计算机工程

作者：叶佩文, 贾向东, 杨小蓉, 胡海霞

单位：1. 西北师范大学 计算机科学与工程学院, 兰州 730070;2. 南京邮电大学 江苏省无线通信重点实验室, 南京 210003

关键词：深度学习,神经网络,自编码器,物理层优化,压缩感知

基金：国家自然科学基金（61861039，61561043，61261015）；甘肃省科技计划项目（18YF1GA060）。

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。

来源：2019年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第12期