1.基于深度学习和压缩感知辅助的编码方法,其特征在于,包括以下步骤:对比特数据进行编码映射,使用AlexNet模型进行码本设计,每个码本通过五个卷积层训练后获得在当前环境下的误码率;
对误码率最低的码本进行数据映射;
对映射到码本上的数据信号进行压缩感知;
压缩感知后的信号先经过OFDM调制,然后经过信号传输,接着进行信号解调,之后将信号重构后解映射为码本信号,最后通过解码器将将码本信号解码为原始信号;
使用AlexNet模型进行码本设计依靠CNN进行训练,使编码器fkj(r;θf)、解码器g(y;θg)正确地重构原始数据r;同时考虑编码器和解码器的CNN的端到端损失函数为:式中,h为信道向量,r为目标值,f为编码器,g为解码器,为CNN解码器重构的数据,即对映射到码本上的数据信号进行压缩感知是对信号进行采样和压缩,步骤包括:S31,假设x是长度为N的一维离散信号,则用一组规范的正交基的线性组合表示,将其作为列向量形成N×N维基矩阵,即Ψ={Ψ1,Ψ2,…,ΨN},则信号x通过该基向量可表示为:其中,θ=[θ1,θ2,……θN]T是信号x在基Ψ下的稀疏表示系数,且θ中只有一小部分数值较大,大部分数值为零或接近于零;如果其中有S个非零元素,就称信号x是S稀疏的;
S32,设计一个大小为M×N(M<
高维信号Ψθ在观测矩阵Φ的测量下映射到低维空间,即得到压缩后的信号y,完成了信号的采样压缩。
2.根据权利要求1所述的基于深度学习和压缩感知辅助的编码方法,其特征在于,CNN中的AlexNet模型使用基于双GPU的卷积运算方法,同时用Relu激活函数代替T激活函数,Relu激活函数表示为:f(x)=max(0,x)。
3.根据权利要求1所述的基于深度学习和压缩感知辅助的编码方法,其特征在于,所述数据映射是将6个用户数据用4个子载波传输,映射过程为:6个用户都传输两个码元,每个码元占用一个子载波,4个子载波分别用b1、b2、b3和b4表示;将第一个用户数据映射在b1、b2,第二个用户映射在b1、b3,第三个用户映射在b1、b4,第四个用户映射在b2、b3,第五个用户映射在b2、b4,最后一个映射在b3、b4。
4.根据权利要求1所述的基于深度学习和压缩感知辅助的编码方法,其特征在于,将码本信号解码为原始信号的步骤为:S41,对于每个资源,根据接收到的信号和信道增益,计算该资源上每个可能码字的概率,并将这些概率传递给对应的用户节点;
S42,每个用户节点根据接收到的来自其他资源节点的概率信息,更新自己选择的码字的概率,并将这些概率回传给资源节点;
S43,重复S41-S42,直到达到预定的迭代次数;
S44,在迭代结束后,根据最终的用户节点概率分布,计算每个比特的似然比,根据似然比进行比特判决,恢复出原始信号。
5.基于深度学习和压缩感知辅助的编码系统,其特征在于,包括:码本设计模块:对比特数据进行编码映射,使用AlexNet模型进行码本设计,每个码本通过五个卷积层训练后获得在当前环境下的误码率;
数据映射模块:对误码率最低的码本进行数据映射;
压缩感知模块:对映射到码本上的数据信号进行压缩感知;
以及,重构解码模块:压缩感知后的信号先经过OFDM调制,然后经过信号传输,接着进行信号解调,之后将信号重构后解映射为码本信号为码本信号,最后通过解码器将将码本信号解码为原始信号;
使用AlexNet模型进行码本设计依靠CNN进行训练,使编码器fkj(r;θf)、解码器g(y;θg)正确地重构原始数据r;同时考虑编码器和解码器的CNN的端到端损失函数为:式中,h为信道向量,r为目标值,f为编码器,g为解码器,为CNN解码器重构的数据,即对映射到码本上的数据信号进行压缩感知是对信号进行采样和压缩,步骤包括:S31,假设x是长度为N的一维离散信号,则用一组规范的正交基的线性组合表示,将其作为列向量形成N×N维基矩阵,即Ψ={Ψ1,Ψ2,…,ΨN},则信号x通过该基向量可表示为:其中,θ=[θ1,θ2,……θN]T是信号x在基Ψ下的稀疏表示系数,且θ中只有一小部分数值较大,大部分数值为零或接近于零;如果其中有S个非零元素,就称信号x是S稀疏的;
S32,设计一个大小为M×N(M<
高维信号Ψθ在观测矩阵Φ的测量下映射到低维空间,即得到压缩后的信号y,完成了信号的采样压缩。
6.一种计算机存储介质,存储有可读程序,其特征在于,当程序运行时,能够执行权利要求1-4任一项所述的基于深度学习和压缩感知辅助的编码方法。
7.一种电子设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一条可执行指令,所述可执行指令使所述处理器执行如权利要求1-4中任一项所述的基于深度学习和压缩感知辅助的编码方法对应的操作。
8.一种计算机程序产品,包括计算机指令,其特征在于,所述计算机指令指示计算设备执行如权利要求1-4中任一所述的基于深度学习和压缩感知辅助的编码方法对应的操作。