深度学习的两种在通信系统物理层中的应用
信息论
2021-01-05 v2 机器学习
math.IT
摘要
深度学习已被证明是开发面向棘手工程问题的数据驱动信号处理算法的有力工具。通过学习输入信号的关键特征与特性，而非先要求人类识别并建模它们，所学算法可以击败许多人工算法。特别是，深度神经网络能够学习自然信号(如照片与音频记录)中的复杂特征，并将其用于分类与决策。在通信系统中情况则颇为不同：信息信号为人造，传播信道相对易于建模，且我们懂得如何工作在接近香农容量极限。这是否意味着在未来通信系统开发中深度学习无用武之地？
引用
@article{arxiv.2001.03350,
title = {Two Applications of Deep Learning in the Physical Layer of Communication Systems},
author = {Emil Björnson and Pontus Giselsson},
journal= {arXiv preprint arXiv:2001.03350},
year = {2021}
}
备注
Published as lecture note in IEEE Signal Processing Magazine, 12 pages, 4 figures