检索结果-内蒙古大学图书馆

光通信研究 2022年第3期3期(14)卷 1-6页

作者：梁家熙牛泽坤胡卫生义理林上海交通大学区域光纤通信网与新型光通信系统国家重点实验室上海200240

针对正交振幅调制在高信噪比的加性高斯白噪声(AWGN)信道与香农极限有1.53 dB容量间隙的问题,文章提出了一种基于互信息量估计的几何与概率联合整形的方法,将几何整形与概率整形相结合,提升通信系统的互信息量。文章将互信息量估计作为... 详细信息

针对正交振幅调制在高信噪比的加性高斯白噪声(AWGN)信道与香农极限有1.53 dB容量间隙的问题,文章提出了一种基于互信息量估计的几何与概率联合整形的方法,将几何整形与概率整形相结合,提升通信系统的互信息量。文章将互信息量估计作为计算系统互信息量的方式,以最大化互信息量为目的训练发端的编码器,实现几何整形与概率整形。通过在不同信噪比下AWGN信道中的仿真,验证了基于互信息量估计的几何与概率联合整形系统的性能要优于单独进行几何整形或概率整形的性能。在信噪比为10 dB的AWGN信道中,系统的互信息量与几何整形相比有0.0417 bit/symbol的增益,与概率整形相比有0.0279 bit/symbol的增益。

关键词：深度学习互信息量估计物理层通信

来源：评论

学校读者我要写书评

暂无评论

基于互信息量估计的几何与概率联合星座整形方法及系统

基于互信息量估计的几何与概率联合星座整形方法及系统

引用

作者：义理林牛泽坤梁家熙 200240 上海市闵行区东川路800号

本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息... 详细信息

标准号: CN114499755B

本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息量估计器计算的互信息量最大化；步骤S2：迭代训练互信息量估计器、几何整形编码器神经网络和概率生成器神经网络至收敛，使基于互信息量估计器计算的互信息量最大化，获得几何整形星座图以及各个星座点的概率值，即该信道条件下的几何与概率联合整形。本发明能够通过互信息量估计计算当前整形的互信息量，然后通过梯度反向传播和梯度下降，迭代地训练几何整形和概率整形的编码器，显式的提升互信息量。

关键词：整形互信息量估计神经网络编码器概率生成器概率最大化通信系统技术迭代训练反向传播通信信道信道条件星座点星座图迭代构建显式星座收敛联合输出

来源：评论

学校读者我要写书评

暂无评论

基于互信息量估计神经网络的物理层保密方法及系统

基于互信息量估计神经网络的物理层保密方法及系统

引用

作者：义理林梁家熙牛泽坤 200240 上海市闵行区东川路800号

本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解... 详细信息

标准号: CN114337849B

本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。本发明引入互信息量估计和端到端深度学习的方法，通过互信息量估计实现最小化窃听者信道互信息量的保密系统，通过端到端深度学习实现合法用户信道最大互信息量的可靠通信系统，方案兼顾保密性和可靠性，适用于长距高速光通信的传输系统。

关键词：互信息量估计解码器编码器端到端物理层信道高速光通信保密传输保密系统传输系统合法用户可靠通信神经网络保密性最小化学习保密引入

来源：评论

学校读者我要写书评

暂无评论

基于互信息量估计神经网络的物理层保密方法及系统

基于互信息量估计神经网络的物理层保密方法及系统

引用

作者：义理林梁家熙牛泽坤 200240 上海市闵行区东川路800号

标准号: CN114337849A

关键词：互信息量估计解码器编码器端到端物理层信道高速光通信保密传输保密系统传输系统合法用户可靠通信神经网络保密性最小化学习保密引入

来源：评论

学校读者我要写书评

暂无评论

基于互信息量估计的几何与概率联合星座整形方法及系统

基于互信息量估计的几何与概率联合星座整形方法及系统

引用

作者：义理林牛泽坤梁家熙 200240 上海市闵行区东川路800号

标准号: CN114499755A

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的光纤通信传输系统互信息量计算方法及系统

基于深度学习的光纤通信传输系统互信息量计算方法及系统

引用

作者：义理林牛泽坤戴辰昊杨航 200240 上海市闵行区东川路800号

本发明提供了一种基于深度学习的光纤通信传输系统互信息量计算方法及系统，包括：步骤S1：基于光纤通信传输系统进行数据传输，并获取原始数据集；步骤S2：基于深度学习神经网络对互信息量估计器进行训练，得到训练后的互信息量估计器... 详细信息

标准号: CN114978306A

本发明提供了一种基于深度学习的光纤通信传输系统互信息量计算方法及系统，包括：步骤S1：基于光纤通信传输系统进行数据传输，并获取原始数据集；步骤S2：基于深度学习神经网络对互信息量估计器进行训练，得到训练后的互信息量估计器；步骤S3：利用训练后的互信息量估计器对光纤通信传输系统互信息量进行计算。本发明引入深度学习神经网络的方法，通过对互信息量估计器的训练实现对光纤通信传输系统中的互信息量计算，方案具有可靠性，适用于光纤通信传输系统。

关键词：光纤通信传输系统互信息量估计学习神经网络计算方法及系统原始数据集数据传输引入学习

来源：评论

学校读者我要写书评

暂无评论

一种基于物理信息神经网络与SSA-ELM的电池模块温度预测方法

一种基于物理信息神经网络与SSA-ELM的电池模块温度预测方法

引用

作者：朱路吕聪王靖智花伟刘媛媛黄德昌 330000 江西省南昌市经济技术开发区双港东大街808号

本发明公开了一种基于物理信息神经网络与SSA‑ELM的电池模块温度预测方法。使用互信息法计算特征因素与电池模块温度的互信息量估计值，将通过设置阈值筛选的特征因素的种类放入预设集合；通过预设集合中特征因素历史数据训练SSA‑ELM模... 详细信息

标准号: CN116578902A

本发明公开了一种基于物理信息神经网络与SSA‑ELM的电池模块温度预测方法。使用互信息法计算特征因素与电池模块温度的互信息量估计值，将通过设置阈值筛选的特征因素的种类放入预设集合；通过预设集合中特征因素历史数据训练SSA‑ELM模型，输出某个时间的电池模块温度的预测值；PINN以电池模块热方程作为物理条件约束，将电池模块温度的预测值和参数值作为输入，通过更新变量，直至收敛，得到电池模块温度收敛值。本发明通过SSA‑ELM模型小规模样本进行训练，减少采集数据成本，加快预测速度，使用PINN将损失函数引入热平衡方程中，通过更新电池模块温度收敛值不断减小损失函数直至收敛，提高预测准确性。

关键词：电池模块特征因素预测损失函数温度收敛预设收敛集合互信息量估计历史数据训练热平衡方程采集数据互信息法神经网络温度预测物理条件物理信息阈值筛选放入更新减小样本输出引入

来源：评论

学校读者我要写书评

暂无评论

基于Copula函数和信息熵理论相结合的综合式水文站网评估模型

基于Copula函数和信息熵理论相结合的综合式水文站网评估模型

引用

作者：王栋徐鹏程王远坤吴吉春 210046 江苏省南京市栖霞区仙林大道163号南京大学

本发明公开一种基于Copula函数和信息熵理论相结合的综合式水文站网评估模型，包括以下步骤：采用半参数评估方法优选潜在的Archimedean族Copula、计算了两变量互信息和多个变量的总相关量(Total correlation,TC)；基于Copula函数理论... 详细信息

标准号: CN109460526A

本发明公开一种基于Copula函数和信息熵理论相结合的综合式水文站网评估模型，包括以下步骤：采用半参数评估方法优选潜在的Archimedean族Copula、计算了两变量互信息和多个变量的总相关量(Total correlation,TC)；基于Copula函数理论和信息熵原理的有机结合，利用Copula函数理论确定了多维变量下互信息估计值，提出了MACE站点优化准则(minimizing absolute value of copula entropy,MACE)，很好地弥补了单一采用信息熵对互信息量估计的不足。本发明还采用三种后验性的评价指标对模型效果有一个最终的评价：(1)Nash–Sutcliffe效率系数；(2)均值化后的负Copula熵值；(3)联合信息熵值。

关键词：互信息量估计互信息估计信息熵理论信息熵原理水文站参数评估多个变量多维变量联合信息模型效果评估模型评价指标效率系数优化准则有机结合互信息均值化潜在的信息熵综合式优选站点

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：