基于深度学习的无线物理层关键技术研究综述

发布时间：2021-01-08 20:55

　　目前深度学习在通信系统的上层中得到了广泛应用,随着技术不断发展,深度学习正在向通信系统的底层推进。为解决传统算法计算效率低、复杂度高等问题,深度学习已经被应用到无线通信物理层关键技术中。对深度学习在无线通信物理层关键技术中的应用进行了综述性讨论,包括深度学习定义、深度学习神经网络介绍、基于深度学习的无线物理层关键技术等。分析表明,深度学习与无线通信系统之间存在结合点,在传统的通信模块或算法中加入用深度学习训练的可学习的参数是当前比较具有竞争力的一种设计方案,有必要对此进行深入研究。 

【文章来源】：重庆邮电大学学报(自然科学版). 2020,32(04)北大核心

【文章页数】：8 页

【文章目录】：
0 引 言
1 深度学习与神经网络
    1.1 深度神经网络介绍
    1.2 卷积神经网络介绍
    1.3 循环神经网络介绍
2 深度学习在物理层关键技术中的应用
    2.1 DNN在物理层关键技术中的应用
    2.2 CNN在物理层关键技术中的应用
    2.3 RNN在物理层关键技术中的应用
3 讨论与总结
4 结束语


【参考文献】：
期刊论文
[1]基于人工智能的无线传输技术最新研究进展[J]. 张静,金石,温朝凯,高飞飞,江涛.  电信科学. 2018(08)
[2]Deep Learning for Wireless Physical Layer: Opportunities and Challenges[J]. Tianqi Wang,Chao-Kai Wen,Hanqing Wang,Feifei Gao,Tao Jiang,Shi Jin.  中国通信. 2017(11)



本文编号：2965287