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S4中，将传统通信系统作为一个自编码器，原始符号编码成x，输出端以误码率对该信号进行重建，根据收到的信号y得到，再通过二元交叉熵计算损失函数L，得到损失函数后再通过反向传播算法改变发射机神
6.根据权利要求5所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：
7.根据权利要求6所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S52中，解码器网络的核心结构为Inception-ResNet，设计解码器网络的过程为：首先输入接收端接收经过信道的编码码字，然后通过解码器解码，最后再通过Softmax层输出预测one-hot向量，恢复原始发送信息。
8.根据权利要求7所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤S6中，将AWGN信道分别放置在码率为1时和码率为（7,4）时的情况下，并与传统的通信系统做对比；将瑞利信道分别放置在码率为1时和码率为（7,4）时的情况下，并与传统的通信系统做对比。
...【技术特征摘要】
1.一种基于神经网络的端到端通信系统设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤s2中，对抗网络结构包括生成器和判别器，
3.根据权利要求2所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤s2中，判别器用于判定两组数据的影响源，输入的数据包括生成器生成的假数据和经过真实信道的真实数据，判别器网络通过多层卷积结构学习数据特征，其中每一层网络均包含卷积、leakyrelu激活以及bn操作，最后通过全连接层进行0/1判决，判断输入数据的真实性。
4.根据权利要求3所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤s3中，交替训练为cmcgan网络训练过程，具体流程为：
5.根据权利要求4所述的一种基于神经网络的端到端通信系统设计方法，其特征在于：步骤s4中，将传统通信系统作为一个自编码器，原...
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。