典型文献
信噪比自适应Turbo自编码器信道编译码技术
文献摘要：
作为通信系统中基本的组成部分,信道编码使信息在传输的过程中能够抵抗信道的干扰.随着人工智能的发展,深度学习(Deep Learning,DL)越来越多地被用到通信领域解决实际问题.近年来,有学者提出将DL应用于端到端的信道编译码系统,并展现出了其良好的性能.现有基于DL的信道编译码方法在特定信噪比(Signal-to-Noise ratio,SNR)下训练网络模型,然而,在部署实际通信系统时,并不能保证信道条件和训练时是一致的,导致对于不同的SNR,需要存储大量模型.基于此,提出了自适应信道SNR的Turbo自编码器信道编译码系统,通过引入注意力机制感知信道变化,生成与信道条件相匹配的编码码字.仿真结果表明,该方法能够有效应对信道条件的变化,大幅降低设备端神经网络参数的存储开销.
文献关键词：
信道编译码;深度学习;注意力机制
中图分类号：
作者姓名：
胡启蕾;许佳龙;李伦;钟章队;艾渤;陈为
作者机构：
北京交通大学 轨道交通控制与安全国家重点实验室,北京100044;中兴通讯股份有限公司,广东 深圳518057;宽带移动信息通信铁路行业重点实验室,北京100044;智慧高铁系统前沿科学中心,北京100044;北京市高速铁路宽带移动通信工程技术研究中心,北京100044
文献出处：
引用格式：
[1]胡启蕾;许佳龙;李伦;钟章队;艾渤;陈为-.信噪比自适应Turbo自编码器信道编译码技术)[J].无线电通信技术,2022(04):680-688
A类：
B类：
Turbo,自编码器,信道编译码,编译码技术,通信系统,信道编码,Deep,Learning,DL,地被,通信领域,解决实际问题,端到端,Signal,Noise,ratio,SNR,注意力机制,码字,网络参数,存储开销
AB值：
0.276616
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
