【《基于非对称自动编码器的系统性能评价及仿真结果分析案例》3600字】

基于非对称自动编码器的系统性能评价及仿真结果分析案例目录TOC\o"1-3"\h\u12552基于非对称自动编码器的系统性能评价及仿真结果分析案例 1198341.1仿真环境参数设置 1277131.2仿真结果及分析 3在本节中，通过与基于传统信道估计方法、深度神经网络接收机[30]和文献中AE模型的水声通信系统性能进行比较，评估文中所设计基于非对称自动编码器的水声OFDM通信系统的误码率水平与信道环境适应性。对于不同的水声信道环境，分别使用上述几种网络模型对信号进行处理。本节的第一部分仿真环境的基本参数，第二部分对基于不同网络模型的系统误码率和对水声信道环境变化的适应性进行分析。1.1仿真环境参数设置分析系统结果时，本文主要使用的OFDM多载波调制方式进行讨论，在进行仿真实验时也使用了其他的调制方式对系统进行分析。水声信道环境的主要参数如表3-2所示，利用基于统计表征的水声信道模型[53]模拟了七种不同的水声信道环境，分别记为“环境1”、“环境2”、“环境3”以此类推。训练集与测试集的样本个数分别为400和100，改变了传输距离、最大时延扩展和多普勒频移几个影响因素，信道持续时间为180s，涵盖水声时变信道响应的全部信息，系统没有进行信道编码。OFDM水声通信系统的参数如表3-3所示，子载波的个数为512，选用循环前缀的长度分别为128，64和16，分别占有效信息长度的1/4，1/8和1/32。在水声通信系统中，循环前缀的长度一般占有效信息长度的1/4左右，本设计采用1/8和1/32的长度是为了考察基于非对称自动编码器的水声通信系统能否降低循环前缀的比例，与传统的水声通信系统相比节省这部分频带资源。星座图映射分别选用BPSK、QPSK，8-QAM，这三种方法，相比于目前水声通信系统多采用QPSK的映射方法，8-QAM能实现信息的更高速率传输。本设计采用QPSK和8-QAM的映射方式是为了考察基于非对称自动编码器的水声通信系统能否相较于传统的水声通信系统提高通信速率。每次仿真会随机生成0，1序列作为系统的输入数据流，分别表示为导频信息与信号信息，其比值为1:1，导频插入方式为块状导频。网络传输后接收到的数据和原始生成的随机传输数据被称为训练数据，神经网络在训练过程中通过调整每个神经元的权重，最小化输出与输入之差，进行网络的优化。对基于各种网络的系统进行评估时，网络均在环境2下进行训练，测试集与训练集环境设置分为两种情况，第一种为测试集与训练集环境相同，第二种为测试集与训练集环境不同。表3-2水声信道环境参数设置信道参数水深/m传输距离d/Km时延扩展τ/ms多普勒频移fd/Hz环境11001.0350表3-2（续）信道参数水深/m传输距离d/Km时延扩展τ/ms多普勒频移fd/Hz环境21001.3400环境31001.0400环境41006.0400环境51006.5470环境61001.3400-20环境71001.3400-50表3-3OFDM参数设置OFDM参数帧结构导频+数据符号宽度1024子载波个数512CP长度128,64,16导频长度512子载波间隔15.6Hz星座图映射方法BPSK,QPSK,8-QAM1.2仿真结果及分析（1）基于对称AE与非对称AE模型的系统误码率水平对比图3-11对比了基于本文设计的非对称AE与文献[44]端到端对称AE的系统在不同信噪比下的误码率，AE[44]的网络结构如图3-10所示，“非对称AE”和“对称AE”分别指基于本文设计的非对称自动编码器OFDM水声通信系统和基于文献[44]对称自动编码器水声OFDM通信系统，AE[44]为端到端系统，整个通信系统均由自动编码器构成，整个系统形成一个巨大的“黑匣子”，很难了解其训练过程，使系统的可控性大大降低，且该自动编码器为对称结构，对隐含层层数和神经元个数的设置不够灵活，没有针对信道的性能进行结构的匹配。相比之下，本文设计的自动编码器保留了部分通信模块例如星座图映射解映射、调制解调、加循环前缀和去循环前缀等过程，并对自动编码器进行了非对称的设计，发送端隐含层层数为一层接收端为三层，既控制了网络的复杂度有效防止过拟合且能更加匹配比无线信道更加复杂的水声信道。从图中可以看出在不同的信噪比下，基于非对称自动编码器的水声通信系统误码率均低于基于AE[44]的系统，且在“SNR=25dB”时，误码率达到了10-4，证明了该非对称自动编码器的设计较为有效，并且可以获得比对称AE系统更好的误码率性能。图3-10文献[44]端到端对称图3-11对称AE与非对称AE的BER对比自动编码器系统（2）相同环境下不同信道估计方法的影响图3-12对比了在OFDM调制的方式下测试集与训练集环境相同，基于非对称自动编码器、DNN接收机[30]和传统信道估计方法的系统误码率水平。图中的“MMSE”和“LS”是指基于信道估计算法MMSE和LS的OFDM水声通信系统，“DNN”指基于DNN[30]的OFDM水声通信系统，“非对称AE”指基于非对称自动编码器的水声OFDM通信系统。从图中可以看出在不同信噪比(SNR)下基于对称DNN[30]和非对称AE的系统误码率始终低于基于传统的信道估计方式LS和MMSE的系统，并且基于非对称AE系统的误码率比基于DNN接收机系统的更低，在信噪比为25dB时的基于非对称AE系统的误码率达到了10-4。从结果来看，在不同的信噪比情况下，基于非对称AE的系统比传统的信道估计和基于DNN[30]的系统有更好的误码率表现，证明在训练集与测试集环境相同时，相较于其他模型，基于非对称AE的系统性能是最佳的，使信息的传输更加准确。图3-12不同信道估计方法下的BER对比图3-13不同调制方式的对比（3）不同调制方式的影响为了探究不同调制方式对系统的影响，图3-13对比了在不同调制方式下基于对称AE[44]和非对称AE的系统性能，图中“非对称AEOFDM”指基于非对称自动编码器的OFDM水声通信系统，“对称AEFBMC”指基于AE[44]的FBMC水声通信系统，分别选择了OFDM、FBMC、GFDM和S-NOFDM四种不同的调制方式对系统性能进行评价。由图3-14可知，基于非对称AE的系统在这四种不同调制方式下的误码率均比AE[44]的误码率水平更佳。在SNOFDM调制方式下，基于非对称AE的水声通信系统的误码率保持最低水平，在“SNR=25dB”时达到10-4，说明基于非对称AE的系统可以适应大部分的调制方式并保持良好的误码率水平，证明了在不同的信噪比下，基于非对称AE的水声通信系统性能优于基于AE[44]的水声通信系统。（4）不同的循环前缀长度的影响循环前缀（CyclicPrefix,CP）即为将OFDM信号的最后一定长度内的部分提取出来放在OFDM信号的头部，循环前缀相当于保护间隔，OFDM系统中可以插入一段空白符号作为保护间隔，对于削弱码间干扰非常有效，但是它会一定程度上占用带宽资源和传输能量。图3-14显示了在训练集与测试集环境均为仿真环境2时，不同循环前缀长度下对基于非对称AE和MMSE信道估计系统误码率的影响，图中“MMSE”表示该数据是基于信道估计算法MMSE的OFDM系统仿真得到的，图中“非对称AE”表示该数据是基于非对称自动编码器的OFDM系统得到的，图中“CP”表示循环前缀。从图中可以观察到，不管CP长度取128、64还是16时，基于非对称AE的系统的误码率性能始终优于基于MMSE算法的系统，并且在“CP=128”时，基于非对称AE的系统的误码率达到最佳性能，因此可以证明相比于传统的信道估计方法，利用非对称自动编码器可以在更短的循环前缀情况下达到更佳的系统误码率性能。在确保一定的系统误码率的前提下，可以适当的减少CP的长度，节省原本由循环前缀所占用的这部分带宽，节省了传输能量，提高了频谱利用率。图3-14不同循环前缀长度的对比图3-15不同星座映射方法的对比（5）不同的星座映射方法的影响在水声通信传输过程中，目前更关注其系统传输的准确性，在保证一定传输可靠性的基础上，实现高速率传输仍然是比较困难的。图3-15所示为不同的星座映射方法下基于非对称AE和MMSE系统的误码率曲线，非对称AE在环境2下训练且在环境2下测试。图中“非对称AEBPSK”表示该数据是基于非对称自动编码器的OFDM系统在“BPSK”映射方式下仿真得到的，“MMSE8-QAM”表示该数据是基于MMSE传统估计方法的OFDM系统在“8-QAM”映射方式下仿真得到的，图中“QAM”表示正交幅度调制。从图中可以看到在“8-QAM”和“QPSK”映射方法时基于非对称自动编码器的系统误码率为10-3到10-4左右，始终保持良好的误码率水平，但在基于信道估计算法MMSE的系统只有在“BPSK”时误码率曲线能够达到10-2左右。总体来说，在“8-QAM”，“QPSK”和“BPSK”三种不同映射方法下，基于非对称自动编码器的OFDM系统的误码率总是低于基于MMSE估计算法的OFDM系统误码率约2个数量级。以上结果表明，基于非对称自动编码器的系统可以在保证误码率水平的基础上提高传输的速率，为实现水声通信中稳定的高速率传输提供了一种解决方案。（6）测试集与训练集相同与不同的比较为了探究系统的环境适应性，分别在测试集与训练集环境相同和不同下进行仿真实验，图3-16显示了测试集与训练集相同和不同时基于非对称自动编码器的水声通信系统的误码率，图中“训练环境2测试环境5”表示该数据是基于非对称AE模型（模型在环境2下训练，在环境5下测试）的OFDM水声通信系统在不同SNR下的BER曲线，以此类推。从图中看到，在测试集与训练集环境相同时，基于非对称AE的系