隐空间采样与隐蔽特征提取的CR-GAN复杂无线信道建模OA北大核心CSTPCD
为了更准确地建模随机无线信道,提出一种自适应增强条件生成对抗网络信道建模方法.其采用扩展的生成对抗网络(Generative Adversarial Network,GAN)开展训练,以近似估计无线信道响应,模拟真实无线环境信道.为了改善GAN训练稳定性和学习能力,引入条件信息和梯度惩罚项,并提出一种增强条件生成对抗网络框架,用于提取信道隐蔽特征.此外,还提出隐空间采样策略,以增加随机变量与生成数据的互信息量,提高所提框架的信道建模性能.仿真表明:所提框架能很好地模拟复杂无线信道分布.在信噪比为10 dB时,与现有GAN训练方法相比,其归一化均方误差性能改善约24%.
姜斌;程子巍;包建荣;吕鑫;赵宜楠;
杭州电子科技大学通信工程学院,浙江杭州310018 杭州电子科技大学电子信息学院,浙江杭州310018杭州电子科技大学通信工程学院,浙江杭州310018
电子信息工程
无线通信深度学习信道建模生成对抗网络
《电子学报》 2024 (006)
P.1817-1823 / 7
浙江省自然科学基金(No.LZ24F010005)。
评论