CN114710235B - 一种通信质量增强系统及通信系统 - Google Patents

一种通信质量增强系统及通信系统 Download PDF

Info

Publication number
CN114710235B
CN114710235B CN202210197286.1A CN202210197286A CN114710235B CN 114710235 B CN114710235 B CN 114710235B CN 202210197286 A CN202210197286 A CN 202210197286A CN 114710235 B CN114710235 B CN 114710235B
Authority
CN
China
Prior art keywords
data
communication
communication quality
sample
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210197286.1A
Other languages
English (en)
Other versions
CN114710235A (zh
Inventor
孙文灏
严天峰
李晓鹏
王飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Silk Road Fantian Gansu Communication Technology Co ltd
Original Assignee
Silk Road Fantian Gansu Communication Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Silk Road Fantian Gansu Communication Technology Co ltd filed Critical Silk Road Fantian Gansu Communication Technology Co ltd
Priority to CN202210197286.1A priority Critical patent/CN114710235B/zh
Publication of CN114710235A publication Critical patent/CN114710235A/zh
Application granted granted Critical
Publication of CN114710235B publication Critical patent/CN114710235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
    • H04L1/208—Arrangements for detecting or preventing errors in the information received using signal quality detector involving signal re-encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0033—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the transmitter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0071—Use of interleaving
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0076—Distributed coding, e.g. network coding, involving channel coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种通信质量增强系统以及通信系统；通信质量增强系统包括第一通信质量增强装置和第二通信质量增强装置，将第一通信质量增强装置与第一通信设备连接，将第二通信质量增强装置与第二通信设备连接。第一通信质量增强装置设置有用于编码第一神经网络和用于解码的第二神经网络，第二通信质量增强装置设置有用于编码第三神经网络和用于解码的第四神经网络。通过实施本发明能够提高通信设备之间的通信质量。

Description

一种通信质量增强系统及通信系统
技术领域
本发明涉及通信技术领域，尤其涉及一种通信质量增强系统及通信系统。
背景技术
现有通信系统的设计，是令其在某类信道上获得较好的性能，具有较好的通用性。但在任意给定的具体的某个信道上，现有通信系统不具备针对特定通信信道的特异性，很难达较佳的通信性能。
发明内容
本发明实施例提供一种通信质量增强系统及通信系统，能提高通信设备之间通信质量。
本发明一实施例提供了一种通信质量增强系统，包括：第一通信质量增强装置和第二通信质量增强装置；所述第一通信质量增强装置与第一通信设备连接，所述第二通信质量增强装置与第二通信设备连接，所述第一通信设备与所述第二通信设备相互通信；
所述第一通信质量增强装置中设置有第一神经网络和第二神经网络；所述第一通信质量增强装置，用于通过第一神经网络将第一数据进行编码，继而将第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；以及，通过第二神经网络对由第二通信设备传输至第一通信设备的第二数据进行解码；
所述第二通信质量增强装置中设置有第三神经网络和第四神经网络；所述第二通信质量增强装置，用于通过第三神经网络将第二数据进行编码，继而将第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；以及，通过第四神经网络对由第一通信设备传输至第二通信设备的第一数据进行解码；
其中，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练；所述第一通信质量增强装置经第一通信设备和第二通信设备将已知样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对已知样本进行重建得到第二样本；第二通信质量增强装置经第二通信设备和第一通信设备将第二样本以及已知样本传输至第一通信质量增强装置，以使第一通信质量增强装置对所述第二样本进行重建得到第三样本，并对已知样本进行重建得到第四样本；
第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练；
第二通信增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练；第二通信增强装置将已知训练样本经第二通信设备和第一通信设备将已知样本传输至第一通信质量增强装置，以使所述第一通信质量增强装置对已知样本进行重建得到第五样本；第一通信增强装置经第一通信设备和第二通信设备将第五样本以及已知训练样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对第五样本进行重建后得到的第六样本，对已知训练样本进行重建后得到的第七样本；
第二通信增强装置基于已知样本和第七样本对第四神经网络进行训练。
进一步的，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练，具体包括：
根据所述第三样本和所述第四样本构建第一损失函数；
根据第一神经网络的第一输出张量以及第一松弛张量构建第二损失函数；其中，所述第一输出张量为所述第一神经网络以已知训练样本为输入所生成的输出张量；所述第一松弛张量为对所述第一输出张量进行松弛操作后所形成的张量；
根据所述第一损失函数以及所述第二损失函数生成总损失函数，并根据所述总损失函数对所述第一神经网络进行训练。
进一步的，第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练，具体包括：
根据已知训练样本以及所述第四样本构建第三损失函数；
根据所述第三损失函数对所述第二神经网络进行训练。
进一步的，第二通信增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练，具体包括：
根据所述第六样本以及所述第七样本构建第四损失函数；
根据第三神经网络的第二输出张量以及第二松弛张量构建第五损失函数；其中，所述第二输出张量为所述第三神经网络以已知训练样本为输入所生成的输出张量；所述第二松弛张量为对所述第二输出张量进行松弛操作后所形成的张量；
根据所述第四损失函数以及所述第五损失函数生成第二总损失函数，并根据所述第二总损失函数对所述第三神经网络进行训练。
进一步的，第二通信增强装置基于已知样本和第七样本对第四神经网络进行训练，具体包括：
根据已知训练样本以及所述第七样本构建第六损失函数；
根据所述第六损失函数对所述第四神经网络进行训练。
进一步的，所述第一通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第一通信设备连接；所述第二通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第二通信设备连接。
进一步的，所述第一通信质量增强装置，包括：第一数据输入模块、第一数据处理模块、第一数据输出模块、第二数据输入模块、第二数据处理模块以及第二数据输出模块；所述第一数据处理模块搭载有所述第一神经网络；所述第二数据处理模块搭载有所述第二神经网络；
第一数据输入模块，用于获取所述第一数据并将所述第一数据传输至所述第一数据处理模块；
所述第一数据处理模块，用于通过所述第一神经网络对所述第一数据进行编码，继而将第一数据传输至第一数据输出模块；
所述第一数据输出模块，用于将所述第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；
所述第二数据输入模块，用于接收所述第二数据并将所述第二数据传输至第二数据处理模块；
所述第二数据处理模块，用于通过第二神经网络对所述第二数据进行解码，继而将所述第二数据传输至第二数据输出模块；
所述第二数据输出模块，用于将所述第二数据输出；
所述第二通信质量增强装置，包括：第三数据输入模块、第三数据处理模块、第三数据输出模块、第四数据输入模块、第四数据处理模块以及第四数据输出模块；所述第三数据处理模块搭载有所述第三神经网络；所述第四数据处理模块搭载有所述第四神经网络；
第三数据输入模块，用于获取所述第二数据并将所述第二数据传输至所述第三数据处理模块；
所述第三数据处理模块，用于通过所述第三神经网络对所述第二数据进行编码，继而将第二数据传输至第三数据输出模块；
所述第三数据输出模块，用于将所述第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；
所述第四数据输入模块，用于接收所述第一数据并将所述第一数据传输至第四数据处理模块；
所述第四数据处理模块，用于通过第四神经网络对所述第一数据进行解码，继而将所述第一数据传输至第四数据输出模块；
所述第四数据输出模块，用于将所述第一数据输出。
进一步的，所述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为音频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为音频输出模块。
进一步的，所述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为视频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为视频输出模块。
进一步的，所述第一通信质量增强装置，包括第一数据增强模块和第一数据压缩模块；
所述第一数据压缩模块，用于在第一数据输入模块将第一数据传输至第一数据处理模块之前，对第一数据进行数据压缩；
所述第一数据增强模块，用于在第第二数据处理模块将第二数据传输至第二数据输出模块之前，对第二数据进行信号增强；
所述第二通信质量增强装置，包括第二数据增强模块和第二数据压缩模块；
所述第二数据压缩模块，用于在第三数据输入模块将第二数据传输至第三数据处理模块之前，对第二数据进行数据压缩；
所述第二数据增强模块，用于在第四数据处理模块将第一数据传输至第四数据输出模块之前，对第一数据进行信号增强。
在上述实施例的基础上，本发明另一实施例对应提供了一种通信系统，所述通信系统包括第一通信设备、第二通信设备以及本发明上述任意一项所述的通信质量增强系统。
通过实施本发明实施例具有如下有益效果：
本发明提供了一种通信质量增强系统以及通信系统；通信质量增强系统包括第一通信质量增强装置和第二通信质量增强装置，使用时，将第一通信质量增强装置与第一通信设备连接，将第二通信质量增强装置与第二通信设备连接。第一通信质量增强装置设置有用于编码第一神经网络和用于解码的第二神经网络，第二通信质量增强装置设置有用于编码第三神经网络和用于解码的第四神经网络；各神经网络的训练样本，包含了第一通信设备、第二通信设备、第一通信设备与第二通信设备之间的信道以及通信质量增强装置与通信设备之间的信道所组成的特定工作信道的噪声与响应，因此上述各神经网络能够根据特定工作信道的工作状态进行更新，使得第一通信增强装置和第二通信增强装置，能够针对的当下的特定工作信道的状态进行信号的编码和解码，从而提高在该特定工作信道下的编码和解码能力，进而增强第一通信设备与第二通信设备之间的通信质量；此外，现有通信系统通常由多个功能模块(如调制、解调、信源编码、信源解码、信道编码、信道解码和交织等等)所组成，这些功能模块一般都是独立优化的。这些独立优化的功能模块所共同组成的通信系统在理论上很难达到全局最优的状态。而在本发明将这些功能模块均由神经网络所取代，各神经网络是联合训练的，所以在理论上可以达到全局最优的状态，进一步提高了通信质量的增强效果。
附图说明
图1是本发明一实施例提供的通信质量增强装置与通信设备连接的结构示意图。
图2是本发明一实施例提供的一数据从第一通信质量增强装置传输至第二通信质量增强装置的示意图。
图3是本发明一实施例提供的第一神经网络和第二神经网络的训练原理图。
图4是本发明一实施例提供的第三神经网络和第四神经网络的训练原理图。
图5是本发明一实施例提供的第一通信质量增强装置的结构示意图。
图6是本发明又一实施例提供的第一通信质量增强装置的结构示意图。
图7是本发明又一实施例提供的第一通信质量增强装置的结构示意图。
图8是本发明又一实施例提供的第一通信质量增强装置的结构示意图。
图9是本发明一实施例提供的第二通信质量增强装置的结构示意图。
图10是本发明一实施例提供的第二通信质量增强装置的结构示意图。
图11是本发明一实施例提供的第二通信质量增强装置的结构示意图。
图12是本发明一实施例提供的第二通信质量增强装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明一实施例提供了一种通信质量增强系统，包括：第一通信质量增强装置和第二通信质量增强装置；所述第一通信质量增强装置与第一通信设备连接，所述第二通信质量增强装置与第二通信设备连接，所述第一通信设备与所述第二通信设备相互通信；
所述第一通信质量增强装置中设置有第一神经网络和第二神经网络；所述第一通信质量增强装置，用于通过第一神经网络将第一数据进行编码，继而将第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；以及，通过第二神经网络对由第二通信设备传输至第一通信设备的第二数据进行解码；
所述第二通信质量增强装置中设置有第三神经网络和第四神经网络；所述第二通信质量增强装置，用于通过第三神经网络将第二数据进行编码，继而将第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；以及，通过第四神经网络对由第一通信设备传输至第二通信设备的第一数据进行解码；
其中，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练；所述第一通信质量增强装置经第一通信设备和第二通信设备将已知样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对已知样本进行重建得到第二样本；第二通信质量增强装置经第二通信设备和第一通信设备将第二样本以及已知样本传输至第一通信质量增强装置，以使第一通信质量增强装置对所述第二样本进行重建得到第三样本，并对已知样本进行重建得到第四样本；
第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练；
第二通信增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练；第二通信增强装置将已知训练样本经第二通信设备和第一通信设备将已知样本传输至第一通信质量增强装置，以使所述第一通信质量增强装置对已知样本进行重建得到第五样本；第一通信增强装置经第一通信设备和第二通信设备将第五样本以及已知训练样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对第五样本进行重建后得到的第六样本，对已知训练样本进行重建后得到的第七样本；
第二通信增强装置基于已知样本和第七样本对第四神经网络进行训练。
具体的，本发明所提供的通信质量增强系统，包括第一通信质量增强装置和第二通信质量增强装置；第一通信质量增强装置和第二通信质量增强装置成对使用，使用时将第一通信质量增强装置和第二通信质量增强装置分别与一个通信设备连接，此时第一通信质量增强装置和第二通信质量增强装置相当于一个外挂设备，对两个通信设备的通信质量进行增强。示意性的，上述第一通信设备和第二通信设备均为无线电电台，两个无线电电台之间基于无线信道进行通信，上述连个两个通信质量增强装置可以为外挂式或手持式。上述两个通信质量增强装置在正式工作之前需要先基于当前特定的工作信道对内部的神经网络进行训练，从而使得训练后的两个通信质量增强装置能够基于当前特定的工作信道的工作状态对在当前工作信道传输的数据进行针对性的处理，进而提高通信质量。
以下对两个通信质量增强装置中所搭载的神经网络进行说明：
首先需要了解一个数据从一个通信质量增强装置传输另一个通信质量增强装置这一过程中数据的变化情况；
如图2所示，以数据从第一通信增强装置传输至第二通信质量增强装置为例：A为第一通信质量增强装置从外部获取的待发送数据，第一神经网络对A进行数据处理(这一数据处理包括：编码)后形成数据X，传输至第一通信设备(图中未画出)，其公式表达为：
Figure BDA0003526404790000091
Figure BDA0003526404790000092
表示第一神经网络，其中的θT表示第一神经网络的参数；X经过工作信道进行传输(上述工作信道可以作，由第一设备、第二通信设备、第一通信增强装置与第一通信设备之间的信道、第一通信设备与第二通信设备之间的信道以及第二通信设备与第二通信质量增装置之间信道，所抽象成的一个虚拟信道)在工作信道的噪声和响应的影响下形成数据Y，其公式表达为：y＝h(x)+n；h表示工作信道的响应，n表示工作信道中的加性噪声。第二通信质量增强装置接收数据Y，通过第四神经网络对Y进行数据处理(这一数据处理包括：解码)，得到重建后的数据A1:其公式表达为：
Figure BDA0003526404790000093
Figure BDA0003526404790000094
表示第四神经网络，其中的θR表示第四神经网络的参数；
当A和A1的损失函数非常小时，我们可以认为第一通信质量增强装置、第一通信设备、第二通信设备以及第二通信质量增强装置所组成的通信系统是准确的。Loss(A,A1)→0；0表示0向量其维度需依据通信系统传输的信号确定。
在了解上述内容后，以下对第一通信增强装置和第二通信增强装置中神经网络的训练进行逐一说明；
如图3所示，对于第一神经网络：在一个优选的实施例中，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练，具体包括：根据所述第三样本和所述第四样本构建第一损失函数；根据第一神经网络的第一输出张量以及第一松弛张量构建第二损失函数；其中，所述第一输出张量为所述第一神经网络以已知训练样本为输入所生成的输出张量；所述第一松弛张量为对所述第一输出张量进行松弛操作后所形成的张量；根据所述第一损失函数以及所述第二损失函数生成总损失函数，并根据所述总损失函数对所述第一神经网络进行训练。
具体的，训练时，第一通信质量增强装置将已知训练样本M由第一神经网络处理后，经第一设备以及第二设备传输至第二通信质量增强装置，第二通信质量增强装置基于第四神经网络对接收的已知训练样本进行处理，重建得到第二样本M2。定义
Figure BDA0003526404790000101
为第一神经网络，
Figure BDA0003526404790000102
为第二神经网络，
Figure BDA0003526404790000103
为第三神经网络，
Figure BDA0003526404790000104
为第四神经网络，h1为第一通信质量增强装置将数据传输至第二通信质量增强装置时，数据所穿过的信道的响应，n1为第一通信质量增强装置将数据传输至第二通信质量增强装置时，数据所穿过的信道的噪声，h2为第二通信质量增强装置将数据传输至第一通信质量增强装置时，数据所穿过的信道的响应，n2为第二通信质量增强装置将数据传输至第一通信质量增强装置时，数据所穿过的信道的噪声；
则有：
Figure BDA0003526404790000105
紧接着第二通信质量增强装置，然后将第二样本M2以及已知训练样本M由第三神经网络处理后，经第二通信设备以及第一通信设备传输至第一通信质量增强装置，第一通信质量增强装置基于第二神经网络对接收的第二样本M2以及已知训练样本M进行处理，将第二样本M2重建得到第三样本M3，将已知训练样本进行重建得到第四样本M4；
则有：
Figure BDA0003526404790000111
对比M3和M4的计算公式，且考虑到在短时间内，h2和n2的分布特征、功率不会发生突变可知：当Loss(M4,M3)→0时，有Loss(M,M2)→0。因此可以利用第三样本M3与第四样本M4所构建的损失函数Loss(M4,M3)，来替代已知训练样本M与第二样本M2所构建的损失函数Loss(M,M2)；而第三样本M3和第四样本M4均可以由在本地获取，即第一通信质量增强装置可以在本地获取到充足的信息以估算第一神经网络的训练梯度，无需构建额外的通信链路以及信道模型。在现有的可端到端学习的智能通信系统中，梯度信息无法跨越不可微分的物理信道，导致可端到端学习的智能通信系统中的发送端无法获取训练梯度，从而无法被训练。为解决这一问题，在现有技术中通常采用两类训练方法进行训练。第一类训练方法，是采用可微分的信道模型来代替真实信道的方式，进行可端到端学习的智能通信系统的训练。第二类训练方法是，额外构建一条可靠的通信链路，把接收端的训练相关信息传递给发射机。但是在实际操作过程中，构建信道模型或额外构建通信链路的难度和成本都非常高，从而使得智能通信系统的训练难度较大且成本较高。而采用本发明上述方法来获取的训练样本(第三样本和第四样本)包含了工作信道的噪声和响应，且无需构建额外的通信链路以及信道模型，解决上述问题。
紧接着，第一通信质量增强装置根据第三样本M3和第四样本M4构建第一损失函数Loss(M4,M3)；上述第一损失函数可视实际情况采用如下任意一项所示的方式进行构建：交叉、均方误差和峰值信噪比等。
然后根据第一输出张量和第一松弛张量构建第二损失函数：设以已知训练样本M为输入时，第一神经网络的输出为x1，利用x1与x1+c1计算第二损失函数Loss(x1,x1+c1)。x1+c1是对x1进行松弛操作后所得到的一个张量，优选的c1可以为一个与x1大小相同的服从高斯分布的随机张量。优选的，高斯分布的均值与方差可根据运算器的位数与性能进行调整，其典型值可设定为0和10-8。同样上述第二损失函数可视实际情况采用如下任意一项所示的方式进行构建：均方误差函数以及峰值信噪比等。需要说明的是，在本发明中将一个张量进行松弛操作的方法可以为，将一个张量加上与其大小相同的且服从高斯分布的随机张量，当然也可以采用其他的松弛方法，只需要能够获得对应的松弛张量即可。
最后将上述第一损失函数Loss(M4,M3)与第二损失函数Loss(x1,x1+c1)进行组合即可得到总损失函数，通过总损失函数来对第一神经网络进行训练。需要说明的是，第一损失函数与第二损失函数的组合形式包括以下任意一种组合形式：相乘、相加、积分以及取倒数相乘。示意性的，总损失函数可以为：L＝Loss(M4,M3)*Loss(x1,x1+c1)。
对于第二神经网络，在一个优选的实施例中，第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练，具体包括：根据已知训练样本以及所述第四样本构建第三损失函数；根据所述第三损失函数对所述第二神经网络进行训练。具体的，在训练第二神经网络时，第二通信质量增强装置基于第三神经网络对一个已知训练样本M进行处理后，经第二通信设备和第一通信设备传输至第一通信质量增强装置，第一通信质量增强装置基于第二神经网络对由第二通信质量增强装置传输的已知训练样本进行处理，重建得到上述第四样本M4；然后根据已知训练样本M以及第四样本M4构建第三损失函数，根据所构建的第三损失函数对第二神经网络进行训练。同理，第三损失函数可视实际情况采用如下任意一项所示的方式进行构建：交叉熵以及均方误差函等。
对于第三神经网络，在一个优选的实施例中，第二通信增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练，具体包括：
根据所述第六样本以及所述第七样本构建第四损失函数；
根据第三神经网络的第二输出张量以及第二松弛张量构建第五损失函数；其中，所述第二输出张量为所述第三神经网络以已知训练样本为输入所生成的输出张量；所述第二松弛张量为对所述第二输出张量进行松弛操作后所形成的张量；
根据所述第四损失函数以及所述第五损失函数生成第二总损失函数，并根据所述第二总损失函数对所述第三神经网络进行训练。
具体的，如图4所示，第二通信质量增强装置基于第三神经网络将已知训练样本进行数据处理后，经第二通信设备以及第一通信设备传输至第一通信质量增强装置，第一通信质量增强装置由第二通信质量增强装置所传输的已知训练样本，然后基于第二神经网络进行数据处理，重建得到第五样本M5；然后将第五样本M5以及一个已知训练样本M基于第一神经网络进行数据处理后，仅第一通信设备以及第二通信设备传输至第二通信质量增强装置；第二通信质量增强装置基于第四神经网络对第五样本M5进行数据处理，重建得到第六样本M6，对由第一通信质量增强装置传输的已知训练样本进行数据处理，重建得到第七样本M7；紧接着根据第六样本M6和第七样本M7构建第四损失函数Loss(M6,M7)(第四损失函数的构建方式可采用以下任意一项方式进行构建：交叉、均方误差和峰值信噪比等),紧接着根据第三神经网络的第二输出张量x2以及第二松弛张量x2+c2构建第五损失函数Loss(x2,x2+c2)(同样上述第五损失函数可视实际情况采用如下任意一项所示的方式进行构建：均方误差函数以及峰值信噪比等。)；其中，所述第二输出张量x2为所述第二神经网络以已知训练样本M为输入所生成的输出张量；第二松弛张量x2+c2为对所述第二输出张量进行松弛操作后所形成的张量；优选c2为与所述第二输出张量大小相同且服从高斯分布的随机张量；最后，根据所述第四损失函数Loss(M6,M7)以及第五损失函数Loss(x2,x2+c2)生成第二总损失函数，并根据所述第二总损失函数对所述第三神经网络进行训练。同理，第四损失函数与第五损失函数的组合形式包括以下任意一种组合形式：相乘、相加、积分以及取倒数相乘。示意性的，第二总损失函数可以为：L2＝Loss(M6,M7)*Loss(x2,x2+c2)。
对于第四神经网络，在一个优选的实施例中，第二通信增强装置基于已知样本和第七样本对第四神经网络进行训练，具体包括：根据已知训练样本以及所述第七样本构建第六损失函数；根据所述第六损失函数对所述第四神经网络进行训练。具体的，在训练第四神经网络时，先由第一通信质量增强装置基于第一神经网络对一已知训练样本M进行数据处理后，经第一通信设备和第二通信设备传输至第二通信质量增强装置，第二通信质量增强装置接收由第一通信质量增强装置传输的已知训练样本，基于第四神经网络进行数据处理，重建得到上述第七样本M7；然后根据已知训练样本M以及第四样本M7构建第六损失函数，根据所构建的第六损失函数对第二接收机进行训练。同理，第六损失函数可视实际情况采用如下任意一项所示的方式进行构建：交叉熵以及均方误差函等。
按上述所示方法可以完成对第一神经网络、第二神经网络、第三神经网络以及第四神经网络的一次整体的训练。需要说明的是，在实际训练过程中需要对第一通信质量增强装置以及第二通信质量增强装置内的神经网络进行多次的交替迭代训练，直至预设次数，在每次迭代训练时，先由第一通信质量增强装置对第一神经网络，由第二通信质量增强装置对第三神经网络进行训练，再由第一通信质量增强装置对第二神经网络，由第二通信质量增强装置对第四神经网络进行训练。需要说明的是，在上述训练过程中所提及的第一神经网络和第三神经网络对数据进行的数据处理主要包括编码，第二神经网络和第四神经网络对数据进行的数据处理主要包括解码。训练完毕后，即可以使用第一通信质量增强装置和第二通信质量增强装置对第一通信设备与第二通信设备之间的通信进行增强。
在一个优选的实施例中，上述第一神经网络以及第三神经网络可以采用的自编码器中编码器的网络结构，上述第二神经网络以及第四神经网络可以采用的自编码器中解码器的网络结构，当然也可以根据实际情况选用其他的网络结构。
通过上述方法训练后的各神经网络能够根据特定工作信道的工作状态进行神经网络参数的更新，使得第一通信增强装置和第二通信增强装置，能够针对的当下的特定工作信道的状态进行信号的编码和解码使得第一通信增强装置和第二通信增强装置对当前特定工作信道具有良好的特异性，从而提高在该特定工作信道下的编码和解码能力，进而第一通信设备与第二通信设备之间的通信质量(包括传输速率和抗噪能力)。
以下对第一通信质量增强装置和第二通信质量增强装置的硬件组成进行介绍：
在一个优选的实施例中，所述第一通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第一通信设备连接；所述第二通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第二通信设备连接。
示意性的，在本发明中第一通信质量增强装置通过一音频线与第一通信设备(第一无线电电台)连接，第二第一通信质量增强装置通过一音频线与第二通信设备(第二无线电电台)连接。如图5和图9所示，所述第一通信质量增强装置，包括：第一数据输入模块、第一数据处理模块、第一数据输出模块、第二数据输入模块、第二数据处理模块以及第二数据输出模块；所述第一数据处理模块搭载有所述第一神经网络；所述第二数据处理模块搭载有所述第二神经网络；
第一数据输入模块，用于获取所述第一数据并将所述第一数据传输至所述第一数据处理模块；
所述第一数据处理模块，用于通过所述第一神经网络对所述第一数据进行编码，继而将第一数据传输至第一数据输出模块；
所述第一数据输出模块，用于将所述第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；
所述第二数据输入模块，用于接收所述第二数据并将所述第二数据传输至第二数据处理模块；
所述第二数据处理模块，用于通过第二神经网络对所述第二数据进行解码，继而将所述第二数据传输至第二数据输出模块；
所述第二数据输出模块，用于将所述第二数据输出；
所述第二通信质量增强装置，包括：第三数据输入模块、第三数据处理模块、第三数据输出模块、第四数据输入模块、第四数据处理模块以及第四数据输出模块；所述第三数据处理模块搭载有所述第三神经网络；所述第四数据处理模块搭载有所述第四神经网络；
第三数据输入模块，用于获取所述第二数据并将所述第二数据传输至所述第三数据处理模块；
所述第三数据处理模块，用于通过所述第三神经网络对所述第二数据进行编码，继而将第二数据传输至第三数据输出模块；
所述第三数据输出模块，用于将所述第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；
所述第四数据输入模块，用于接收所述第一数据并将所述第一数据传输至第四数据处理模块；
所述第四数据处理模块，用于通过第四神经网络对所述第一数据进行解码，继而将所述第一数据传输至第四数据输出模块；
所述第四数据输出模块，用于将所述第一数据输出。
在这一实施例中，由于第一神经网络与第三神经网络只进行数据的编码，第二神经网络和第四神经网络只进行数据的解码，因此在前述对第一神经网络、第三神经网络、第二神经网络和第四神经网络的训练过程中，第一神经网络和第三神经网络对数据进行的数据处理主要为编码，第二神经网络和第四神经网络对数据进行的数据处理主要为解码。
需要说明是，在本发明中上述第一数据以及第二数据，可以为以下任意一类型的数据：音频、视频、图片以及比特流等。上述数据输入模块(包括第一数据输入模块和第二数据输入模块)和数据输出模块(包括第一数据输出模块和第二数据输出模块)可以根据第一数据以及第二数据的数据类型，来确定具体的模块类型。
如图6和图10所示，在一个优选的实施例中，述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为音频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为音频输出模块。在这一实施例中，本发明所提供的两个通信质量增强装置是对音频数据进行增强的，此时两个通信设备之间传输的也是音频数据，两个通信质量增强装置通过音频线与对应的通信设备连接。
如图7和图11所示，在一个优选的实施例中，所述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为视频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为视频输出模块。在这一实施例中，本发明所提供的两个通信质量增强装置是对视频数据进行增强的，此时两个通信设备之间传输的也是视频数据，两个通信质量增强装置通过视频传输线与对应的通信设备连接。如图8和图12所示，所述第一通信质量增强装置，包括第一数据增强模块和第一数据压缩模块；所述第一数据压缩模块，用于在第一数据输入模块将第一数据传输至第一数据处理模块之前，对第一数据进行数据压缩；所述第一数据增强模块，用于在第二数据处理模块将第二数据传输至第二数据输出模块之前，对第二数据进行信号增强；所述第二通信质量增强装置，包括第二数据增强模块和第二数据压缩模块；所述第二数据压缩模块，用于在第三数据输入模块将第二数据传输至第三数据处理模块之前，对第二数据进行数据压缩；所述第二数据增强模块，用于在第四数据处理模块将第一数据传输至第四数据输出模块之前，对第一数据进行信号增强。在这一实施例中，通信质量增强装置中设备有数据压缩模块和数据增强模块，可以通过数据压缩模块对外部接收的输入数据进行压缩，通过数据增强模块对将要输出至外部的数据进行信号放大等操作，起到数据增强的效果。
在上述实施例的基础上，本发明另一实施例提供了一种通信系统，所述通信系统包括第一通信设备、第二通信设备以及本发明任意一项所述的通信质量增强系统。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (11)

1.一种通信质量增强系统，其特征在于，包括：第一通信质量增强装置和第二通信质量增强装置；所述第一通信质量增强装置与第一通信设备连接，所述第二通信质量增强装置与第二通信设备连接，所述第一通信设备与所述第二通信设备相互通信；
所述第一通信质量增强装置中设置有第一神经网络和第二神经网络；所述第一通信质量增强装置，用于通过第一神经网络将第一数据进行编码，继而将第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；以及，通过第二神经网络对由第二通信设备传输至第一通信设备的第二数据进行解码；
所述第二通信质量增强装置中设置有第三神经网络和第四神经网络；所述第二通信质量增强装置，用于通过第三神经网络将第二数据进行编码，继而将第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；以及，通过第四神经网络对由第一通信设备传输至第二通信设备的第一数据进行解码；
其中，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练；所述第一通信质量增强装置经第一通信设备和第二通信设备将已知样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对已知样本进行重建得到第二样本；第二通信质量增强装置经第二通信设备和第一通信设备将第二样本以及已知样本传输至第一通信质量增强装置，以使第一通信质量增强装置对所述第二样本进行重建得到第三样本，并对已知样本进行重建得到第四样本；
第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练；
第二通信质量 增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练；第二通信增强装置将已知训练样本经第二通信设备和第一通信设备将已知样本传输至第一通信质量增强装置，以使所述第一通信质量增强装置对已知样本进行重建得到第五样本；第一通信增强装置经第一通信设备和第二通信设备将第五样本以及已知训练样本传输至第二通信质量增强装置，以使所述第二通信质量增强装置对第五样本进行重建后得到的第六样本，对已知训练样本进行重建后得到的第七样本；
第二通信质量 增强装置基于已知样本和第七样本对第四神经网络进行训练。
2.如权利要求1所述的通信质量增强系统，其特征在于，第一通信质量增强装置基于已知样本、第三样本以及第四样本对所述第一神经网络进行训练，具体包括：
根据所述第三样本和所述第四样本构建第一损失函数；
根据第一神经网络的第一输出张量以及第一松弛张量构建第二损失函数；其中，所述第一输出张量为所述第一神经网络以已知训练样本为输入所生成的输出张量；所述第一松弛张量为对所述第一输出张量进行松弛操作后所形成的张量；
根据所述第一损失函数以及所述第二损失函数生成总损失函数，并根据所述总损失函数对所述第一神经网络进行训练。
3.如权利要求1所述的通信质量增强系统，其特征在于，第一通信质量增强装置基于已知样本以及所述第四样本对第二神经网络进行训练，具体包括：
根据已知训练样本以及所述第四样本构建第三损失函数；
根据所述第三损失函数对所述第二神经网络进行训练。
4.如权利要求1所述的通信质量增强系统，其特征在于，第二通信质量 增强装置基于已知样本、第六样本以及第七样本对第三神经网络进行训练，具体包括：
根据所述第六样本以及所述第七样本构建第四损失函数；
根据第三神经网络的第二输出张量以及第二松弛张量构建第五损失函数；其中，所述第二输出张量为所述第三神经网络以已知训练样本为输入所生成的输出张量；所述第二松弛张量为对所述第二输出张量进行松弛操作后所形成的张量；
根据所述第四损失函数以及所述第五损失函数生成第二总损失函数，并根据所述第二总损失函数对所述第三神经网络进行训练。
5.如权利要求1所述的通信质量增强系统，其特征在于，第二通信质量 增强装置基于已知样本和第七样本对第四神经网络进行训练，具体包括：
根据已知训练样本以及所述第七样本构建第六损失函数；
根据所述第六损失函数对所述第四神经网络进行训练。
6.如权利要求1所述的通信质量增强系统，其特征在于，所述第一通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第一通信设备连接；所述第二通信质量增强装置通过音频接口、串行接口、网络接口、USB接口或I/0接口与所述第二通信设备连接。
7.如权利要求1所述的通信质量增强系统，其特征在于，所述第一通信质量增强装置，包括：第一数据输入模块、第一数据处理模块、第一数据输出模块、第二数据输入模块、第二数据处理模块以及第二数据输出模块；所述第一数据处理模块搭载有所述第一神经网络；所述第二数据处理模块搭载有所述第二神经网络；
第一数据输入模块，用于获取所述第一数据并将所述第一数据传输至所述第一数据处理模块；
所述第一数据处理模块，用于通过所述第一神经网络对所述第一数据进行编码，继而将第一数据传输至第一数据输出模块；
所述第一数据输出模块，用于将所述第一数据传输至第一通信设备，以使所述第一通信设备将第一数据传输至第二通信设备；
所述第二数据输入模块，用于接收所述第二数据并将所述第二数据传输至第二数据处理模块；
所述第二数据处理模块，用于通过第二神经网络对所述第二数据进行解码，继而将所述第二数据传输至第二数据输出模块；
所述第二数据输出模块，用于将所述第二数据输出；
所述第二通信质量增强装置，包括：第三数据输入模块、第三数据处理模块、第三数据输出模块、第四数据输入模块、第四数据处理模块以及第四数据输出模块；所述第三数据处理模块搭载有所述第三神经网络；所述第四数据处理模块搭载有所述第四神经网络；
第三数据输入模块，用于获取所述第二数据并将所述第二数据传输至所述第三数据处理模块；
所述第三数据处理模块，用于通过所述第三神经网络对所述第二数据进行编码，继而将第二数据传输至第三数据输出模块；
所述第三数据输出模块，用于将所述第二数据传输至第二通信设备，以使所述第二通信设备将第二数据传输至第一通信设备；
所述第四数据输入模块，用于接收所述第一数据并将所述第一数据传输至第四数据处理模块；
所述第四数据处理模块，用于通过第四神经网络对所述第一数据进行解码，继而将所述第一数据传输至第四数据输出模块；
所述第四数据输出模块，用于将所述第一数据输出。
8.如权利要求7所述的通信质量增强系统，其特征在于，所述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为音频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为音频输出模块。
9.如权利要求7所述的通信质量增强系统，其特征在于，所述第一数据输入模块、所述第二数据输入模块、所述第三数据输入模块以及所述第四数据输入模块均为视频输入模块；所述第一数据输出模块、所述第二数据输出模块、所述第三数据输出模块以及所述第四数据输出模块均为视频输出模块。
10.如权利要求7所述的通信质量增强系统，其特征在于，所述第一通信质量增强装置，包括第一数据增强模块和第一数据压缩模块；
所述第一数据压缩模块，用于在第一数据输入模块将第一数据传输至第一数据处理模块之前，对第一数据进行数据压缩；
所述第一数据增强模块，用于在第二数据处理模块将第二数据传输至第二数据输出模块之前，对第二数据进行信号增强；
所述第二通信质量增强装置，包括第二数据增强模块和第二数据压缩模块；
所述第二数据压缩模块，用于在第三数据输入模块将第二数据传输至第三数据处理模块之前，对第二数据进行数据压缩；
所述第二数据增强模块，用于在第四数据处理模块将第一数据传输至第四数据输出模块之前，对第一数据进行信号增强。
11.一种通信系统，其特征在于，包括第一通信设备、第二通信设备以及如权利要求1-10任意一项所述的通信质量增强系统。
CN202210197286.1A 2022-03-01 2022-03-01 一种通信质量增强系统及通信系统 Active CN114710235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210197286.1A CN114710235B (zh) 2022-03-01 2022-03-01 一种通信质量增强系统及通信系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210197286.1A CN114710235B (zh) 2022-03-01 2022-03-01 一种通信质量增强系统及通信系统

Publications (2)

Publication Number Publication Date
CN114710235A CN114710235A (zh) 2022-07-05
CN114710235B true CN114710235B (zh) 2022-11-04

Family

ID=82166877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210197286.1A Active CN114710235B (zh) 2022-03-01 2022-03-01 一种通信质量增强系统及通信系统

Country Status (1)

Country Link
CN (1) CN114710235B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110460402A (zh) * 2019-07-15 2019-11-15 哈尔滨工程大学 一种基于深度学习的端到端通信系统建立方法
CN111712835A (zh) * 2018-01-02 2020-09-25 诺基亚技术有限公司 数据传输系统中的信道建模
CN113128679A (zh) * 2020-01-14 2021-07-16 诺基亚技术有限公司 在通信系统中进行训练
CN113537491A (zh) * 2021-07-19 2021-10-22 上海眼控科技股份有限公司 神经网络训练方法、设备及计算机可读介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3418948B1 (en) * 2017-06-19 2020-06-03 Nokia Technologies Oy Data transmission network configuration

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111712835A (zh) * 2018-01-02 2020-09-25 诺基亚技术有限公司 数据传输系统中的信道建模
CN110460402A (zh) * 2019-07-15 2019-11-15 哈尔滨工程大学 一种基于深度学习的端到端通信系统建立方法
CN113128679A (zh) * 2020-01-14 2021-07-16 诺基亚技术有限公司 在通信系统中进行训练
CN113537491A (zh) * 2021-07-19 2021-10-22 上海眼控科技股份有限公司 神经网络训练方法、设备及计算机可读介质

Also Published As

Publication number Publication date
CN114710235A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN105680999A (zh) 一种信道状态信息测量方法、终端和网络设备
Kolte et al. Capacity approximations for Gaussian relay networks
CN109361492B (zh) 一种联合物理层网络编码和极化码的高性能译码方法
CN105007141A (zh) 多用户mimo中继系统的信息传输方法
CN114710235B (zh) 一种通信质量增强系统及通信系统
Boche et al. Wiretap channels with side information—Strong secrecy capacity and optimal transceiver design
CN101902796B (zh) 获取度分布的方法、数据传输方法、设备及中继系统
Oggier et al. Algebraic Cayley Differential Space–Time Codes
CN101754343B (zh) 一种信道传输质量的反馈方法、系统和设备
CN103117780A (zh) 一种消除mimo系统中多用户干扰的方法
CN109347769B (zh) 双向多输入多输出中继系统的信道联合估计方法
Khorsandmanesh et al. Quantization-aware precoding for MU-MIMO with limited-capacity fronthaul
EP3562043A1 (en) Methods for compression of multivariate correlated data for multi-channel communication
Downey et al. In the Future, AIs—Not Humans—Will Design Our Wireless Signals
Shevchuk Theoretical and algorithmic foundations of improving the efficiency of packet data transmission in high-speed and secure radio networks
Östman et al. Finite-blocklength bounds on the maximum coding rate of Rician fading channels with applications to pilot-assisted transmission
KR101386394B1 (ko) 다중 사용자 다중 입출력 양방향 중계 통신시스템의 성취율 최적화 방법
Shang et al. On the capacity of type I broadcast-Z-interference channels
CN104540147A (zh) 一种协作压缩感知量化转发方法
US20070104286A1 (en) Equipment and method for MIMO SC-FED communication system
Cadambe et al. Interference alignment and a noisy interference regime for many-to-one interference channels
Piantanida et al. Analog index coding over block-fading MISO broadcast channels with feedback
KR101354137B1 (ko) 자기간섭을 허용하는 네트워크 부호화를 통하여 다중 사용자 다중 입출력 셀룰러 통신시스템의 통신용량을 증대시키기 위한 양방향 중계 통신방법
CN114726394B (zh) 一种智能通信系统的训练方法及智能通信系统
CN114499770B (zh) 一种基于深度学习的多用户下行csi反馈方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant