- 博客(24)
- 收藏
- 关注
RSS订阅原创 【文献学习】 2021 Deep-Waveform: A Learned OFDM Receiver Based on Deep Complex Convolutional Networks
https://arxiv.org/abs/1810.07181译文 参考文章深波：一种基于深复卷积网络的学习OFDM接收机：参考文章2代码代码2近年来对无线通信物理层深度学习的研究表明，深度神经元网络在信道编码、调制和参数估计等方面具有良好的性能。然而，目前还不清楚深层神经元网络是否也能学习当前和下一代无线网络的先进波形，并有可能创造出新的波形。在本文中，开发了一种没有明确的离散傅里叶变换（DFT）的深度复数卷积网络（DCCN）作为正交频分复用（OFDM）接收器。与现有的由全连接层和非线性激活
2021-11-02 21:02:10
1846
2
原创 左神算法基础入门班4：哈希表、链表
题目一哈希表的简单介绍1）哈希表在使用层面上可以理解为一种集合结构2）如果只有key，没有伴随数据value，可以使用HashSet结构(C++中叫UnOrderedSet)3）如果既有key，又有伴随数据value，可以使用HashMap结构(C++中叫UnOrderedMap) 4）有无伴随数据，是HashMap和HashSet唯一的区别，底层的实际结构是一回事5）使用哈希表增(put)、删(remove)、改(put)和查(get)的操作，可以认为时间复杂度为 O(1)，但是常数时间比较大
2021-09-12 22:09:37
156
原创 【文献译文】ComNet: combination of deep learning and expert knowledge in OFDM receivers
摘要：在本文中，我们提出了一种模型驱动的深度学习(DL)方法，将DL与专家知识相结合，以取代现有的正交频分复用接收机在无线通信中的应用。与数据驱动的全连通深度神经网络(FC-DNN)方法不同，我们采用逐块的信号处理方法，将接收机分为信道估计子网和信号检测子网。每个子网由一个DNN构造，并使用现有的简单和传统的解决方案作为初始化。与线性最小均方误差法相比，模型驱动DL接收机具有更高的信道估计精度，并且与现有方法和FC-DNN相比，具有更高的数据恢复精度。仿真结果进一步验证了该方法在信噪比方面的鲁棒性，并在计
2021-08-08 18:15:50
695
1
原创 【文献阅读】 Deep Learning-Based Channel Estimation in OFDM Systems
2020 https://ieeexplore.ieee.org/document/9166541https://arxiv.org/abs/1810.05893代码：https://gitee.com/joannne/ChannelNet#摘要：本文提出了一种在正交频分复用(OFDM)系统中基于深度学习(DL)的信道估计(ChannelNet)的下行导频设计方案。具体而言，在该方案中，采用了具体的自动编码器(ConcreteAE)特征选择方法来寻找信息最丰富的导频传输位置。该自动编码器由一个作为编
2021-08-07 22:25:21
4455
4
原创 OFDM系统中的信道估计基础知识（一）
[OFDM完整仿真过程及解释（MATLAB）](https://zhu anlan.zhihu.com/p/57967971)参考二目录一、OFDM系统接收机的典型结构图问题：二、OFDM调制与解调三、名词解释一、OFDM系统接收机的典型结构图上半部分对应于发射机链路，下半部分对应于接收机链路过程介绍–发送端： OFDM发射机的输入位首先要进行编码（有冗余），以减少特定信道的误差，编码后的位通过==调制在相位和正交（IQ）==平面上映射成星座，得到的IQ数据用复数表示。在IQ数据中插入导频和保护
2021-08-07 22:04:29
4608
2
原创 【北京大学】Tensorflow1笔记（2）
【北京大学】1 TensorFlow1.x中Python基础知识3.1 为了使得linux系统更方便使用vim。更改vim配置vim ~/.vimrc#i写入以下内容 set ts = 4set nu#按"ESC"退出插入模式 ：wq保存 :w 保存文件但不退出vi:w file 将修改另外保存到file中，不退出vi:w! 强制保存，不推出vi:wq 保存文件并退出vi:wq! 强制保存文件，并退出viq: 不保存文件，退出vi:q! 不保存文件，强制退出vi:e! 放弃所有修
2021-08-06 20:28:19
91
原创 北大Tensorflow2.0（二、三、四）
总目录【tensorlfow2】安装及简介全连接神经网络北大Tensorflow2.0（一）激活函数类似于归一化数据，常用relu解决了梯度消失问题 (在正区间) （2） 只需判断输入是否大于0，计算速度快（3） 收敛速度远快于sigmoid和tanh缺点：（1） 输出非0均值，使收敛慢（2） Dead RelU问题：某些神经元可能永远不会被激活（输入为负数时结果为0），导致相应的参数永远不能被更新。解决方法：设置小些的学习率，减少参数变化输入特征标准化，即让输入特征满足以0为均值，
2021-08-05 01:04:57
481
原创 Tensorflow1笔记8
【北京大学】12 TensorFlow1.x的卷积神经网络模型VGGNet实现张量是多维数组常用函数（2）np.load /np.save将数组以二进制格式读出或写入磁盘，扩展名为.npy···np.save(“名.npy”,某数组)某变量 = np.load(“名.npy”,encoding ="").item()#encoding可不写，有三个选项latin1 ASCI···（5）tf.nn.bias_add(乘加和,bias)#把bias加到乘加和上（6）tf.reshape(te
2021-08-02 16:25:36
319
原创 【北京大学】Tensorflow1笔记4、5
4 TensorFlow1.x的反向传播推导与实现一、神经网络实现过程（步骤1~3是训练过程 步骤4是使用过程）1、准备数据集，提取特征，作为输入喂给神经网络（neural network，NN）2、搭建NN结构，从输入到输出（先搭建计算图，再用会话执行）（NN前向传播算法–>计算输出）3、大量特征数据喂给NN，迭代优化NN参数（NN反向传播算法–>优化NN参数）4、使用训练好的模型预测和分类前向传播：搭建神经网络模型，让神经网络NN实现推理过程计算节点模板#变量初始化,计算
2021-07-29 19:04:17
181
原创 【文献译文-20】Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems
文献背景2020.12 Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems：参考文献：信道估计的技术是直接利用别人提出的2020.10《Model-Driven Channel Estimation for OFDM Systems Based on Image Super Resolution Network（基于图像超分辨率网络的OFDM系统模型驱动信道估计）》 自己的创新点仅仅在信号检测
2021-06-22 21:49:01
453
原创 Java基础：第七章 异常处理
面试题：1、常见的异常都有哪些？举例说明，怎么处理异常运行时异常：ArithmeticException 算术异常，ArrayIndexOutOfBoundsException数组角标越界编译时异常(checked)：IOException2、throws、throw区别throws声明异常是异常处理的方式, 捕获异常，声明在方法的声明处。throw手动生成异常对象，抛出异常，声明在方法体内。可以同时使用，先抛出后捕获3、final、finally、finalize三者的区别？finali
2021-06-16 15:59:24
105
原创 Java基础：第5-6章(重点)
文章目录基础知识方法的重写(override/overwrite)基础知识1、继承减少冗余class Person {public String name;public int age;public Date birthDate;public String getInfo() {// …} }class Student ==extends ==Person {//子类public String school; }子类继承了父类，就继承了父类的方法和属性。 在子类中，可以使
2021-06-15 18:15:29
187
原创 【文献译文】OFDM Receiver Using Deep Learning: Redundancy Issues
基于深度学习的OFDM接收机：冗余问题摘要：第一节 导言第二节 系统模型第三节 最小冗余OFDM接收机A CEsubnetB.SDMR-子网2021 ieee会议摘要：在正交频分复用(OFDM)系统中，为了对抗多径衰落引起的码间干扰(ISI)和块间干扰(IBI)，通常建议使用长度等于信道顺序的循环前缀(CP)。然而，在某些实际情况下，信道顺序还不完全清楚。为了在一个完整的CP和它的缺失之间找到一个平衡，我们研究了冗余问题，并提出了一个使用深度学习(DL)工具的最小冗余OFDM接收机。这样，与无CP的情
2021-06-01 15:51:35
775
1
原创 Java基础：第4章 类与对象
第四章基本知识类和对象的使用4.3 对象的创建和使用：内存解析4.5方法基本知识1、类(Class)和对象(Object)是面向对象的核心概念。 类是对一类事物的描述，是抽象的、概念上的定义 对象是实际存在的该类事物的每个个体，因而也称为实例(instance)。2、 属 性：对应类中的成员变量 行 为：对应类中的成员方法3、类的实例化 public class PersonTest { public static void main(String[] args) {
2021-05-15 17:27:12
148
原创 java基础：第2-3章
1、三元运算符:(条件表达式)？a：b；凡是可以使用三元运算符的地方，都可以改写为if-else反之，不成立。//如果程序既可以使用三元运算符，又可以使用if-else结构，那么优先选择三元运算符。原因：简洁、执行效率高。class SanYuanTest{ public static void main(String[] args){ // 获取两个整数较大者 int m=12; int n=5; int max=(m>n)?m:n; Syste
2021-04-29 16:24:00
247
原创 OFDM_DNN
原作者代码The codes have been tested on Ubuntu 16.04 + tensorflow 1.1 + Python 2.7Exprese.py是DNN信道估计和检测的一个简单例子，Main.py是信道估计和检测的通用框架，可以很容易地改变不同的设置。正交频分复用(OFDM)信道估计_DeeplningQAM_*是本文的仿真代码。...
2021-03-27 19:40:27
374
原创 2021-03-26
深入浅出通信原理Python代码版【Python】实现BPSK、QPSK、QAM信号调制https://betterbench.blog.csdn.net/article/details/115035737
2021-03-26 17:01:20
84
原创 OFDM缩写
文章目录BCIB基扩展模型（BEM,basis expansion model)C信道冲激响应（CIR,channel impulse response）IISI,inter-symbol interference 符号间干扰
2021-03-26 16:23:04
113
原创 多联机空调能耗计算
1、文献专利一种多联机能耗计量方法及系统摘要：本发明公开一种多联机能耗计量方法及系统。其中，该方法包括：接收多联机上传的机组运行数据；根据所述机组运行数据实时计算得到第一能耗数据；利用神经网络模型对所述第一能耗数据进行修正，得到修正后的能耗数据。本发明通过接收多联机的机组运行数据，能够在线实时计算多联机能耗，并且利用基于大数据训练得到的神经网络模型对计算的多联机能耗进行修正，实现多联机能耗的精准计量，实现大量多联机组能耗的综合计量和统计，无需耗费大量人力使用电表进行实测，便捷、准确且高效。变频
2021-03-25 13:56:03
3218
原创 北大Tensorflow2.0（一）
【北京大学】Tensorflow2.0在线源码：https://github.com/jlff/tf2_notes【参考】【北京大学】Tensorflow2.0搭建一个神经网络入门Tf2.0第一讲1、鸢尾花分类（Iris）标题
2021-03-19 21:25:13
439
原创 文献学习
一、文献目录1、【文献学习】利用DeepLearning实现OFDM信号解调相关文献及源码汇总2、【文献学习】Artificial Intelligence-aided OFDM Receiver:Design and Experimental Results 在FC-DNN和ComNet网络的基础上进行的研究和真实的实现。并针对离线训练的信道模型与实际环境不一致而导致的仿真与（over-the-air）OTA测试之间的性能差异，提出了一种新的在线训练策略SwitchNet接收机。二、
2021-03-17 16:11:55
351
原创 【tensorlfow2】安装及简介全连接神经网络
【tensorlfow】全连接神经网络FC-DNNAnaconda+Tensorflow2.0安装教程
2021-03-04 17:39:38
588
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人