CN115085780B - 基于信道反馈的海上高可靠端到端通信自编码器设计方法 - Google Patents

基于信道反馈的海上高可靠端到端通信自编码器设计方法 Download PDF

Info

Publication number
CN115085780B
CN115085780B CN202210483234.0A CN202210483234A CN115085780B CN 115085780 B CN115085780 B CN 115085780B CN 202210483234 A CN202210483234 A CN 202210483234A CN 115085780 B CN115085780 B CN 115085780B
Authority
CN
China
Prior art keywords
encoder
offshore
channel
self
feedback
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
CN202210483234.0A
Other languages
English (en)
Other versions
CN115085780A (zh
Inventor
林彬
吴楠
李佳烨
韩晓玲
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.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202210483234.0A priority Critical patent/CN115085780B/zh
Publication of CN115085780A publication Critical patent/CN115085780A/zh
Application granted granted Critical
Publication of CN115085780B publication Critical patent/CN115085780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • 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
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Error Detection And Correction (AREA)

Abstract

本发明公开了一种基于信道反馈的海上高可靠端到端通信自编码器设计方法，该方法首先建立端到端通信自编码器模块，再建立卷积神经网络，并且将其应用在自编码器的隐藏层中，设计基于卷积神经网络的端到端通信自编码器；建立莱斯衰落信道模型来描述海上通信信道，将基于卷积神经网络的端到端通信自编码器与莱斯衰落信道模型相结合，使自编码器可以很好地适应海上环境，即设计基于卷积神经网络的海上端到端通信自编码器，设计反馈信道模块和反馈解码器，将传输信号反馈到发射端的发射机进行解码与二次编码；最后结合基于卷积神经网络的海上端到端通信自编码器与信道反馈，设计基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器。

Description

基于信道反馈的海上高可靠端到端通信自编码器设计方法
技术领域
本发明涉及通信技术领域，尤其涉及一种基于信道反馈的海上高可靠端到端通信自编码器设计方法。
背景技术
人工智能已应用于各种研究领域，包括图像处理、自然语言处理和计算机视觉、通信领域等等。智能通信被认为是5G之后无线通信发展的主流方向之一，其主要思想是通过将AI技术应用到无线通信系统的各个层面，实现无线通信与AI的有机融合，大幅度提高通信系统的性能。
深度学习作为机器学习和人工智能的最新趋势之一，近年来被引入到通信系统设计中，分别在调制、信道估计、信号检测、调制识别、信道编码、信道解码和信道状态信息反馈与重建等技术实现方面取得了相应的研究结果。现代深度学习理论起源于简单线性模型，受到神经科学的影响，模型采用一组多个输入，并将它们与一个输出相关联。目前出现了针对物理层的无线传输与深度学习结合的解决方案，将此领域研究推向物理层。
自编码器做为神经网络的一种基本结构，经过训练后可以将输入复制到输出，其思想与通信系统的设计思想类似，因此被广泛的应用到通信系统物理层设计问题上。深度学习作为人工智能领域的一个热门研究方向，已被公认是极具竞争力的研究工具，有利于解决海上通信系统演进过程中存在的瓶颈问题。
发明内容
根据现有技术存在的问题，本发明公开了一种基于信道反馈的海上高可靠端到端通信自编码器设计方法，具体包括如下步骤：
建立端到端通信自编码器模块，该模块包括编码器和解码器，所述编码器位于发射端的发射机部分，将输入信号进行编码后从而输出传输信号，解码器位于接收端的接收机部分；
建立具有卷积层、池化层和全连接层的卷积神经网络；
将卷积神经元模型与自编码器模块相结合，建立基于卷积神经网络的端到端通信自编码器；
对海上信道模型进行分析，其中海上信道模型包括自由空间路径损耗模型、多径传输模型和管道效应模型，选择莱斯衰落信道对海上多径传输模型进行描述，建立海上信道模型；
将端到端通信自编码器和海上信道模型进行结合，构建基于卷积神经网络的海上端到端通信自编码器；
在基于卷积神经网络的海上端到端通信自编码器中加入反馈信道模块和反馈解码器模块，从而构建基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器；
对该基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器进行训练从而提高海上通信的可靠性。
输入端的输入信号利用one-hot向量完成符号序列的比特映射，当接收端的接收机接收到信号后，one-hot向量中所有节点对应所有码字，按照码字概率生成字节，其中取概率最大的码字输出。
将卷积神经元模型与自编码器模块相结合时：将卷积神经网络应用于自编码器的隐藏层部分，在编码器上设计三个一维卷积层和一个能量归一化层，在解码器上设计三个一维卷积层，此一维卷积层可以对所有比特信息同时处理，提高此自编码器信息处理能力。
能量归一化层对发送信号进行能量约束，确保满足传输条件。
接收信号的总强度为反射信号强度和直射信号强度的和，所述莱斯衰落信道中莱斯K因子与直射信号强度成正比。
所述反馈信道模块将编码传输后的信号反馈至发射机部分，所述反馈解码器模块对反馈信号进行解码处理，所述反馈信道模块只具有高斯白噪声。
本发明提供的一种基于信道反馈的海上高可靠端到端通信自编码器设计方法，具有以下优点：
(1)输入端的输入信号利用one-hot向量来完成符号序列的比特映射接收端的接收机接收到信号后，one-hot向量中所有节点对应所有码字，并且按照码字概率生成，最后取概率最大的码字输出。该自编码器与其他场景中获取数据集的方式不同，它可以生成足够的训练样本并同时实现标记输出。
(2)将卷积神经网络应用于自编码器的隐藏层部分，在编码器上设计三个一维卷积层和一个能量归一化层，在解码器上设计三个一维卷积层，此一维卷积层可以对所有比特信息同时处理，提高该自编码器信息处理能力。
(3)编码器模块中的能量归一化层可以对发送信号进行能量约束，确保满足传输条件。
(4)莱斯衰落信道模型可以准确描述海上多径效应，通过训练，可以使此发明很好地适应海上环境。接收端接收信号的总强度为反射信号强度和直射信号强度的和，所述莱斯衰落信道中莱斯K因子与直射信号强度成正比。
(5)反馈信道模块将编码传输后的信号反馈至发射机部分，反馈解码器模块对反馈信号进行解码，并且通过编码器进行二次编码，可以提高海上端到端通信的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的端到端通信自编码器模块图
图2为本发明提供的卷积神经网络模型图
图3为本发明提供的海上信道模型图
图4为本发明提供的基于信道反馈的海上高可靠端到端通信自编码器结构图
图5为本发明提供的基于信道反馈的海上高可靠端到端通信自编码器训练过程图
具体实施方式
为使本发明的技术方案和优点更加清楚，下面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的描述：
一种基于信道反馈的海上高可靠端到端通信自编码器设计方法，具体包括如下步骤：
步骤1：建立端到端通信自编码器模块，该模块包括编码器和解码器，所述编码器位于发射端的发射机部分，将输入信号进行编码后从而输出传输信号，解码器位于接收端的接收机部分。如图1所示，端到端通信自编码器模块具体包括：自编码器包括输入层、隐藏层和输出层，输入层与隐藏层组成编码器，隐藏层与输出层组成解码器，编码器可以对信号实现压缩降维，解码对对压缩信号进行升维重建。隐藏层具有原始信号的重要特征，可以实现无监督特征提取。
步骤2：建立具有卷积层、池化层和全连接层的卷积神经网络，具体组成如图2所示包括卷积层、激活函数、池化层、全连接层等。卷积层旨在检测前一层中特征的局部组合，池化层旨在将语义上相似的特征合并为一个，卷积、激活函数和池化的几个阶段是堆叠的，最后是一个完全连接的层。
步骤3：将卷积神经元模型与自编码器模块相结合，建立基于卷积神经网络的端到端通信自编码器。将卷积神经网络应用于自编码器的隐藏层部分，在编码器上设计三个一维卷积层和一个能量归一化层，在解码器上设计三个一维卷积层，此一维卷积层可以对所有比特信息同时处理，提高该自编码器信息处理能力。
步骤4：对海上信道模型进行分析，其中海上信道模型包括自由空间路径损耗模型、多径传输模型和管道效应模型，选择莱斯衰落信道对海上多径传输模型进行描述，如图3所示，建立海上信道模型，海上端到端信号传输具有多径效应，主要包括直射信号与海面反射信号，莱斯衰落信道模型可以很好地描述海上多径效应，接收端接收信号强度为直射信号强度与反射信号强度加和，其中莱斯K因子与直射信号强度成正比。
步骤5：将端到端通信自编码器和海上信道模型进行结合，构建基于卷积神经网络的海上端到端通信自编码器。根据海上信道模型对自编码器进行训练，调整参数，使自编码器能够更好地适应海上环境。
步骤6：在基于卷积神经网络的海上端到端通信自编码器中加入反馈信道模块和反馈解码器模块，从而构建基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器，自编码器结构如图4所示。发射机部分包括编码器模块和反馈解码器模块。编码器模块包含3个一维卷积层和一个能量归一化层。反馈解码器模块包括3个一维卷积层。信道由高斯白噪声信道和莱斯衰落信道叠加。反馈信道模块中包含高斯白噪声信道。接收机部分包括解码器模块，解码器模块包含3个一维卷积层。
步骤7：对该基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器进行训练，训练过程如图5中所示，从而提高海上通信的可靠性。其中基于信道反馈的海上高可靠端到端通信自编码器训练过程具体步骤如下：
步骤①：在第1个时间段内，发射端输入信号为符号序列，利用one-hot向量来完成符号序列的比特映射，并且输入到发射机为信号s。
步骤②：信号s通过编码器进行编码，通过3个一维卷积层对信号进行卷积运算，此一维卷积层对所有比特信息同时处理，再通过能量归一化层对发射信号进行能量约束，确保满足传输条件，输出为信号x1，可表示为如下公式，f()为编码函数。
x1＝encoder(s)＝f(s)
步骤③：信号x1通过信道进行信号传输，信道为高斯白噪声信道和莱斯衰落信道的加和，输出信号为y1，此信号到达接收端接收机并且进行储存。
步骤④：到达第2个时间段，将信号y2通过反馈信道模块进行反馈，信号y2与信号y1一致，此时反馈信道模块中只有高斯白噪声信道。
步骤⑤：信号y2通过反馈信道模块后为反馈信号w2，反馈到发射机的反馈解码器。
步骤⑥：信号w2与第1时间段的编码信号x2一起作通过反馈解码器解码，x2与信号x1一致，通过反馈解码器中3个一维卷积层解码后为信号f2，可表示为如下公式，f’()为反馈解码函数。
f1＝feeddecoder(x2+w2)＝f'(x2+w2)
步骤⑦：到达第3时间段，信号f2与初始传输信号s加和作为信号f3共同进入编码器进行二次编码，与步骤②一致，仍然通过3个一维卷积层对信号进行卷积运算，此一维卷积层对所有比特信息同时处理，再通过能量归一化层对发射信号进行能量约束，确保满足传输条件，输出为信号x3。
步骤⑧：信号x3通过信道进行信号传输，与步骤③一致，信道为高斯白噪声信道和莱斯衰落信道的加和，输出信号为y3，此信号到达接收端接收机并且进行储存。
步骤⑨：信号y3与y1加和，共同通过接收端的接收机内的解码器进行解码，通过3个一维卷积层进行解码，解码后为信号s’，信号s’再利用one-hot向量来完成比特的符号序列映射，输出即为输出信号，可表示为如下公式，f”()为解码函数。
s'＝decoder(y1+y3)＝f”(y1+y3)
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于信道反馈的海上高可靠端到端通信自编码器设计方法，其特征在于包括：
建立端到端通信自编码器模块，该模块包括编码器和解码器，所述编码器位于发射端的发射机部分，将输入信号进行编码后从而输出传输信号，解码器位于接收端的接收机部分；
建立具有卷积层、池化层和全连接层的卷积神经网络；
将卷积神经元模型与自编码器模块相结合，建立基于卷积神经网络的端到端通信自编码器；
对海上信道模型进行分析，其中海上信道模型包括自由空间路径损耗模型、多径传输模型和管道效应模型，选择莱斯衰落信道对海上多径传输模型进行描述，建立海上信道模型；
将端到端通信自编码器和海上信道模型进行结合，构建基于卷积神经网络的海上端到端通信自编码器；
在基于卷积神经网络的海上端到端通信自编码器中加入反馈信道模块和反馈解码器模块，从而构建基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器；
对该基于卷积神经网络和信道反馈的海上高可靠端到端通信自编码器进行训练从而提高海上通信的可靠性。
2.根据权利要求1所述的设计方法，其特征在于：输入端的输入信号利用one-hot向量完成符号序列的比特映射，当接收端的接收机接收到信号后，one-hot向量中所有节点对应所有码字，按照码字概率生成字节，其中取概率最大的码字输出。
3.根据权利要求1所述的设计方法，其特征在于：将卷积神经元模型与自编码器模块相结合时：将卷积神经网络应用于自编码器的隐藏层部分，在编码器上设计三个一维卷积层和一个能量归一化层，在解码器上设计三个一维卷积层，此一维卷积层对所有比特信息同时处理。
4.根据权利要求1所述的设计方法，其特征在于：能量归一化层对发送信号进行能量约束从而确保满足传输条件。
5.根据权利要求1所述的设计方法，其特征在于：接收信号的总强度为反射信号强度和直射信号强度的和，所述莱斯衰落信道中莱斯K因子与直射信号强度成正比。
6.根据权利要求1所述的设计方法，其特征在于：所述反馈信道模块将编码传输后的信号反馈至发射机部分，所述反馈解码器模块对反馈信号进行解码处理，所述反馈信道模块只具有高斯白噪声。
CN202210483234.0A 2022-05-05 2022-05-05 基于信道反馈的海上高可靠端到端通信自编码器设计方法 Active CN115085780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210483234.0A CN115085780B (zh) 2022-05-05 2022-05-05 基于信道反馈的海上高可靠端到端通信自编码器设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210483234.0A CN115085780B (zh) 2022-05-05 2022-05-05 基于信道反馈的海上高可靠端到端通信自编码器设计方法

Publications (2)

Publication Number Publication Date
CN115085780A CN115085780A (zh) 2022-09-20
CN115085780B true CN115085780B (zh) 2023-07-04

Family

ID=83247255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210483234.0A Active CN115085780B (zh) 2022-05-05 2022-05-05 基于信道反馈的海上高可靠端到端通信自编码器设计方法

Country Status (1)

Country Link
CN (1) CN115085780B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110351212A (zh) * 2019-08-10 2019-10-18 南京理工大学 快衰落信道下基于卷积神经网络的信道估计方法
CN111327381A (zh) * 2020-02-04 2020-06-23 清华大学 基于深度学习的无线通信物理层收发端的联合优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200257985A1 (en) * 2019-02-08 2020-08-13 DeepSig Inc. Adversarially generated communications
KR102631741B1 (ko) * 2019-10-15 2024-02-01 한국전자통신연구원 방송 신호 검출 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110351212A (zh) * 2019-08-10 2019-10-18 南京理工大学 快衰落信道下基于卷积神经网络的信道估计方法
CN111327381A (zh) * 2020-02-04 2020-06-23 清华大学 基于深度学习的无线通信物理层收发端的联合优化方法

Also Published As

Publication number Publication date
CN115085780A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN110474716B (zh) 基于降噪自编码器的scma编解码器模型的建立方法
CN109728824B (zh) 一种基于深度学习的ldpc码迭代译码方法
CN110909744B (zh) 结合语义分割的多描述编码方法及系统
CN114337933B (zh) 基于scma的高速可见光通信系统及自适应编解码方法
CN107453807B (zh) 一种大气光通信信道模型的极化方法、装置及电子设备
CN113379040A (zh) 基于语义编码的混合重传方法
CN114268328A (zh) 一种基于双向lstm的卷积码译码方法与卷积码编码和译码方法
CN109525254B (zh) 基于深度学习的卷积码软判决译码方法
Luo et al. Autoencoder-based semantic communication systems with relay channels
CN116436567A (zh) 一种基于深度神经网络的语义通信方法
CN109525253B (zh) 基于深度学习和集成方法的卷积码译码方法
CN114978315B (zh) 基于拟合法的scma辅助可见光通信编解码方法及系统
CN115085780B (zh) 基于信道反馈的海上高可靠端到端通信自编码器设计方法
CN113938254A (zh) 一种基于注意力机制的分层信源信道联合编码传输系统及其传输方法
CN113381799A (zh) 基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法
CN100471189C (zh) 一种4fsk软解调方法
Tabi et al. Hybrid Quantum-Classical Autoencoders for End-to-End Radio Communication
Dong et al. Innovative semantic communication system
CN110445554A (zh) 一种基于实际信道衰落统计的非相干水声通信方法及系统
CN112953565B (zh) 一种基于卷积神经网络的归零卷积码译码方法和系统
CN108199807B (zh) 一种极化码可靠性估计方法
CN110401455B (zh) 基于格雷码结构的无线随钻测量系统极化信道编解码方法
CN112803951A (zh) 一种降低通信系统接收信号的噪声的方法及接收端和通信系统
Ren et al. Asymmetric Semantic Communication System Based on Diffusion Model in IoT
Wang et al. SNN-SC: A Spiking Semantic Communication Framework for Feature Transmission

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