重构通信:当机器学习遇到无线信号电子书

内容简介

前言

第一篇 用神经网络单元重构信号处理

第1章 神经网络滤波

1.1 神经网络滤波简介

1.2 余弦基神经网络滤波

1.2.1 原理分析

1.2.2 余弦基神经网络模型

1.2.3 余弦基神经网络滤波器

1.2.4 训练流程

1.2.5 结果分析

1.3 卷积神经滤波

1.3.1 原理分析

1.3.2 简单的验证

1.3.3 增加注意力机制的卷积神经滤波

1.4 小结

本章参考文献

第2章 信号增强神经网络

2.1 概述

2.2 基于时序学习实现干扰检测

2.2.1 信号预测模型

2.2.2 干扰检测

2.3 基于生成对抗实现信号增强

2.3.1 基本原理

2.3.2 模型设计

2.3.3 应用与性能分析

2.4 小结

本章参考文献

第3章 时频分析神经单元

3.1 时频变换神经单元概述

3.2 短时傅里叶变换的神经网络设计方法

3.2.1 短时傅里叶变换

3.2.2 基于神经网络的时频变换学习

3.2.3 性能分析

3.3 小波变换的神经网络设计方法

3.3.1 问题描述

3.3.2 小波变换

3.3.3 拟合DWT的融合特征学习算法

3.4 小结

本章参考文献

第二篇 端到端学习构建通信模型

第4章 端到端学习通信

4.1 传统通信系统的框架与设计原则

4.2 基于端到端学习的物理层通信系统

4.2.1 端到端学习通信系统设计原理

4.2.2 端到端学习通信系统模型搭建

4.2.3 性能分析

4.3 利用神经网络优化解调接收

4.3.1 神经匹配滤波

4.3.2 基于神经匹配滤波的端到端学习通信系统设计

4.4 小结

本章参考文献

第5章 学习调制星座成形

5.1 调制星座成形技术

5.1.1 信息论基础

5.1.2 几何星座成形

5.1.3 概率星座成形

5.2 端到端学习优化星座成形：以最小化误码率约束

5.2.1 问题分析

5.2.2 网络模型结构

5.2.3 基于最小化误符率的星座成形算法

5.2.4 基于最小化误符率的星座成形仿真分析

5.3 端到端优化设计星座成形：以最大化互信息为目标

5.3.1 问题分析

5.3.2 网络模型结构

5.3.3 基于最大化互信息的星座成形算法

5.3.4 性能仿真模型训练方法

5.4 小结

本章参考文献

第6章 学习物理层安全通信

6.1 经典窃听信道模型

6.2 物理层通信安全研究存在的挑战

6.3 端到端学习安全通信模型

6.3.1 模型设计

6.3.2 互信息估计

6.3.3 模型损失函数设计及训练方法

6.4 模型测试结果和性能评估

6.5 与现有相关研究方法的性能对比

6.6 小结

本章参考文献

第7章 学习语义通信

7.1 端到端联合语义与信道编解码框架

7.2 基于自训练Transformer的语义编解码器设计

7.2.1 系统架构

7.2.2 模型参数设计

7.2.3 模型训练流程

7.3 基于预训练模型的语义编解码器设计

7.3.1 系统架构

7.3.2 编解码器分解使用预训练语言模型

7.3.3 编解码器重用预训练语言模型

7.4 性能评价指标设计

7.4.1 文本相似性

7.4.2 语义相似性

7.5 性能分析

7.5.1 数据集

7.5.2 抗噪声性能分析

7.5.3 语义保真性能分析

7.5.4 跨场景性能分析

7.5.5 训练复杂度分析

7.6 小结

本章参考文献

第三篇 数据与模型联合驱动的应用设计

第8章 调制方式识别应用

8.1 集成时频分析神经单元的调制识别

8.1.1 识别模型

8.1.2 信号数据集的构成

8.1.3 模型参数

8.1.4 结果分析

8.2 集成信号增强神经单元的调制识别

8.2.1 卷积神经网络识别模型

8.2.2 基于可嵌入自适应增强滤波单元的调制识别网络

8.2.3 基于生成对抗网络的无线信号增强模型的调制识别网络

8.2.4 结果分析

8.3 小结

本章参考文献

第9章 辐射源识别应用

9.1 基于深度学习的辐射源特征提取

9.1.1 通信辐射源射频指纹信号建模

9.1.2 特征提取网络设计

9.1.3 模型训练及评估

9.2 未知类型通信辐射源个体识别算法

9.2.1 特征选择及可视化分析

9.2.2 未知类型辐射源识别算法设计

9.2.3 识别性能评估方法

9.2.4 识别结果及分析

9.3 基于迁移学习的动态信道下通信辐射源个体识别

9.3.1 构建基于迁移学习的辐射源个体识别模型

9.3.2 动态信道环境对辐射源个体识别的影响

9.3.3 领域自适应迁移学习原理分析

9.3.4 基于迁移学习的辐射源个体识别网络

9.3.5 实验结果及分析

9.4 小结

本章参考文献

第10章 盲信号分离应用

10.1 问题提出

10.1.1 ICA算法中非线性函数的优化调整

10.1.2 数据驱动思路的引入

10.2 基于可解释学习的ICA增强网络

10.2.1 原理分析

10.2.2 模型设计

10.2.3 分离结果

10.3 基于多项式参数优化的ICA增强网络

10.3.1 原理分析

10.3.2 模型设计

10.3.3 结果分析

10.4 小结

本章参考文献