基于自适应降噪的LSTM-DRSN自动编码器的端到端通信方法、程序、设备及存储介质技术

本发明专利技术属于基于深度学习的通信技术领域，具体涉及基于自适应降噪的LSTM‑DRSN自动编码器的端到端通信方法、程序、设备及存储介质。本发明专利技术将LSTM‑DRSN神经网络的编码器作为通信发送端，解码器作为通信接收端，待传输数据通过发送端的编码器具有同相分量和正交分量的发送信号，经过信道环境加入的噪声干扰通过解码器的DRSN层中的软阈值化操作实现自适应降噪，并解码还原为原始数据，实现端到端通信。本发明专利技术通过引入LSTM模型实现了对任意块长度的适应性，解决了输入序列变化时需重新设计结构的问题。本发明专利技术设计的LSTM‑DRSN系统在多种信道条件下显著提高了SNR增益，并克服了传统系统的局限性。

【技术实现步骤摘要】

本专利技术属于基于深度学习的通信，具体涉及基于自适应降噪的lstm-drsn自动编码器的端到端通信方法、程序、设备及存储介质。

技术介绍

1、自动编码器是一种无监督的神经网络模型，其目标在于通过神经网络捕获输入数据的重要特征，以便为高维数据学习低维特征(编码)，同时用学习到的低维特征重构出原始输入数据(解码)。在基于深度学习的端到端无线通信系统中，将通信系统视为端到端的自动编码器。整个通信系统由编码器、信道模型和解码器组成，通过搭建神经网络来代替传统通信系统中的发送器和接收器，以实现对通信信号的编码和解码过程。传统通信系统将发送器和接收器划分为多个独立的模块，通过对每个模块进行单独优化来实现系统的稳定工作。而基于深度学习的端到端通信系统通过联合优化发送器和接收器使系统的性能达到最优。

2、在[1]中首次提出一种基于自编码器的端到端通信系统，将发送器、信道模型和接收器建模为深度神经网络(dnn)，并将其视为端到端的重建优化任务，利用自动编码器在无需先验知识的情况下联合学习发送器和接收器，实现信号编码。然而，基于dnn的自动编码器在处理输入序列时仅本文档来自技高网...

【技术保护点】

1.基于自适应降噪的LSTM-DRSN自动编码器的端到端通信方法，其特征在于：

2.根据权利要求1所述的基于自适应降噪的LSTM-DRSN自动编码器的端到端通信方法，其特征在于：所述编码器包括三层LSTM层和一层能量归一化层；

3.根据权利要求2所述的基于自适应降噪的LSTM-DRSN自动编码器的端到端通信方法，其特征在于：所述第三层LSTM层根据可利用的信道资源数进行设计，在更高维的空间中搜索最优的星座点分布方案，最大化相邻星座点间的欧式距离，以便接收端恢复相应的信息。

4.根据权利要求2所述的基于自适应降噪的LSTM-DRSN自动编码器的端到端通信...

【技术特征摘要】

1.基于自适应降噪的lstm-drsn自动编码器的端到端通信方法，其特征在于：

2.根据权利要求1所述的基于自适应降噪的lstm-drsn自动编码器的端到端通信方法，其特征在于：所述编码器包括三层lstm层和一层能量归一化层；

3.根据权利要求2所述的基于自适应降噪的lstm-drsn自动编码器的端到端通信方法，其特征在于：所述第三层lstm层根据可利用的信道资源数进行设计，在更高维的空间中搜索最优的星座点分布方案，最大化相邻星座点间的欧式距离，以便接收端恢复相应的信息。

4.根据权利要求2所述的基于自适应降噪的lstm-drsn自动编码器的端到端通信方法，其特征在于：所述能量归一化层执行归一化处理，具体为：

5.根据权利要求2所述的基于自适应降噪的lstm-drsn自动编码器的端到端通信方法，其特征在于：所述解码器包括两层lstm和一层drsn层；发送信号经过信道环境后加入噪声干扰，实际接收信号为y；接收信号y分两路分别进入drsn层与级联的两层lstm层，第一层lstm层保留所有时间步的输出，第二层lstm层从第一层lstm层的输出中提取特征；将drsn层与第二层lstm层的...

【专利技术属性】
技术研发人员：马雪飞，闫昌定，沈众卫，杨子龙，朱海峰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：