RIS-Assisted MIMO Communication Systems: Model-based versus Autoencoder Approaches
本文考虑了可重构智能表面(RIS)辅助点对点多输入多输出(MIMO)通信系统,其中发送器通过RIS与接收器通信。基于降低比特出错率(BER),从而提高通信可靠性的主要目标,我们研究了不同的基于模型和数据驱动(自动编码器)的方法。特别是,我们考虑一个基于模型的方法,优化主动和被动的优化变量。我们进一步提出了一个新的端到端的数据驱动的框架,它利用了机器学习的最新进展。为传统信号处理模块提出的神经网络与信道效应联合训练,以最小化误码检测。数值结果表明,所提出的数据驱动的方法可以学习通过不同的信道实现动态编码的传输信号。此外,数据驱动的方法不仅提供了一个显着的增益在BER性能相比,其他国家的最先进的基准,但也保证了性能时,完美的信道信息是不可用的。
2022-07-17 cs.IT eess.SP math.IT
Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder
针对数字语义通信中离散调制不可微且难以适配信道的问题,提出基于VAE的联合编码-调制框架及信息论匹配损失,在图像任务中性能优于量化方法并逼近模拟方案。
2024-01-29 cs.IT eess.SP math.IT
Achievable Information Rates for Nonlinear Fiber Communication via End-to-end Autoencoder Learning
机器学习用于计算简化光纤信道的可实现信息速率(AIR)。该方法联合优化输入分布(星座成形)和辅助信道分布,以端到端的方式计算AIR,而无需明确的信道知识。
2018-09-17 cs.IT math.IT stat.ML
Low Complexity Autoencoder based End-to-End Learning of Coded Communications Systems
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心)
使用基于深度学习的自动编码器概念的通信系统的端到端学习由于其简单性、灵活性及其适应复杂信道模型和实际系统缺陷的潜力而在最近的研究中引起了兴趣。在本文中,我们比较了基于自动编码器的系统和使用卷积编码(CC)的传统信道编码系统的出错率(BER)性能,以了解基于深度学习的系统作为传统系统替代品的潜力。从模拟中,观察到自动编码器实现在0-5 dB $E_{b}/N_{0}$范围内具有比其等效的半速率卷积编码BPSK与硬判决解码更好的BER,并且在BER为$10^{-5}$时仅具有小于1 dB的间隙。此外,我们还提出了一种新的低复杂度自动编码器架构,以实现编码系统的端到端学习,其中我们已经显示出比基线实现更好的BER性能。新提出的低复杂度自编码器能够在0-10 dB $E_{b}/N_{0}$范围内实现比半速率16-QAM更好的BER性能,并且在0-4 dB $E_{b}/N_{0}$范围内具有比软判决解码更好的BER性能。
2020-01-20 cs.IT cs.LG eess.SP
Capacity-Approaching Autoencoders for Communications
University of Klagenfurt(克拉根福大学)
自动编码器的概念促进了现代通信系统的重新解释和设计。它由一个编码器,一个通道和一个解码器块组成,它们以端到端的学习方式修改它们的内部神经结构。然而,训练自动编码器的当前方法依赖于交叉熵损失函数的使用。这种方法可能容易出现过拟合问题,并且通常无法学习最佳系统和信号表示(代码)。此外,关于自动编码器设计接近信道容量的码的能力,即,在特定功率约束下最大化输入-输出信息的码。对于容量未知的未知信道,任务甚至更加艰巨,因此必须学习。在本文中,我们解决的挑战,设计能力接近代码的存在下,将通信信道到一个新的损失函数的自动编码器的培训。特别是,我们利用发送和接收信号之间的互信息作为交叉熵损失函数中的正则化项,目的是控制存储的信息量。通过联合最大化互信息和最小化交叉熵,我们提出了一种方法,a)计算信道容量的估计值,b)构造一个接近它的最优编码信号。
2020-09-11 cs.IT cs.LG eess.SP
Efficient Channel Autoencoders for Wideband Communications leveraging Walsh-Hadamard interleaving
WaveCoRE, Department of Electrical Engineering (ESAT), Katholieke Universiteit Leuven(荷语鲁汶大学电气工程系(ESAT)WaveCoE)
本文提出利用沃尔什-哈达玛交织的高效通道自编码器,实现节能的高吞吐量宽带通信,通过平衡计算复杂度、SNR和模拟功率消耗,达到与极码相近的性能并提升能效。
2026-01-20 cs.IT eess.SP math.IT
A Generalized Data Representation and Training-Performance Analysis for Deep Learning-Based Communications Systems
基于深度学习(DL)的自动编码器是实现端到端通信系统的潜在架构。在这封信中,我们首先简要介绍了自动编码器表示的通信系统。然后,我们提出了一种新的广义数据表示(GDR),旨在提高基于DL的通信系统的数据率。仿真结果表明,与传统的one-hot矢量方案相比,GDR方案具有更低的训练复杂度、相当的出错率性能和更高的信道容量。此外,我们调查的信号噪声比(SNR)在DL为基础的通信系统中的效果,并证明在高信噪比的训练可以产生良好的训练性能的自动编码器。
2018-07-06 cs.IT math.IT
Turbo Autoencoder: Deep learning based channel codes for point-to-point communication channels
University of Washington(华盛顿大学);Samsung AI Center(三星人工智能中心);Tata Institute of Fundamental Research(塔塔基础研究院);University of Illinois at Urbana Champaign(伊利诺伊大学厄巴纳-香槟分校)
在信息论以及无线通信中,设计对抗通信介质中的噪声的代码一直是重要的研究领域。经过60多年的研究,数学家们已经开发出了渐近最优信道码,用于规范模型下的通信。另一方面,在许多非规范信道设置中,不存在最佳代码,并且针对规范模型设计的代码经由算法来适应这些信道,因此不能保证是最佳的。在这项工作中,我们通过设计一个完全端到端联合训练的神经编码器和解码器,即Turbo Autoencoder(TurboAE),在这个问题上取得了重大进展,贡献如下:($a$)在中等块长度下,TurboAE在规范信道下接近最先进的性能;($b$)此外,TurboAE在可靠性方面优于非规范设置下的最新代码。TurboAE表明,信道编码设计的开发可以通过深度学习实现自动化,并具有接近最佳的性能。
2019-11-08 cs.IT cs.LG eess.SP
Autoencoder-based Optimization of Multi-user Molecule Mixture Communication Systems
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学);Technical University of Darmstadt(达姆施塔特工业大学)
本文提出基于自动编码器的多用户分子混合通信系统端到端优化方案,通过编码器将用户符号映射为分子混合物,利用非线性传感器阵列进行信道采样,并通过解码器估计用户符号,实现更低的误码率和可靠通信。
2026-03-24 cs.ET cs.IT eess.SP
High Rate Communication over One-Bit Quantized Channels via Deep Learning and LDPC Codes
本文提出了一种将已知编码方案与自编码器相结合来设计纠错码的方法。具体来说,我们将LDPC码与一个训练有素的自编码器开发的纠错码的棘手的非线性信道。LDPC编码器缩小了自编码器的输入空间,使自编码器更容易学习。所提出的纠错码显示出有前途的结果为一位量化,一个具有挑战性的情况下,非线性信道。具体地,我们的设计给出了瀑布斜率比特出错率,即使对于诸如16-QAM和64-QAM之类的高阶调制格式,尽管是一比特量化。该增益在理论上是通过证明训练的自编码器向LDPC解码器提供近似高斯分布的数据来实现的,即使接收到的信号由于一比特量化而具有非高斯统计。
2020-02-28 cs.IT math.IT
End-to-End Autoencoder Communications with Optimized Interference Suppression
基于正交频分复用(OFDM)的端到端通信系统被建模为自动编码器(AE),其中发送器(编码和调制)和接收器(解调和解码)分别被表示为编码器和解码器的深度神经网络(DNN)。这种AE通信方法被证明优于传统的通信在信道和干扰的影响,以及训练数据和嵌入式实现的约束条件下的实际情况下的出错率(BER)。生成对抗网络(GAN)被训练以在没有足够的训练数据可用时扩充训练数据。此外,在DNN模型量化和嵌入式实现的相应内存要求方面的性能进行评估。然后,干扰训练和随机平滑被引入到训练AE通信,以在潜在的多个OFDM符号上的未知和动态干扰(干扰)影响下操作。相对于常规通信,对于四个信道重用,通过具有干扰训练和随机平滑的AE通信可以实现高达36dB的干扰抑制。AE通信也扩展到多输入多输出(MIMO)的情况下,其BER性能增益与传统的MIMO通信相比,有和没有干扰的影响。
2021-12-29 cs.AI cs.IT cs.LG
Blind Equalization and Channel Estimation in Coherent Optical Communications Using Variational Autoencoders
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Nokia(诺基亚)
本文研究了基于变分推理的自适应盲均衡器在光通信载波恢复中的应用。这些均衡器基于最大似然信道估计的低复杂度近似。我们将变分自编码器(VAE)均衡器的概念推广到高阶调制格式,包括概率星座成形(PCS),在光通信中无处不在,在接收机过采样,和双偏振传输。除了基于卷积神经网络的黑盒均衡器之外,我们还提出了基于线性蝶形滤波器的基于模型的均衡器,并使用变分推理范式训练滤波器系数。作为副产品,VAE还提供可靠的信道估计。我们分析了VAE在经典的加性高斯白噪声(AWGN)信道与符号间干扰(ISI)和色散线性光双偏振信道的性能和灵活性。我们表明,它可以扩展盲自适应均衡器的应用范围优于国家的最先进的恒模算法(CMA)的PCS固定,但也随时间变化的信道。评价伴随着超参数分析。
2022-09-15 cs.IT cs.LG eess.SP
Introducing $γ$-lifting for Learning Nonlinear Pulse Shaping in Coherent Optical Communication
用于相干光纤通信的脉冲整形在过去十年中一直是一个活跃的研究领域。大多数早期的方案是基于经典的奈奎斯特脉冲整形,其最初是针对线性信道的。最著名的经典方案,分裂的数字反向传播(DBP),使用联合预失真和后均衡,因此,非线性发射机(TX),但是,它遭受光谱展宽的光纤由于克尔效应。随着通信领域深度学习的出现,人们已经意识到自动编码器可以学习通过光纤信道进行高效通信,联合优化几何星座和脉冲整形,同时还考虑到线性和非线性损伤,如色散和克尔非线性。例如,在一个示例中,arXiv:2006.15027示出了自动编码器可以如何使用可训练的线性TX来学习以减轻由于克尔效应引起的频谱展宽。在本文中,我们扩展了这个线性架构模板的一个可扩展的非线性脉冲整形组成的卷积神经网络在发送器和接收器。通过引入一种新的$γ$提升训练过程的非线性光纤通道,我们实现了稳定的自动编码器收敛到脉冲形状达到信息速率优于经典的分裂DBP参考在高输入功率。
2022-07-13 cs.IT eess.SP math.IT
Forward-Forward Autoencoder Architectures for Energy-Efficient Wireless Communications
本文提出了一种基于前向-前向学习的自编码器架构,用于提升无线通信的能量效率,通过数值实验展示了其在噪声和衰落信道中的性能优势。
2026-02-16 cs.IT cs.LG math.IT
SVD-Embedded Deep Autoencoder for MIMO Communications
Villanova University(维拉诺瓦大学);Virginia Tech(弗吉尼亚理工学院暨州立大学);DeepSig, Inc.(深度信号公司)
在多输入多输出(MIMO)系统中使用深度自动编码器(DAE)进行端到端通信是一个具有巨大潜力的新概念。DAE辅助的MIMO已经被证明在比特出错率(BER)方面优于基于奇异值分解(SVD)的预编码MIMO。本文提出将信道矩阵的左奇异向量和右奇异向量嵌入到DAE编解码器中,以进一步提高MIMO DAE的性能。SVDembedded DAE在BER方面大大优于理论线性预编码。这是值得注意的,因为它表明DAE通过将通信系统视为单个端到端优化模块,具有超越当前系统设计限制的巨大潜力。仿真结果表明,在SNR= 10 dB时,该算法的误码率约为$10^{-5}$,与未采用SVD的DAE相比,误码率至少降低了10倍,与理论线性预编码相比,误码率最高可降低18倍。我们把这归因于这样一个事实,即建议DAE可以匹配的输入和输出作为一个自适应调制结构与有限的字母输入。我们还观察到,向DAE添加剩余连接可进一步提高性能。
2022-02-11 cs.IT cs.LG math.IT
Deep Reinforcement Learning Autoencoder with Noisy Feedback
通信系统的端到端学习使发射机和接收机能够在任何类型的信道上针对任意性能度量进行联合优化,实现为基于深度神经网络的自动编码器。最近,提出了一种交替训练过程,其消除了对显式信道模型的需要。然而,这种方法需要在训练期间从接收器向发射器反馈实值损失。在本文中,我们首先表明,交替训练工程,即使有噪声的反馈通道。然后,我们设计了一个系统,学习传输实数在一个未知的信道没有预先存在的反馈链路。一旦经过训练,该反馈系统可用于在自动编码器的交替训练期间传达损失。加性高斯白噪声和瑞利块衰落信道的评估表明,使用建议的反馈系统训练的端到端通信系统达到相同的性能时,训练一个完美的反馈链路。
2019-06-24 cs.IT math.IT
Quantum Autoencoders for Learning Quantum Channel Codes
Cisco Quantum Lab(思科量子实验室)
本文提出基于参数化量子电路与灵活噪声模型的量子自编码器框架,用于学习和评估经典、纠缠辅助及量子通信场景下的量子信道编码。
2023-07-13 cs.IT cs.LG math.IT
An End-to-End Block Autoencoder For Physical Layer Based On Neural Networks
深度学习在图像处理和自然语言处理领域有着广泛的应用。在本文中,我们提出了一个端到端的通信结构的基础上,自动编码器的收发器可以联合优化。一个神经网络的角色是信道编码器和调制器的组合。为了处理输入序列的抖动,我们引入了分块方案,这意味着自动编码器将输入序列分成一系列的块。每个块包含用于编码和调制操作的固定数量的比特。通过训练,该系统能够产生每个块的调制星座图。仿真结果表明,在加性高斯白噪声(AWGN)和衰落信道下,我们的自编码器性能优于其他基于自编码器的系统。我们还证明了所提出的系统的比特出错率(BER)可以达到一个可接受的范围内增加的符号数。
2019-06-15 cs.IT eess.SP math.IT
GAN-based Generator of Adversarial Attack on Intelligent End-to-End Autoencoder-based Communication System
提出一种基于GAN的对抗攻击生成器,无需目标信息即可利用深度学习模型对信道扰动的脆弱性,在AWGN、瑞利和高速铁路信道上实现优于基准方案的块错误率攻击性能。
2025-05-01 cs.IT math.IT
Deep Learning for Communication over Dispersive Nonlinear Channels: Performance and Comparison with Classical Digital Signal Processing
在本文中,我们将深度学习应用于具有功率检测的色散信道上的通信,如在低成本光强度调制/直接检测(IM/DD)链路中遇到的。我们考虑一个自动编码器的基础上,最近提出的滑动窗口双向递归神经网络(SBRNN)的设计,以实现光IM/DD通信的收发器。我们表明,它的性能可以通过在接收端引入加权序列估计方案来提高。此外,我们执行比特到符号的映射优化,以减少系统的比特出错率(BER)。此外,我们进行了详细的比较与经典的计划的基础上脉冲幅度调制和最大似然序列检测(MLSD)。我们的研究表明,对于一个参考42\,Gb/s的传输,SBRNN自动编码器实现的BER性能媲美MLSD,当两个系统占相同的内存量。与MLSD相比,SBRNN性能的实现不会导致计算复杂性随着处理的存储器呈指数增长。
2019-10-02 cs.IT eess.SP math.IT
Full-Duplex Non-Coherent Communications for Massive MIMO Systems with Analog Beamforming
针对大规模多输入多输出(mMIMO)系统,提出了一种基于模拟波束形成(ABF)的全双工非相干(FD-NC)传输方案。我们建议使用结构化的格拉斯曼星座的非相干通信,不需要信道估计。然后,我们设计了发送和接收ABF通过慢时变的出发角(AoD)和到达角(AoA)信息,分别。ABF设计的目标是最大化预期的信号功率,同时抑制FD传输中发生的强自干扰(SI)。此外,所提出的ABF技术仅需要单个发射和接收RF链来支持大型天线阵列,因此,它降低了mMIMO系统中的硬件成本/复杂度。结果表明,建议FD-NC提供了一个很大的改善比特出错率(BER)相比,半双工非相干(HD-NC)和HD相干计划。我们还观察到,所提出的FD-NC既减少了错误平层所造成的残留SI在FD传输,并提供较低的BER相比,FD相干传输。
2022-01-29 cs.IT eess.SP math.IT
An Autoencoder-Based Constellation Design for AirComp in Wireless Federated Learning
University of Virginia(弗吉尼亚大学)
针对无线联邦学习中数字调制AirComp的和信号准确解码难题,提出基于自编码器的端到端通信系统,联合优化收发端星座图,填补相关研究空白,助力FL在现代无线系统的部署。
2024-04-15 cs.IT cs.LG cs.NI
Physical Layer Authentication for Non-Coherent Massive SIMO-Enabled Industrial IoT Communications
实现超可靠、低延迟和安全的通信对于实现工业物联网(IIoT)至关重要。非相干大规模多输入多输出(MIMO)技术是满足超可靠和低延迟要求的一种很有前途的技术。此外,物理层身份验证(PLA)技术由于其低延迟属性,特别适合安全的IIoT通信。提出了一种适用于非相干大规模单输入多输出(SIMO)工业物联网(IIoT)通信系统的PLA方法。该方法通过将认证信号(标签)嵌入到消息信号中来实现PLA,称为“基于消息的标签嵌入”。这是不同于传统的PLA方法利用均匀功率标签。我们设计了最佳的标签嵌入和优化的消息和标签信号之间的功率分配来表征消息和标签错误性能之间的权衡。数值结果表明,所提出的基于消息的标签嵌入PLA方法是更准确的比传统的统一的标签嵌入方法,其中有一个不可避免的标签错误地板接近10%。
2020-05-23 cs.IT eess.SP math.IT
Non-Coherent Massive MIMO Integration in Satellite Communication
大规模多输入多输出(mMIMO)技术已被认为是显著提高诸如5G及更高的后续无线通信系统的传输速率的有效标准。然而,实现该技术一直面临着一个关键问题,获取大量的信道状态信息。首先,由于可计算的高传输延迟,这个问题在集成卫星和地面网络(3GPP-版本15)中变得更加严重。为了解决这个具有挑战性的问题,mMIMO授权的非相干技术可以是一个有前途的解决方案。据我们所知,本文是第一个考虑在卫星通信系统中采用非相干mMIMO的工作。这项工作的目的是分析这一整合所带来的挑战和机遇。此外,我们确定了这方面的问题。在这项工作中提出的初步结果表明,在比特出错率(BER)和天线的数量测量的性能是不远的地面链路所需的。此外,由于mMIMO与非相干方法相结合,我们可以在低信噪比(SNR)状态下工作,这对于卫星链路来说是一个很好的优势。
2022-09-20 cs.IT eess.SP math.IT
Multiple Access in Constellation Domain by Non-Coherent Massive MIMO
多址接入是提高多用户通信网络容量的基础。然而,对更高数据率和需要通信服务的用户数量的增长的需求导致了当前无线通信中正交资源的稀缺。另一方面,自3GPP Release 15以来,作为3GPP的倡议,将卫星集成在地面网络内需要地面和非地面用户之间的新形式的多址接入。本文研究星座方案作为一个新的领域,以提高国家的最先进的多址技术,为未来的通信技术,采用非相干通信与大规模MIMO。此外,我们提出了一个混合模型之间的经典接入方法,如时分多址(TDMA)或频分多址(FDMA),新兴的非正交多址接入(NOMA)和建议域的星座基于非相干大规模多输入多输出(MIMO)计划的模型。该模型讨论了不同的情况下,卫星通信,有助于增加系统的容量,避免地面和非地面用户之间的干扰。
2023-03-11 cs.IT eess.SP math.IT
Predictive Closed-Loop Remote Control over Wireless Two-Way Split Koopman Autoencoder
通过无线进行实时远程控制是5G及以后的一个重要但具有挑战性的应用,因为它在有限的通信资源下具有关键任务的性质。当前的解决方案不仅依赖于利用超可靠和低延迟通信(URLLC)链路,而且依赖于预测未来状态,这可能消耗巨大的通信资源并且在短的预测时间范围内挣扎。为了填补这一空白,在这篇文章中,我们提出了一种新的双向Koopman自动编码器(AE)的方法,其中:1)感测Koopman AE学习理解的时间状态动态和预测丢失的数据包从传感器到其远程控制器;和2)控制Koopman AE学习理解的时间动作动态和预测丢失的数据包从控制器到与传感器协同定位的致动器。具体而言,每个Koopman AE旨在学习隐藏层中的Koopman算子,而AE的编码器旨在将非线性动态投影到提升子空间上,该提升子空间由AE的解码器恢复为原始非线性动态。Koopman算子描述了线性化的时间动态,使得能够进行长期的未来预测,并处理丢失的数据包和提升子空间中的封闭形式的最优控制。仿真结果证实,所提出的方法实现了38倍低的均方控制误差在0 dBm的信号噪声比(SNR)比非预测基线。
2022-09-14 cs.IT math.IT
Physical Layer Authentication for Non-coherent Massive SIMO-Based Industrial IoT Communications
实现超可靠、低延迟和安全的通信对于实现工业物联网(IIoT)至关重要。非相干大规模多输入多输出(MIMO)最近被提出作为满足超可靠和低延迟要求的有前途的方法。此外,物理层身份验证(PLA)技术由于其低延迟属性而特别适用于IIoT通信。提出了一种适用于非相干大规模单输入多输出(SIMO)工业物联网(IIoT)通信系统的PLA方法。具体来说,我们首先确定在消息信息中嵌入认证信息(标签)的最佳方式。然后,我们优化消息和标签信号之间的功率分配,以表征消息和标签错误性能之间的权衡。数值结果表明,在通信可靠性保持在同一水平的情况下,所提出的PLA比采用统一标签的传统方法更准确。所提出的PLA方法可以有效地应用于非相干系统。
2020-01-21 cs.CR cs.IT eess.SP
End-to-End Deep Learning of Long-Haul Coherent Optical Fiber Communications via Regular Perturbation Model
Nokia(诺基亚);Aston University(阿斯顿大学);Delft University of Technology(代尔夫特理工大学)
我们提出了一种新的端到端的自动编码器为基础的学习相干光通信使用“并行化”微扰信道模型。我们联合优化了星座成形和非线性预加重,实现了0.18 bits/sym的互信息增益。Pol.模拟了在30 × 80 km G.652 SMF链路上使用EDFA的64 GBd双极化单信道传输。
2021-07-26 cs.IT cs.LG eess.SP
Diffusion Models for Wireless Communications
Centre for Wireless Communications, University of Oulu(无线通信中心,奥卢大学)
本文提出条件扩散模型用于提升无线通信系统中的数据重构性能,尤其在低SNR条件下实现10dB改进,并在语义通信中展现优于传统自编码器的性能。
2025-12-09 cs.AI cs.IT cs.LG
Maximum Spectral Efficiency of Adaptive Coherent Terrestrial FSO Links
Shiv Nadar Institution of Eminence(希夫纳达尔卓越学院);Indian Institute of Technology, Delhi(德里印度理工学院)
本文提出了一种新的闭合形式表达式,用于计算在伽马-伽马湍流信道中具有指向误差的相干FSO通信系统的平均频谱效率极限,并分析了湍流和指向误差对系统性能的影响。
2026-02-25 cs.IT eess.SP math.IT
Leveraging Coherent Distributed Space-Time Codes for Noncoherent Communication in Relay Networks via Training
对于点到点多输入多输出系统,Dayal-Büller-Varanasi已经证明了如果使用训练部分形成的信道的简单最小均方误差估计用于基础空时分组码(STBC)的相干检测,则训练码实现与基础空时分组码相同的分集阶数。在这封信中,一个类似的策略,涉及结合现有的相干分布式STBC的训练,信道估计和检测提出了AF中继网络中的非相干通信。仿真结果表明,所提出的简单的策略优于分布式差分空时编码AF中继网络。最后,将该策略扩展到使用正交频分复用的异步中继网络。
2008-09-03 cs.IT math.IT
Deep Learning Based MIMO Communications
我们介绍了一种新的物理层方案的单用户多输入多输出(MIMO)通信的基础上无监督的深度学习使用自动编码器。该方法通过将发射机和接收机扩展到多天线情况,将物理层表示和编码与解码过程的联合优化作为单个端到端任务来扩展先前的工作。我们引入了一个广泛使用的域适当的无线信道损伤模型(瑞利衰落信道),到自动编码器优化问题,以直接学习的系统,优化it.We认为在我们的实现空间分集和空间复用技术。我们的基于深度学习的方法展示了学习方案的巨大潜力,这些方案接近并超过了在现有无线MIMO系统中广泛使用的方法的性能。我们讨论了如何提出的方案可以很容易地适应开环和闭环操作的空间分集和复用模式和扩展使用,只有紧凑的二进制信道状态信息(CSI)作为反馈。
2017-07-25 cs.IT math.IT
Few-Shot Domain Adaptation For End-to-End Communication
University of Wisconsin - Madison(威斯康星大学麦迪逊分校);IMDEA Networks Institute(IMDEA网络研究所);XaiPient(XaiPient公司)
使用自动编码器的通信系统的端到端学习问题-由使用神经网络建模的编码器、信道和解码器组成-最近已被证明是一种有效的方法。在实际采用这种学习方法时面临的挑战是,在变化的信道条件(例如,无线链路)下,需要频繁地重新训练自动编码器,以便保持低解码出错率。由于再训练既耗时又需要大量样本,因此当信道分布快速变化时,再训练变得不切实际。我们建议使用一种快速且采样效率高(Few-Shot)的领域自适应方法来解决这个问题,该方法不会改变编码器和解码器网络。与传统的训练时间无监督或半监督领域自适应不同,这里我们有一个来自源分布的训练过的自动编码器,我们希望(在测试时)只使用一个小的标记数据集来适应目标分布,而没有未标记的数据。我们专注于基于高斯混合密度网络(MDN)的生成信道模型,并提出了一个正则化的,参数有效的适应MDN使用一组仿射变换。然后,学习的仿射变换用于在解码器输入处设计最优变换以补偿分布偏移,并且有效地呈现给接近源分布的解码器输入。许多模拟的分布变化常见的无线设置,和一个真正的毫米波FPGA测试平台上的实验证明了我们的方法在适应使用很少的目标域样本的有效性。我们工作的代码可以在https://github.com/jayaram-r/domain-adaptation-autoencoder上找到。
2023-03-04 cs.IT cs.LG eess.SP
Model-Based Deep Learning of Joint Probabilistic and Geometric Shaping for Optical Communication
Nokia(诺基亚);Aston Institute of Photonic Technologies, Aston University(阿斯顿大学阿斯顿光子技术研究所)
应用基于自动编码器的深度学习来联合优化光学相干通信的几何和概率星座成形。优化的星座成形优于256 QAM麦克斯韦-玻尔兹曼概率分布,具有额外的0.05比特/4D符号互信息,用于170 km SMF链路上的64 GBd传输。
2022-04-05 cs.IT cs.LG eess.SP
Design of Communication Systems using Deep Learning: A Variational Inference Perspective
Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
最近在使用深度学习设计端到端通信系统方面的研究已经产生了可以优于传统通信方案的模型。这些架构中的大多数利用自动编码器来设计发射机处的编码器和接收机处的解码器,并通过将发射符号建模为来自编码器的潜在代码来联合地训练它们。然而,在通信系统中,接收机必须与发送符号的噪声破坏版本一起工作。传统的自动编码器并不是设计来处理被噪声破坏的潜在代码的。在这项工作中,我们提供了一个框架来设计端到端的通信系统,占噪声损坏的传输符号的存在。所提出的方法使用深度神经架构。基于变分推理的概念,导出了优化这些模型的目标函数。此外,领域知识,如渠道类型可以系统地集成到目标。通过数值模拟,所提出的方法被证明是一致地产生具有更好的填充密度的模型,并且与利用深度学习模型的以前的作品相比,在多个流行的信道模型中更快地实现它。
2020-01-25 cs.IT cs.LG math.IT
Massive MIMO for Ultra-reliable Communications with Constellations for Dual Coherent-noncoherent Detection
超可靠低延迟通信(URLLC)的严格要求需要重新考虑物理层传输技术。由于频谱效率和传输的自由度的增加,大规模天线阵列被视为新兴的$5^\text{th}$生成系统的使能者,这可以在苛刻的延迟要求下大大提高可靠性。大规模阵列相干处理依赖于准确的信道状态信息(CSI),以实现高可靠性。在本文中,我们研究了单输入多输出(SIMO)系统中不完美CSI对相干接收机的影响。提出了一种幅度相位键控(APK)符号星座,其中每两个对称符号位于不同的功率电平。为了提高符号的可靠性,使用双级非相干和相干检测策略对符号进行解调。通过分析和仿真,我们发现一个适当的缩放的星座,并表明,对于高信噪比(SNR)和不准确的CSI制度,该方案提高了接收机的性能。
2018-03-21 cs.IT math.IT
Digital Adaptive Carrier Phase Estimation in Multi-Level Phase Shift Keying Coherent Optical Communication Systems
研究了长距离高速n级相移键控(n-PSK)光纤通信系统中基于单抽头归一化最小均方(LMS)算法的自适应载波相位估计问题。推导了n-PSK相干光传输系统中载波相位估计和误码率平层估计的解析表达式。结果表明,单抽头归一化LMS算法在载波相位估计方面有较好的效果,但随着调制电平的增加,其对激光器固有相位噪声和均衡增强相位噪声的补偿效果逐渐减弱。
2016-07-20 cs.IT math.IT
K-Means Clustering-Aided Non-Coherent Detection for Molecular Communications
在本文中,我们考虑非相干检测的分子通信系统中存在的符号间干扰。特别是,我们研究了非相干检测器的基础上,以实现低误码率(BER)传输的记忆位为基础的阈值。实现基于存储位阈值的检测器的主要挑战是仅基于接收信号获得信道状态信息。我们解决这个问题,通过重新制定的阈值,通过中间变量,这可以通过聚类多维数据从接收到的信号,并通过使用K-means聚类算法。除了估计的阈值,我们表明,传输的位可以从聚类数据中检索。为了减少聚类误差,我们提出了从一维到多维数据的迭代聚类方法,这表明可以降低BER。仿真结果验证了所提方法的有效性。
2021-04-18 cs.IT math.IT
Polar-Coded Non-Coherent Communication
针对信道状态信息未知的信道,提出了一种联合信道估计和译码的极化码传输(PCT)方案。CSI经由连续消除(SC)解码和由冻结比特施加的约束来估计。使用外码的SC列表解码提高了性能,包括在使用正交相移键控(QPSK)和格雷标记时解决相位模糊。使用5G极化码和QPSK的仿真显示,对于各种非相干模型,在$10^{-4}$的出错率(FER)下,与导频辅助传输相比,增益高达$2$ ~dB。此外,对于具有完美CSI的相干接收器,PCT在十分之几dB内执行。对于瑞利块衰落信道,PCT优于基于随机编码的FER上限,并且在下限的1dB内。
2021-02-22 cs.IT math.IT
Non-Coherent Modulation for RIS-Empowered Multi-Antenna OFDM Communications
可重构智能表面(RIS)构成了下一代第六代(6 G)无线通信的突出技术之一。设想在障碍物阻挡来自基站(BS)的直接通信的情况下以及当使用对衰减损耗敏感的高载波频率时增强信号覆盖。在文献中,RISs的开发完全基于传统的相干解调,这需要信道状态信息(CSI)的可用性。给定CSI,多天线BS或专用控制器计算前/后空间编码器和RIS配置。后者的任务需要大量的时间和资源,当信道是时变的或CSI不够准确时,这可能是负担不起的。在本文中,我们考虑一个单天线用户和一个多天线BS之间的上行链路,并提出了一种新的RI授权的正交频分复用(OFDM)通信系统的基础上的差分相移键控,这是适合于高噪声和/或移动性的场景。考虑到理想和现实的信道模型,信号干扰噪声比(SINR)和符号错误概率(SEP)的建议的非相干RI授权系统的解析表达式。我们广泛的计算机模拟结果验证了所提出的分析的准确性,并展示了所提出的系统的性能和优越性,在不同的移动性和空间相关性的情况下,相干解调。
2021-03-09 cs.IT math.IT
Learning Binary Autoencoder-Based Codes with Progressive Training
The Institute for Artificial Intelligence Research and Development of Serbia(塞尔维亚人工智能研究与发展研究所);Faculty of Technical Sciences, University of Novi Sad(诺维萨德大学技术科学学院)
针对可微分自编码器架构中二进制码字难以强制执行的问题,提出两阶段训练过程,在(7,4)块配置下学习到汉明码的旋转版本,实现相同BLER,表明紧凑AE可稳定学习代数最优二进制码。
2025-11-12 cs.AI cs.IT math.IT
A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles
针对智能交通系统中联网自动驾驶车辆的通信需求,提出基于VAE的多任务卫星辅助语义通信框架,利用概率潜在表示编码,经噪声信道传输特征进行交通标志重建与分类,能显著降低带宽并保持性能稳定。
2026-07-22 cs.IT cs.LG math.IT
On capacity of optical communications over a lossy bosonic channel with a receiver employing the most general coherent electro-optic feedback control
我们研究了使用相干处理接收器来设计光接收器以区分多个相干态的问题-即,一种是使用任意相干反馈控制和量子噪声限制的直接检测-Dolinar证明了这一点,以实现在区分任何两个相干态时的最小错误概率。我们首先推导并重新解释Dolinar的二进制假设最小错误概率接收器作为一个优化的信息效率在每个时刻,基于递归贝叶斯更新的接收器。使用这种观点,我们提出了Dolinar的接收器设计的自然推广,以区分$M$相干状态,每个相干状态现在可以是码字,即,$N$相干状态的序列,每个相干状态从调制字母表中提取。我们分析的纯损耗光信道的信道容量与一般的相干处理接收器在低光子数制度,并将其与直接检测和Holevo限制(实现后者将需要一个量子联合检测接收器)可实现的容量进行比较。我们展示了令人信服的证据,尽管Dolinar的接收器的二进制相干状态假设检验(无论是在错误概率或互信息)的最佳性能,渐近通信速率可实现这样的相干处理接收器是一样好的直接检测。这表明,在无限长的码字限制,在接收机相干处理的所有潜在的好处可以通过设计一个好的代码和直接检测,在接收机内没有反馈。
2017-04-15 cs.IT math.IT quant-ph