-
公开(公告)号：CN114337849B
公开(公告)日：2023-03-14
申请号：CN202111574717.3
申请日：2021-12-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。本发明引入互信息量估计和端到端深度学习的方法，通过互信息量估计实现最小化窃听者信道互信息量的保密系统，通过端到端深度学习实现合法用户信道最大互信息量的可靠通信系统，方案兼顾保密性和可靠性，适用于长距高速光通信的传输系统。
-
公开(公告)号：CN114499755B
公开(公告)日：2023-06-27
申请号：CN202210010298.9
申请日：2022-01-05
Applicant: 上海交通大学
Abstract: 本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息量估计器计算的互信息量最大化；步骤S2：迭代训练互信息量估计器、几何整形编码器神经网络和概率生成器神经网络至收敛，使基于互信息量估计器计算的互信息量最大化，获得几何整形星座图以及各个星座点的概率值，即该信道条件下的几何与概率联合整形。本发明能够通过互信息量估计计算当前整形的互信息量，然后通过梯度反向传播和梯度下降，迭代地训练几何整形和概率整形的编码器，显式的提升互信息量。
-
公开(公告)号：CN114337849A
公开(公告)日：2022-04-12
申请号：CN202111574717.3
申请日：2021-12-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于互信息量估计神经网络的物理层保密方法及系统，包括：步骤S1：基于互信息量估计和端到端的深度学习对编码器和解码器分别进行训练，得到训练后的编码器和训练后的解码器；步骤S2：利用训练后的编码器和训练后的解码器进行物理层保密传输。本发明引入互信息量估计和端到端深度学习的方法，通过互信息量估计实现最小化窃听者信道互信息量的保密系统，通过端到端深度学习实现合法用户信道最大互信息量的可靠通信系统，方案兼顾保密性和可靠性，适用于长距高速光通信的传输系统。
-
公开(公告)号：CN114499755A
公开(公告)日：2022-05-13
申请号：CN202210010298.9
申请日：2022-01-05
Applicant: 上海交通大学
Abstract: 本发明提供一种基于互信息量估计的几何与概率联合星座整形方法及系统，涉及通信系统技术领域，包括：步骤S1：根据通信信道输入输出，构建并训练互信息量估计器神经网络，分别预训练几何整形编码器神经网络和概率生成器，使基于互信息量估计器计算的互信息量最大化；步骤S2：迭代训练互信息量估计器、几何整形编码器神经网络和概率生成器神经网络至收敛，使基于互信息量估计器计算的互信息量最大化，获得几何整形星座图以及各个星座点的概率值，即该信道条件下的几何与概率联合整形。本发明能够通过互信息量估计计算当前整形的互信息量，然后通过梯度反向传播和梯度下降，迭代地训练几何整形和概率整形的编码器，显式的提升互信息量。
-
-
-
Search Results
4
records
(took 0.029 seconds)
