【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种基于深度神经网络的双向中继智能通信方法及装置。
技术介绍
1、现代通信系统采用两个阶段编码过程传输图像/视频数据：首先使用信源编码算法对图像/视频数据进行压缩，消除固有的冗余，以减少传输的信息量；然后对压缩后的比特流进行信道编码，以对抗无线信道中的噪声，然后进行调制。香农分离定理证明了这两步在无限长的信源和信道块的渐进极限下，采用信源编码和信道编码方法在理论上是最优的。然后，从物联网到自动驾驶，许多新兴应用都需要在极限延迟、带宽或功率的状态下传输图像/视频，这就无法使用计算要求较高的信源编码和信道编码技术。
2、目前，基于深度学习的智能通信系统能够将整个传输系统视为一个黑盒模型，通过神经网络实现对收发端各组成部分的联合优化，从而实现全局最优的端到端智能通信系统，其中包括编码、调制、解调和解码过程，与传统通信系统及分模块优化的通信系统相比，这一端到端智能通信系统能够更有效地适应未知的通信环境以及通信设备或信道引入的非线性。同时，由于采用深度学习技术，该通信系统能够以快速、低成本的方式实现对通信算
【技术保护点】
1.一种基于深度神经网络的双向中继智能通信方法，其特征在于，包括：
2.如权利要求1所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述预设深度神经网络通过预设数据集中的图像数据，对初始深度神经网络进行训练得到，具体包括：
3.如权利要求2所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述双向中继通信模型包括第一终端节点、第二终端节点和中继节点；所述构建双向中继通信模型，具体包括：
4.如权利要求2所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述根据所得到的发送端训练图像数据以及待发送...
【技术特征摘要】
1.一种基于深度神经网络的双向中继智能通信方法，其特征在于，包括：
2.如权利要求1所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述预设深度神经网络通过预设数据集中的图像数据，对初始深度神经网络进行训练得到，具体包括：
3.如权利要求2所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述双向中继通信模型包括第一终端节点、第二终端节点和中继节点；所述构建双向中继通信模型，具体包括：
4.如权利要求2所述的一种基于深度神经网络的双向中继智能通信方法，其特征在于，所述根据所得到的发送端训练图像数据以及待发送的训练图像数据之间的差异，对初始深度神经网络进行迭代训练，具体包括：
5.一种基于深度神经网络的双向中继智能通信装置，其特征在于，包括：获取模块和输入模块；
6.如权利要求5所述的一种基于深度神经网络的双向中继智能通信装置，其特征在于，所述预设深度神经网络通过预设数据集中的图像数据，对初始深度...
【专利技术属性】
技术研发人员：黄家嘉，
申请(专利权)人：广东电网有限责任公司，
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。