基于深度学习的自编码器端到端物理层优化方案
基于深度学习的自编码器端到端物理层优化方案
复制标题
DOI：
10.19678/j.issn.1000-3428.0055197
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
胡海霞
中科院分区：
文献类型：
--
作者：
叶佩文;贾向东;杨小蓉;胡海霞
5G规模化商用可提供高速低延时的通信服务,但由于逐块设计的通信模型可解释性程度较低,增加了其物理层优化的复杂度。针对该问题,利用深度学习在结构化信息表示和数据提取上的优势,在其基础上提出一种自编码器端到端物理层优化方案。通过两阶段训练模式提高神经网络的泛化性,同时利用自编码器压缩特性量化信道状态信息( CSI)并进行重建,降低CSI反馈导致的系统开销。仿真结果表明,该方案通过分阶段训练能有效提升收敛速率,而压缩量化CSI则可缓解系统负载。