多跳认知物联网网络中 EH 短包通信的高效深度 CNN 设计
信息论
2022-01-27 v1 math.IT
摘要
本文设计了一种高效的深度卷积神经网络（CNN），以改进并预测多跳认知物联网（IoT）网络中能量收集（EH）短包通信的性能。具体而言，我们提出一种 Sum-EH 方案，允许 IoT 节点从功率信标或主发射机收集能量，从而同时提升包传输与能量收集能力。随后，基于所提 Sum-EH 方案构建带有特征增强-收集块的新型深度 CNN 框架，以高精度和低执行时间同时估计块错误率（BLER）与吞吐量。仿真结果表明，所提 CNN 框架几乎精确复现 Sum-EH 方案的 BLER 与吞吐量，同时大幅降低计算复杂度，为复杂场景下 IoT 系统提供了实时设置。此外，所设计 CNN 模型在考虑的数据集上取得 的均方根误差（RMSE），相较深度神经网络与最先进机器学习方法表现出最低 RMSE。
引用
@article{arxiv.2201.10642,
title = {An Efficient Deep CNN Design for EH Short-Packet Communications in Multihop Cognitive IoT Networks},
author = {Toan-Van Nguyen and Thien Huynh-The and Van-Dinh Nguyen and Daniel Benevides da Costa and Rose Qingyang Hu and Beongku An},
journal= {arXiv preprint arXiv:2201.10642},
year = {2022}
}