排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性. 相似文献
2.
提出一种Attention-Autoencoder模型并应用于系统中.将Attention模型与信道统计信息的相关先验知识结合,在接收端引入注意力(Attention)模块筛选有效数据从而增加网络提取特征的能力.基于Bellhop水声信道模型开展了不同信道环境的仿真实验验证,在测试集与训练集相差较大时,Attention-Autoencoder模型的水声通信系统具有较低误码率,具有较好的环境适应性. 相似文献
1