Deep Learning-Based Modulation and Power Control: A BER Perspective

Yongjeong Oh

doi:10.1109/LCOMM.2025.3605917

Deep Learning-Based Modulation and Power Control: A BER Perspective

2025-09-04

0

PRE

AI

DOI：10.1109/LCOMM.2025.3605917

原文链接

原文求助

摘要

En 中文

本论文提出了一种基于深度学习（DL）的调制与功率控制（MPC）框架，用于在并行衰落信道下解决两类基于比特误码率（BER）的优化问题。首先，我们旨在通过设计两个神经网络（ModNet和PowerNet）来最小化BER，这两个网络分别优化调制方式和功率等级，同时满足各自的约束条件。其次，我们寻求在保证目标BER的前提下最小化总功率，方法是通过训练ModNet进行调制等级决策，随后采用凸优化过程进行功率分配。仿真结果表明，所提出的基于DL的MPC框架具有有效性，与现有的MPC基准方法相比，其BER更低、总功率消耗更少，且仿真时间更短。

Keyword:

Modulation and power control

deep learning

bit error rate

Deep Learning-Based Modulation and Power Control: A BER Perspective

摘要

期刊

机构