《表1 CNN-STBC系统结构参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络自编码器结构的空时分组传输方案》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

CNN-STBC系统的结构参数如表1所示。Conv1D层数减少也能训练出与传统系统相同的性能，但需要用较大训练数据才能训练出比较好的效果。Conv1D层增加则会因为网络层数太大导致梯度消失或训练困难。因此，本系统折中地选择3层的Conv1D层。Conv1D层的特性使系统可以同时处理M′k的符号信息，M是输入序列的块长度，表示一次可以处理M个符号流的信息。卷积神经网络具有权值共享的特性，对所有输入符号的权重相同，执行相同操作，所以测试样本块长度与训练模型样本块长度不同也可以正常工作，系统更容易泛化。其中Conv1D层的卷积核大小为1，步长为1，可以有效地学习到MIMO系统的调制和编码方案。接收端最后一层Conv1D层的激活函数选用sigmoid激活函数，比softmax更适用于二进制分类。