【摘 要】
:
随着机器学习近年来的迅速发展,除了在计算机视觉、自然语言处理、机器人等领域获得广泛研究外,其在通信领域也逐渐受到重视且表现出了巨大的潜力。随着5G技术的商业部署,关于6G技术的构思与讨论已经形成,然而其庞大、复杂的通信场景使得信道分析和建模变得异常困难、系统设计复杂度变得难以控制,这些挑战驱使研究人员转向机器学习领域寻求解决方案。从机器学习的角度分析,很多通信问题可以概括为回归、分类或集群等问题,
论文部分内容阅读
随着机器学习近年来的迅速发展,除了在计算机视觉、自然语言处理、机器人等领域获得广泛研究外,其在通信领域也逐渐受到重视且表现出了巨大的潜力。随着5G技术的商业部署,关于6G技术的构思与讨论已经形成,然而其庞大、复杂的通信场景使得信道分析和建模变得异常困难、系统设计复杂度变得难以控制,这些挑战驱使研究人员转向机器学习领域寻求解决方案。从机器学习的角度分析,很多通信问题可以概括为回归、分类或集群等问题,因此,研究人员已将机器学习作为辅助工具或优化技术来提高物理层通信的有效性和可靠性,比如信道估计、信道编码、信源编解码、调制和信号检测等方面。这些研究可根据机器学习的应用角度分为两类:块结构(Block-structured)的方法和端到端(End-to-end,E2E)的方法。块结构方法用神经网络辅助或替代通信链路的某一个或几个信号处理模块,结合现有的传输理论,获得性能的增益。E2E方法用一个神经网络替代整个通信链路,旨在实现通信系统的全局最优工作状态。E2E方法和部分块结构方法属于数据驱动(data-driven)的方案,即将神经网络视为“黑盒”,但E2E方案需要较准确的信道状态信息,而部分块结构的方法忽略信道状态信息,二者都通过大量的标注数据实现线下训练。但是数据标注工程有时在通信链路中难以实现,因此模型驱动(model-driven)方案同样是研究和应用的热点。模型驱动方法一般将神经网络与现有通信算法结合,并充分利用信道状态信息等相关知识,以极短的时间和极少的数据规模实现训练。本文在这样的背景下关注机器学习在物理层通信的应用,以块结构和数据驱动方案为主要方向,研究了以下四个部分内容:(1)正交幅度调制系统的信号波形设计问题;(2)码间干扰影响下的发送符号序列建模问题;(3)恒参信道下通信系统的符号检测问题;(4)无线信道下通信系统的符号检测问题。第一部分研究能够预补偿信道失真的发送信号波形的设计问题,旨在利用强化学习在没有标注数据的条件下优化发送星座映射。基于信号空间的特征,本文采用Actor-Critic的结构并用神经网络对其拟合,并在收发两端设计反馈信道实现强化学习的闭环模型。通过强化学习的训练,实现对发送信号的优化,然后更新发送星座映射关系。仿真结果表明,本文所提的算法能够根据信道特征生成预补偿信道失真的星座映射关系,不需要提前进行数据标注工程,实现了一定的智能化。第二部分关注受码间干扰影响的接收信号序列到发送符号序列的映射建模问题。并以光纤信道中色度色散引起的非因果性码间干扰为研究背景进行研究,提出采用非因果时间卷积网络实现对接收信号中的原始符号信息的提取,建立从接收信号序列到发送符号序列的映射关系。本方案属于数据驱动方案,不需要获得信道状态信息,仅通过标注数据实现训练。仿真结果表明,本文提出的方案能够在码间干扰的影响下,实现对原始发送符号的建模。第三部分关注恒参信道,探讨群时延畸变引起的码间干扰,并以单极化传输的标准单模光纤系统为研究背景,提出非因果时间卷积网络结合池化层结构的接收端设计,实现接收信号波形序列到接收符号序列的映射。在单极化传输中,光信号只存在一个偏振方向,不存在偏振态色散,因此色度色散和光噪声是导致信号失真的主要原因。针对多信噪比的场景,本文提出相应的高效训练方法。仿真结果表明,在单极化传输的标准单模光纤系统中,本方案与传统的均衡器相比能获一定的性能增益。最后一部分关注无线信道,探讨频率选择性引起的码间干扰,并以多径瑞利慢衰落信道为研究背景。在分析了该通信场景下引起的码间干扰的因果性后,本文采用(因果)时间卷积实现对接收信号的原始符号信息的提取,实现发送符号序列的建模。针对瑞利慢衰落信道的时变性,本文提出基于元学习的训练算法实现时变信道下的自适应学习。仿真结果表明,本文提出的方法能够实现多径效应下的符号检测,且在慢衰落信道中表现得十分稳定。总结以上工作,本文首先从正交幅度调制信号的波形设计出发探索机器学习对信道预均衡的研究。其次考虑码间干扰现象,提出基于时间卷积网络的序列到序列的解决方案,实现对发送符号序列的建模。随后将这个基于神经网络的序列模型应用到恒参信道和无线信道中,并设计了适合信道特性的训练方法。
其他文献
基于磁共振成像(magnetic resonance imaging,MRI)的脑功能连接技术已广泛应用于脑功能和脑疾病的网络机制研究,其方法学基础是针对MRI获得的脑血氧水平依赖信号(blood oxygen level-dependent signal,BOLD)进行关联性、同步性等分析,以刻画脑功能网络化和组织化。基于MRI的BOLD信号反映了局部脑区的微血管特征和血液中脱氧血红蛋白相对含量
人脑结构与其功能的相互配合使得我们可以完成一系列复杂的认知行为,而两者的异常则与诸多神经精神疾病息息相关。探索人脑结构与功能的紧密关系、探究与人脑疾病有关的结构功能失常,已成为神经科学领域的基本问题。研究表明,人脑在进化发育过程中形成的空间布局不是任意的,而是遵循特定的层级原则,称为“梯度组织”。在这种精巧的梯度组织模式下,每个脑区的微观结构、它与其它脑区间的连接模式、以及它在功能处理层级中的位置
近年来,随着新型无线通信技术的应用及海量通信节点的涌现,有限空域、频域内的无线设备数量急剧增加,造成频谱共生环境的恶化,导致用户间的邻道干扰越来越频繁。以军事通信为例,指挥车、舰船、飞机中大功率发射信号会对同平台接收信号造成干扰,导致接收机灵敏度下降,通信距离缩短;民用通信领域,移动通信基站发射信号会对邻频部署的Wi Fi网络和导航定位信号形成干扰,引发用频冲突。邻道干扰不仅增大了背景噪声电平,恶
近表面裂纹被视为工业设备、设施的严重缺陷,疲劳和腐蚀裂纹是其中较为普遍的类型。在交通运输、航空航天、电力系统、机械制造、新能源、核工业等领域,该类缺陷已成为影响关键构件服役性能、威胁人民群众生命财产安全的主要因素之一。电磁成像无损检测技术作为无损检测的一个重要研究方向,因其具有结果表示直观、非接触、无污染、高灵敏度等优势,已在金属材料近表面缺陷检测方面得到了广泛应用,但仍面临诸多挑战:首先,目前已
近年来,随着计算设备的快速发展以及计算能力的提高,计算机视觉获得了广泛的关注。图像转换是计算机视觉中的新兴领域,旨在学习不同视觉域之间的关系并实现不同域之间的映射。图像转换的研究广泛应用在社会生产、生活的各个方面。例如,电视电影的视觉效果制作时可以使用图像转换生成指定风格的图像或视频、极大减少人工绘制的时间;在智能交通领域和安全监控领域可以将图像从输入域转换到标签域、更好的定位人或车辆;在医学领域
基于具有低介电常数的Zn3B2O6和LiZnPO4微波介电陶瓷,借助固相反应实验和第一性原理计算实现了对陶瓷材料的εr、Q×f、τf和烧结特性的调控。借助有限元仿真建立了以低介电常数陶瓷和中介电常数陶瓷为基础的异质陶瓷匹配共烧模型,实现了异质材料的整体收缩率、收缩速率以及收缩窗口的逐一匹配。基于所研发的陶瓷材料和异质陶瓷匹配共烧技术,设计并制作出了一款高性能共模滤波器。本文具体研究内容如下:通过离
随着现代科学技术的快速发展,信号的带宽越来越宽、瞬时特性趋于普遍化、调制方式向复杂化和高阶化发展,信号的传输速率也快速提高,信道的时变特性和噪声类型变得越来越广泛。在这种情形下,仅测试分析单一信息域信息的电子测量仪器已经不能完全反映复杂宽带信号的特性。为了满足信号的测试需求,需要将示波器的时域信息、频谱仪的频域信息和矢量信号分析仪的调制域信息有机结合起来,在同一时钟、同一触发机制下对输入射频信号进
在3.6亿平方公里的海洋中分布有成千上万的中尺度涡旋,这些呈顺时针或逆时针旋转的强非线性中尺度涡旋会在运动过程中输送大量的水体,对海洋中的热、盐、溶解氧、叶绿素等生物地球化学示踪物的输运发挥着重要作用,因此,对中尺度涡的物质输运的研究对我们深入理解全球气候变化至关重要。目前对于中尺度涡的物质输运仍然存在很多亟待的问题。例如,(1)中尺度涡的水团输运能力究竟有多强?目前尚未有明确的量化研究;(2)中
随着电子信息技术的迅速发展,人们对雷达、通信、导航等电子设备的需求量和使用量都大大提升,各类型电磁信号在空间中密集交叠使得电磁环境变得空前复杂。对于雷达系统而言,复杂的电磁环境意味着种类和数目繁多的干扰,以及与其他系统工作频段严重重叠等问题,极大地制约了其工作性能。而随着多输入多输出(MIMO)雷达概念的提出和发展,利用发射端分集优势,通过波形设计的手段来提升复杂电磁环境中雷达的工作性能成为了当前
本文将立足于巴托克音乐创作的重要源泉和匈牙利农民歌曲的特征,结合巴托克其他基于匈牙利农民歌曲的创作,以巴托克的《十五首匈牙利农民歌曲》为主体,进行创作特征与不同演奏版本比较的研究。深入探讨巴托克是如何将一段段质朴简单的民歌旋律改编成一首首风格新颖、拥有极高艺术价值的钢琴作品;挖掘匈牙利音乐历史长河中的瑰宝——农民歌曲的特征与渊源;透视巴托克独具民族特色的创作思维;以及从速度层面出发,比较六位世界级