[发明专利]基于语义编码的混合重传方法有效
申请号: | 202110766619.3 | 申请日: | 2021-07-07 |
公开(公告)号: | CN113379040B | 公开(公告)日: | 2022-11-01 |
发明(设计)人: | 姜培文;金石;温朝凯 | 申请(专利权)人: | 东南大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06F11/10 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 秦秋星 |
地址: | 211102 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 语义 编码 混合 方法 | ||
1.一种基于语义编码的混合重传方法,其特征在于,包括以下步骤:
步骤一、对基于待传输内容对主语义编解码网络进行离线训练,包括:使用内容范围特定的信源数据集s,在发送端经过语义编码网络得到待传输码字b,其码长为n;考虑信道干扰的影响,在接收端获得码字b的估计值将输入语义解码网络且将其输出看作对发送信源s的估计;信源数据集s作为网络的输入样本和标签对收发两端的编解码网络进行端到端训练,使用优化算法调整网络参数,并将离线训练完成后的网络参数存储,得到离线训练后的主语义编解码网络;
步骤二、考虑第二类混合重传时还需要离线训练增量语义编解码网络,包括:对于第i次增量重传,发送端使用第i个增量语义编码网络将信源s编码成增量码字bi,其码长为ni;接收端在信道干扰下获得增量码字的估计并将前面接收到的码字与合并输入第i个增量语义解码网络获得第i次重传得到的发送信源的估计其标签仍为s;信源数据集s作为网络的输入样本对收发两端的编解码网络进行端到端训练,使用优化算法调整网络参数,并将离线训练完成后的网络参数存储,得到离线训练后的第i个增量语义编解码网络;
步骤三、部署为第一类混合重传时,发送端需调用主语义编码网络将某个信源s′编码成码字b′,同时也传输用于CRC校验码字;接收端接收到码字的估计和CRC检验码后,先将通过主语义解码器获得信源的估计再用CRC检验是否出错;若出错则丢弃并通知发送端重发b′,接收端重复解码和校验的步骤直到无错或者达到重传上限;
步骤四、部署为第二类混合重传时,发送端需调用主语义编码网络将某个信源s′编码成码字b′,同时也传输用于CRC校验码字;接收端接收到码字的估计和CRC检验码后,先将通过主语义解码器获得信源的估计再用CRC检验是否出错;若出错则通知发送端进行第一次增量重传,即使用第一个增量编码网络发送增量码字b1,接收端接收到增量码字的估计并将前面接收到的码字与合并输入第一个增量解码网络解码并CRC校验,如出错则继续使用下一个增量编解码网络完成下一次增量重传,直到无错或者达到重传上限。
2.根据权利要求1所述基于语义编码的混合重传方法,其特征在于,所述步骤一和二中信道干扰影响,在训练时具体为:
若编码网络产生的码字为调制后的频域信号,其信道干扰表现为加性白噪声或者随机擦除部分码字;若编码网络产生的码字为比特流,其信道干扰表现为比特的随机擦除或者随机翻转。
3.根据权利要求1所述基于语义编码的混合重传方法,其特征在于,所述步骤一到四中使用的主语义编解码网络和增量语义编解码网络均为基于注意力机制的自编码网络。
4.根据权利要求1所述基于语义编码的混合重传方法,其特征在于,所述步骤一、二中优化算法调整网络参数采用与信源数据集相适应的损失函数,具体为:
对于文本传输可以选择交叉熵损失函数
其中,N为文本信源s中的单词数,M为字典中的单词总数;文本中第j个单词是字典中第k个的单词则sj,k=1,否则sj,k=0;是网络预测文本中第j个单词是字典中第k个的单词的概率;同样的,步骤二中第i重传得到的文本预测概率也与标签sj,k计算交叉熵损失函数;
对于图片传输可以选择均方误差损失函数
其中,N和M分别为图片信源s中长宽像素点数目;sj,k和分别为真实图片和预测图片的像素值;同样的,步骤二中第i重传得到的像素值也与标签的像素值sj,k计算均方误差损失函数。
5.根据权利要求1所述基于语义编码的混合重传方法,其特征在于,所述步骤二中接收端接收到增量码字的估计并将前面接收到的码字与合并输入第i个增量语义解码网络,采用将接收到的码字直接串联的方式,即第i个增量语义解码网络的输入为
6.根据权利要求1所述基于语义编码的混合重传方法,其特征在于,所述步骤四中重传上限次数等于步骤二中所提供的增量语义编解码网络的数量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110766619.3/1.html,转载请声明来源钻瓜专利网。