CN114117697B 基于可微辅助信道的端到端优化方法及系统 （上海交通大学）

forLong-haulFiberTransmiDifferentiableSurrogateChannel.OFLIGHTWAVETECHNOLOGY.2022,基于可微辅助信道的端到端优化方法及系统本发明提供了一种基于可微辅助信道的端受阻问题；调整损失函数为MSE，解码器无需2数据集构建步骤：基于端到端输入数据和端到端输编码器参数梯度获取步骤：通过优化的解码器反向传编码器输出数据包括处理后的信号以及优化参数，编在所述解码器优化步骤中，基于端到端训练数据集使用MSE损失函数通过监督学习优解码器输入梯度获取步骤：要求解码器通过误差反向传播算法，获取损可微辅助信道输出获取步骤：编码器的输出数据作为可微辅编码器损失函数步骤：可微辅助信道的输出数据与解码器输入的梯度进行点乘求和，3数据集构建模块：基于端到端输入数据和端到端输编码器参数梯度获取模块：通过优化的解码器反向传编码器输出数据包括处理后的信号以及优化参数，编在所述解码器优化模块中，基于端到端训练数据集使用MSE损失函数通过监督学习优解码器输入梯度获取模块：要求解码器通过误差反向传播算法，获取损可微辅助信道输出获取模块：编码器的输出数据作为可微辅编码器损失函数模块：可微辅助信道的输出数据与解码器输入的梯度进行点乘求和，4[0003]公开号为CN105490763A的中国发明专利文献公开了一种端到端的宽带移动MIMO方法包括如下步骤：将移动发射端发射的信号通过窄带MIMO传播信道传送到移动接收端，深度学习优化方法的解码器往往最后一层使用Sigmoid函数，损失函数是比特交叉熵。习的通信系统优化对光纤通信的容量提升有较高[0011]数据集构建步骤：基于端到端输入数据和端到端输出数据构建端到端训练数据5[0014]编码器参数梯度获取步骤：通过优化的解码器反向传播得到传播算法和梯度下降优化可微辅助信道；每批次重复训练可微辅助信道第一预定次数以[0028]可微辅助信道输出获取步骤：编码器的输出数据作为可[0036]数据集构建模块：基于端到端输入数据和端到端输出数据构建端到端训练数据6[0039]编码器参数梯度获取模块：通过优化的解码器反向传播得到[0048]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、[0050]图2为本发明基于可微辅助信道的端到端优化方法中构建步骤中可微辅助信道的[0051]图3为本发明基于可微辅助信道的端到端优化方法中数据集构建步骤和训练步骤[0052]图4为本发明基于可微辅助信道的端到端优化方法中编码器参数梯度获取步骤中7[0056]如图2所示，可微辅助信道无需对噪声建模，可微辅助信道建模部分具体步骤包8[0061]数据集构建步骤：基于端到端输入数据和端到端输出数据构建端到端训练数据据集的输入数据和输出数据均做功率归一化，信道数据集要求输入输出均做了功率归一训练数据集要求输入输出均为比特。要求训练过程信道参数发生变化(包括光纤通信的传9可微辅助信道；每一批次重复训练可微辅助信道5次以上。端到端数据集由输入和输出构[0068]编码器参数梯度获取步骤：通过优化的解码器反向传播得到[0070]可微辅助信道输出获取步骤：编码器的输出数据作为可和，作为编码器损失函数。可微辅助信道的输出与解码器输入的梯度进行点乘(即对应相[0078]本发明实施例还公开了一种基于可微辅助信道的端到端优化系统，包括如下模[0079]数据集构建模块：基于端到端输入数据和端到端输出数据构建端到端训练数据[0081]本发明所要解决的技术问题在于端到端深度学习的优化方法需要依靠已知信道现方法的软件模块又可以是硬件部件内的结