声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1267/TN
国际刊号：1001-893X
发布日期:
作者：安永丽,方斌,刘劲芸,纪占林
单位：(1.华北理工大学 人工智能学院，河北 唐山 063000;2.河北省工业智能感知重点实验室，河北 唐山 063000)
关键词：端到端学习；生成对抗网络；互信息；神经估计；
基金：国家科技部重点研发专项(2017YFE0135700)；河北省高层次人才工程项目(A201903011)；河北省自然科学基金(F2018209358)
针对端到端通信系统在信道未知时通过使用生成对抗网络（Generative Adversarial Network，GAN）表示信道效应而产生的梯度消失和过拟合问题，提出了一种通过互信息作为正则化项的改进方案。通过互信息神经估计器（Mutual Information Neural Estimator，MINE）计算发射信号与接收信号的互信息并由此作为正则化项来提高模型的泛化能力，从而缓解过拟合问题，而其中产生的额外梯度可以缓解梯度消失问题，从而提高了模型的学习性能。从仿真结果来看，改进后的方案表现出了更好的鲁棒性，并且在加性高斯白噪声（Additive White Gaussian Noise，AWGN）信道、瑞利衰落信道上获得了更好的误比特率性能。此外，在频率选择性信道上，改进后的方案获得了1 dB左右误比特率性能的改善。
来源：2024年第9期
《电讯技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。