.png){kind=icon}
返回
A Novel Multi-Modulation-Order Technique Based on Deep Learning for Communication Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2026.3668274.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自编码器（AEs）通过联合优化编码器和解码器，使通信系统能够实现高效的数据编码。然而，传统的基于AE的调制/解调方法通常为每个符号固定数量的传输比特设计AE，因此需要针对不同调制阶数训练多个模型。为解决此问题，我们提出了一种支持多种调制阶数的灵活自编码器（flAE）架构，以减少训练时间和内存使用。与现有方法不同，flAE允许不同调制阶数的星座点在空间中重叠，以实现最优调制。实验结果表明，flAE轻量化且性能与传统AE方法相当。
Keyword:
Autoencoder-based communication
a modulation scheme
flexible modulation order
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
.png){kind=icon}
Attention-Empowered Residual Autoencoder for End-to-End Communication Systems用于端到端通信系统的注意力增强的残差自编码器
PREAI
分享收藏分享收藏分享收藏
查看更多内容