Channel Agnostic End-to-End Learning Based Communication Systems with Conditional GAN 阅读笔记

本文提出一种无需预先获取信道信息的端到端通信系统,利用条件生成对抗网络(GAN)学习信道效应。条件GAN允许在不知道具体信道特性的情况下,通过附加的导频信息处理时变信道。系统包括发射机、接收机和信道生成器,其中发射机和接收机通过端到端学习优化,而信道生成器则用于模拟真实信道输出分布。
摘要由CSDN通过智能技术生成

abstract

背景:
在本文中,我们使用深度神经网络(DNNs)来开发一个无线端到端通信系统,在该系统中,所有与信号相关的功能都使用深度神经网络(DNNs)来实现,如编码、解码、调制和均衡。然而,精确的瞬时信道传递函数,即信道状态信息(CSI)是计算DNN表示的梯度所必需的。

在许多通信系统中,信道传递函数很难预先获得,并且随时间和位置而变化。

研究目的:

期望开发基于信道不可知的端到端学习的通信系统,其中可以在不知道特定信道传送功能的情况下自动学习不同类型的频道效果。

研究方法:
1. 在本文中,通过开发与通道无关的端到端系统来释放此约束,该系统不依赖于任何有关通道的先验信息。我们使用条件生成对抗性网络(GAN)来表示信道效应,其中发送器的编码信号将作为条件信息。
2. 此外,为了处理时变信道,还可以将与导频数据对应的接收信号添加为调节信息的一部分。

三大贡献:
我们的主要贡献有三个方面。

  1. 首先,我们使用条件GAN对信道条件分布p(y|x)进行建模,这样就可以基于数据而不是关于信道的专家知识来学习信道效应。
  2. 通过添加导频信息作为时变信道的调理信息的一部分,GAN可以为当前通道生成更具体的样本。
  3. 开发了一种基于端到端学习的通信系统,通过有条件的GAN将端到端损耗梯度传播到发射机。

MODEL

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值