一种改进的CNN端到端自编码器通信系统

来源：电讯技术杂志2020年第2期北京时间：

作者：王旭东,林彬,张凯尧,吴楠

单位：(大连海事大学 信息科学技术学院，辽宁 大连 116026)

摘要：针对现有端到端神经网络通信系统的泛化能力改进及自编码器优化等问题，提出了一种基于卷积神经网络（Convolutional Neural Network，CNN）的端到端通信系统改进方案。该方案在自编码器结构中引入一维卷积层（Conv1D），通过对参数的重新设计，优化了网络性能。发送端采用多层Conv1D对输入序列进行特征提取，通过训练获得发送信号的最佳调制和编码方案；接收端同样采用多层Conv1D，来恢复受到噪声污染的符号。仿真实验表明，在不同输入比特长度及编码速率条件下，所提系统表现出了良好的泛化能力。并且，在加性高斯白噪声信道和瑞利衰落信道下，训练模型的误码性能与传统的调制方式性能相吻合，验证了系统方案的可行性和有效性。此外，对于数字传输常见的突发信道，所提方案具有良好的适应性，可获得1 dB左右误码性能的改善。

关键词：通信系统；卷积神经网络；端到端学习；自编码器；

基金资助：国家自然科学基金资助项目（61371091）