基于 WGAN 的空中链路自编码器训练
信息论
2020-03-06 v1 信号处理
math.IT
摘要
通信系统端到端训练的实际实现从根本上受其信道梯度可获取性的限制。为克服这一主要障碍，近期文献提出了利用生成对抗网络（GANs）学习模仿实际信道行为的思路。与手工设计的经典信道建模（永远无法完全捕捉真实世界）不同，GANs 原则上承诺能够通过数据驱动的学习算法学会任何物理损伤。在本工作中，我们在实际空中链路（OTA）测量中验证了基于 GAN 的自编码器训练概念。为提升训练稳定性，我们首先将该概念扩展至条件 Wasserstein GANs，并将其嵌入到一种最先进的自编码器架构中，该架构包含比特级估计与外信道码。此外，在同一框架下，我们比较了三种现有训练方法：基于模型的预训练加接收端微调、强化学习（RL）以及基于 GAN 的信道建模。为此，我们展示了基于 GAN 的端到端训练的优势与局限。特别地，对于非线性效应，学习整个探索空间被证明变得极其复杂。最后，我们表明与基于 RL 的训练（需要连续的发射端权重更新）相比，该训练策略受益于更简便的（训练）数据获取。由于发射端和训练算法之间带宽与延迟有限，且二者甚至可能在物理上不同的位置运行，这成为了一个重要的实际瓶颈。
引用
@article{arxiv.2003.02744,
title = {WGAN-based Autoencoder Training Over-the-air},
author = {Sebastian Dörner and Marcus Henninger and Sebastian Cammerer and Stephan ten Brink},
journal= {arXiv preprint arXiv:2003.02744},
year = {2020}
}
备注
Submitted to IEEE SPAWC