《表1 网络结构设置：基于深度学习的OFDM系统窄带干扰消除方法研究》

  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

《基于深度学习的OFDM系统窄带干扰消除方法研究》

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

表1所示为网络结构的基本设置，可以看到网络的输入输出大小保持不变，都为[2N，1]，N为OFDM符号子载波数。由于输入输出数据的维度没有减小，所以本文中CNN将只包括卷积层和激活函数层。{l；f1，…，fl；n1，…，nl}代表了系统的网络结构，其中l为卷积层的层数，每层卷积层后都连接了激活层。fi、ni分别表示第i层卷积层中的卷积核尺寸为[fi，1]，个数为ni。本文网络结构模型和文献[8]结构模型类似。关于网络模型的设计，有以下几点需要关注：a）该网络并未引入池化层和全连接层，在之前的描述中已经提到，在前向反馈过程中，数据的维度一直保持为2N（将数据的虚部和实部分离），未发生改变，在进行卷积时，会用加零（zero padding）的方式来保证卷积操作不会带来数据尺寸的减少；b）在经过IFFT后，时域信号会存在负数，所以在本网络中，将采用如式（10）所示tanh函数作为激活层函数，因为ReLU等激活函数不能有效映射出负数特征；c）提出的网络中没有引入池化层和全连接层，因为在前向反馈过程中，输入数据尺寸未发生变化，所以没有必要采用主要作用为减少数据维度的池化层，出于类似的原因，本文也放弃使用全连接层。