自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 收藏
  • 关注

原创 【文献学习】 2021 Deep-Waveform: A Learned OFDM Receiver Based on Deep Complex Convolutional Networks

https://arxiv.org/abs/1810.07181 译文 参考文章 深波:一种基于深复卷积网络的学习OFDM接收机: 参考文章2 代码 代码2 近年来对无线通信物理层深度学习的研究表明,深度神经元网络在信道编码、调制和参数估计等方面具有良好的性能。然而,目前还不清楚深层神经元网络是否也能学习当前和下一代无线网络的先进波形,并有可能创造出新的波形。在本文中,开发了一种没有明确的离散傅里叶变换(DFT)的深度复数卷积网络(DCCN)作为正交频分复用(OFDM)接收器。与现有的由全连接层和非线性激活

2021-11-02 21:02:10 2800 2

原创 左神算法基础入门班4:哈希表、链表

题目一 哈希表的简单介绍 1)哈希表在使用层面上可以理解为一种集合结构 2)如果只有key,没有伴随数据value,可以使用HashSet结构(C++中叫UnOrderedSet) 3)如果既有key,又有伴随数据value,可以使用HashMap结构(C++中叫UnOrderedMap) 4)有无伴随数据,是HashMap和HashSet唯一的区别,底层的实际结构是一回事 5)使用哈希表增(put)、删(remove)、改(put)和查(get)的操作,可以认为时间复杂度为 O(1),但是常数时间比较大

2021-09-12 22:09:37 282

原创 【文献译文】ComNet: combination of deep learning and expert knowledge in OFDM receivers

摘要: 在本文中,我们提出了一种模型驱动的深度学习(DL)方法,将DL与专家知识相结合,以取代现有的正交频分复用接收机在无线通信中的应用。与数据驱动的全连通深度神经网络(FC-DNN)方法不同,我们采用逐块的信号处理方法,将接收机分为信道估计子网和信号检测子网。每个子网由一个DNN构造,并使用现有的简单和传统的解决方案作为初始化。与线性最小均方误差法相比,模型驱动DL接收机具有更高的信道估计精度,并且与现有方法和FC-DNN相比,具有更高的数据恢复精度。仿真结果进一步验证了该方法在信噪比方面的鲁棒性,并在计

2021-08-08 18:15:50 923 1

原创 【文献阅读】 Deep Learning-Based Channel Estimation in OFDM Systems

2020 https://ieeexplore.ieee.org/document/9166541 https://arxiv.org/abs/1810.05893 代码:https://gitee.com/joannne/ChannelNet #摘要: 本文提出了一种在正交频分复用(OFDM)系统中基于深度学习(DL)的信道估计(ChannelNet)的下行导频设计方案。具体而言,在该方案中,采用了具体的自动编码器(ConcreteAE)特征选择方法来寻找信息最丰富的导频传输位置。该自动编码器由一个作为编

2021-08-07 22:25:21 6110 4

原创 OFDM系统中的信道估计基础知识(一)

[OFDM完整仿真过程及解释(MATLAB)](https://zhu anlan.zhihu.com/p/57967971) 参考二 目录一、OFDM系统接收机的典型结构图问题:二、OFDM调制与解调三、名词解释 一、OFDM系统接收机的典型结构图 上半部分对应于发射机链路,下半部分对应于接收机链路 过程介绍–发送端: OFDM发射机的输入位首先要进行编码(有冗余),以减少特定信道的误差,编码后的位通过==调制在相位和正交(IQ)==平面上映射成星座,得到的IQ数据用复数表示。在IQ数据中插入导频和保护

2021-08-07 22:04:29 6184 2

原创 【北京大学】Tensorflow1笔记(2)

【北京大学】1 TensorFlow1.x中Python基础知识 3.1 为了使得linux系统更方便使用vim。更改vim配置 vim ~/.vimrc #i写入以下内容 set ts = 4 set nu #按"ESC"退出插入模式 :wq保存 :w 保存文件但不退出vi :w file 将修改另外保存到file中,不退出vi :w! 强制保存,不推出vi :wq 保存文件并退出vi :wq! 强制保存文件,并退出vi q: 不保存文件,退出vi :q! 不保存文件,强制退出vi :e! 放弃所有修

2021-08-06 20:28:19 160

原创 北大Tensorflow2.0(二、三、四)

总目录 【tensorlfow2】安装及简介全连接神经网络 北大Tensorflow2.0(一) 激活函数类似于归一化数据,常用relu 解决了梯度消失问题 (在正区间) (2) 只需判断输入是否大于0,计算速度快 (3) 收敛速度远快于sigmoid和tanh 缺点: (1) 输出非0均值,使收敛慢 (2) Dead RelU问题:某些神经元可能永远不会被激活(输入为负数时结果为0),导致相应的参数永远不能被更新。 解决方法: 设置小些的学习率,减少参数变化 输入特征标准化,即让输入特征满足以0为均值,

2021-08-05 01:04:57 593

原创 Tensorflow1笔记8

【北京大学】12 TensorFlow1.x的卷积神经网络模型VGGNet实现 张量是多维数组 常用函数 (2)np.load /np.save将数组以二进制格式读出或写入磁盘,扩展名为.npy ··· np.save(“名.npy”,某数组) 某变量 = np.load(“名.npy”,encoding ="").item() #encoding可不写,有三个选项latin1 ASCI ··· (5)tf.nn.bias_add(乘加和,bias)#把bias加到乘加和上 (6)tf.reshape(te

2021-08-02 16:25:36 462

原创 【北京大学】Tensorflow1笔记6、7

【北京大学】Tensorflow1笔记

2021-07-31 17:29:30 530

原创 【北京大学】Tensorflow1笔记4、5

4 TensorFlow1.x的反向传播推导与实现 一、神经网络实现过程(步骤1~3是训练过程 步骤4是使用过程) 1、准备数据集,提取特征,作为输入喂给神经网络(neural network,NN) 2、搭建NN结构,从输入到输出(先搭建计算图,再用会话执行) (NN前向传播算法–>计算输出) 3、大量特征数据喂给NN,迭代优化NN参数 (NN反向传播算法–>优化NN参数) 4、使用训练好的模型预测和分类 前向传播:搭建神经网络模型,让神经网络NN实现推理过程 计算节点模板 #变量初始化,计算

2021-07-29 19:04:17 463

原创 【文献译文-20】Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems

文献背景 2020.12 Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems: 参考文献: 信道估计的技术是直接利用别人提出的 2020.10《Model-Driven Channel Estimation for OFDM Systems Based on Image Super Resolution Network(基于图像超分辨率网络的OFDM系统模型驱动信道估计)》 自己的创新点仅仅在信号检测

2021-06-22 21:49:01 759

原创 Java基础:第七章 异常处理

面试题: 1、常见的异常都有哪些?举例说明,怎么处理异常 运行时异常:ArithmeticException 算术异常,ArrayIndexOutOfBoundsException数组角标越界 编译时异常(checked):IOException 2、throws、throw区别 throws声明异常是异常处理的方式, 捕获异常,声明在方法的声明处。 throw手动生成异常对象,抛出异常,声明在方法体内。可以同时使用,先抛出后捕获 3、final、finally、finalize三者的区别? finali

2021-06-16 15:59:24 186

原创 Java基础:第5-6章(重点)

文章目录基础知识方法的重写(override/overwrite) 基础知识 1、继承 减少冗余 class Person { public String name; public int age; public Date birthDate; public String getInfo() { // … } } class Student ==extends ==Person {//子类 public String school; } 子类继承了父类,就继承了父类的方法和属性。  在子类中,可以使

2021-06-15 18:15:29 335

原创 【文献译文】OFDM Receiver Using Deep Learning: Redundancy Issues

基于深度学习的OFDM接收机:冗余问题摘要:第一节 导言第二节 系统模型第三节 最小冗余OFDM接收机A CEsubnetB.SDMR-子网 2021 ieee会议 摘要: 在正交频分复用(OFDM)系统中,为了对抗多径衰落引起的码间干扰(ISI)和块间干扰(IBI),通常建议使用长度等于信道顺序的循环前缀(CP)。然而,在某些实际情况下,信道顺序还不完全清楚。为了在一个完整的CP和它的缺失之间找到一个平衡,我们研究了冗余问题,并提出了一个使用深度学习(DL)工具的最小冗余OFDM接收机。这样,与无CP的情

2021-06-01 15:51:35 1120 1

原创 Java基础:第4章 类与对象

第四章基本知识类和对象的使用4.3 对象的创建和使用:内存解析4.5方法 基本知识 1、类(Class)和对象(Object)是面向对象的核心概念。  类是对一类事物的描述,是抽象的、概念上的定义  对象是实际存在的该类事物的每个个体,因而也称为实例(instance)。 2、 属 性:对应类中的成员变量  行 为:对应类中的成员方法 3、类的实例化 public class PersonTest { public static void main(String[] args) {

2021-05-15 17:27:12 263

原创 java基础:第2-3章

1、三元运算符:(条件表达式)?a:b; 凡是可以使用三元运算符的地方,都可以改写为if-else 反之,不成立。 //如果程序既可以使用三元运算符,又可以使用if-else结构,那么优先选择三元运算符。原因:简洁、执行效率高。 class SanYuanTest{ public static void main(String[] args){ // 获取两个整数较大者 int m=12; int n=5; int max=(m>n)?m:n; Syste

2021-04-29 16:24:00 573

原创 OFDM_DNN

原作者代码 The codes have been tested on Ubuntu 16.04 + tensorflow 1.1 + Python 2.7 Exprese.py是DNN信道估计和检测的一个简单例子,Main.py是信道估计和检测的通用框架,可以很容易地改变不同的设置。正交频分复用(OFDM)信道估计_DeeplningQAM_*是本文的仿真代码。 ...

2021-03-27 19:40:27 509

原创 2021-03-26

深入浅出通信原理Python代码版 【Python】实现BPSK、QPSK、QAM信号调制 https://betterbench.blog.youkuaiyun.com/article/details/115035737

2021-03-26 17:01:20 164

原创 OFDM缩写

文章目录BCI B 基扩展模型(BEM,basis expansion model) C 信道冲激响应(CIR,channel impulse response) I ISI,inter-symbol interference 符号间干扰

2021-03-26 16:23:04 201

原创 多联机空调能耗计算

1、文献专利 一种多联机能耗计量方法及系统 摘要:本发明公开一种多联机能耗计量方法及系统。其中,该方法包括:接收多联机上传的机组运行数据;根据所述机组运行数据实时计算得到第一能耗数据;利用神经网络模型对所述第一能耗数据进行修正,得到修正后的能耗数据。本发明通过接收多联机的机组运行数据,能够在线实时计算多联机能耗,并且利用基于大数据训练得到的神经网络模型对计算的多联机能耗进行修正,实现多联机能耗的精准计量,实现大量多联机组能耗的综合计量和统计,无需耗费大量人力使用电表进行实测,便捷、准确且高效。 变频

2021-03-25 13:56:03 4553

原创 北大Tensorflow2.0(一)

【北京大学】Tensorflow2.0 在线源码:https://github.com/jlff/tf2_notes 【参考】【北京大学】Tensorflow2.0搭建一个神经网络入门 Tf2.0第一讲 1、鸢尾花分类(Iris) 标题

2021-03-19 21:25:13 613

原创 论文错别字检测

http://cuobiezi.net/public_index

2021-03-18 13:17:54 1175 1

原创 文献学习

一、文献目录 1、【文献学习】利用DeepLearning实现OFDM信号解调相关文献及源码汇总 2、【文献学习】Artificial Intelligence-aided OFDM Receiver:Design and Experimental Results 在FC-DNN和ComNet网络的基础上进行的研究和真实的实现。并针对离线训练的信道模型与实际环境不一致而导致的仿真与(over-the-air)OTA测试之间的性能差异,提出了一种新的在线训练策略SwitchNet接收机。 二、

2021-03-17 16:11:55 479

原创 【tensorlfow2】安装及简介全连接神经网络

【tensorlfow】全连接神经网络FC-DNN Anaconda+Tensorflow2.0安装教程

2021-03-04 17:39:38 960 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除