调制/编码方案可以从 AI 中生成吗?

信息处理 调制 深度学习 人工智能
2022-02-02 18:33:10

警告:对于整个领域,我有点菜鸟,但我(几年前)上了一些关于它的课程,发现它很吸引人。

无论如何,据我了解,调制是将数据转换为信号的过程,在此过程中使用了相当多的创造力。例如, QPSK可以通过以下方式在复杂域中呈现:

π/4-QPSK 的双星座图。 这显示了具有相同格雷编码但彼此旋转 45° 的两个独立星座。 (来自维基百科)

π/4-QPSK 的时序图。二进制数据流显示在时间轴下方。具有位分配的两个信号分量显示在顶部,总的组合信号显示在底部。请注意,连续符号是从两个星座中交替获取的,从“蓝色”星座开始。(来自维基百科)

产生的信号也很混乱:

π/4-QPSK 的时序图。 二进制数据流显示在时间轴下方。 具有位分配的两个信号分量显示在顶部,总的组合信号显示在底部。 请注意,连续符号是从两个星座中交替获取的,从“蓝色”星座开始。 (来自维基百科)

π/4-QPSK 的时序图。二进制数据流显示在时间轴下方。具有位分配的两个信号分量显示在顶部,总的组合信号显示在底部。请注意,连续符号是从两个星座中交替获取的,从“蓝色”星座开始。(来自维基百科)

实际问题

人工智能可以用来生成更好的调制/编码方案吗?也许有点像下面的人工智能“学会”走路:https ://www.youtube.com/watch?v=gn4nRCC9TwQ ,我们可以创建一个人工智能必须调制的“游戏”(真正的高级物理模拟)并解调信号并尝试实现非常高的数据速率,同时在不同的条件下将误码保持在尽可能低的水平。这些新标准可能更难向人类解释,但效率更高。

欢迎任何帮助:

  • 这已经完成了吗?
  • 有没有这方面的研究?如果是,生成过程的效率可以提高多少?
  • 这是不可能的,因为为该过程创建发射器和接收器会很复杂吗?
2个回答

一些工作已经使用自动编码器神经网络完成。自动编码器背后的基本思想是神经网络应该“学习”(最小化损失函数)以准确输出您输入的内容。这就是通信系统中发生的情况:您希望接收器准确地输出发送器发送的内容。查看这篇论文:https ://arxiv.org/pdf/1608.06409.pdf ,你甚至可以看到神经网络在哪里击败了 QPSK

据我所知,最近一篇关于这个主题的论文可以在这里找到,作者使用机器学习算法来生成最佳星座形状。令人惊讶的是,结果与旧作品一致:FR Kschischang 和 S. Pasupathy,“高斯通道的最佳非均匀信号”,IEEE Transactions on Information Theory,vol。39,没有。3,第 913-929 页,1993 年 5 月。

此外,自动编码器、神经网络、强化学习和深度学习正在应用于端到端学习(尤其是在无线通信的情况下),其中无线通信信道的数学模型不是很准确。一篇这样的文章可以在这里找到。

此外,对于极坐标码,基于深度学习的解码器现在非常流行,至少在学术界如此。