AI+无线通信方案说明

##工程文件和模型保存在云盘中 链接：https://pan.baidu.com/s/1cKJkRcrhdKg74YGvurNPCA 提取码：l1e6

文件说明

训练文件：Model_train.py 网络搭建：Model_define_tf.py

语言和库依赖

语言：Python3.6

库依赖： 1.TensorFlow2.1;Numpy 1.18.1;h5py 2.10.0;Sklearn 0.23.2

方案说明：

网络在BaseLine的基础上改进得到

1.编码层结构说明：

a.通过多层卷积层（6层）进行调整，每层卷积核的大小为8*8，通道数为20

b.利用2层全连接网络对矩阵进行压缩降维，全连接网络的大小分别为256，反馈bit数/量化位数

c.采用均匀量化方式得到bit序列

2.解码层结构说明：

a.bit序列通过解量化得到 反馈bit数/量化位数个状态值

b.通过三层全连接网络（大小依次为：256,64,1024*64）进行解压缩。

c.通过6个ResNet残差结构进行微调和修正，每个残差块内包含3个卷积层，卷积核大小都为3*3，对应通道数依次为（512,256,128）。

d.通过2通道的卷积层将输出通道数与原始输入对齐，得到最后的解码值。

3.训练策略说明：

a.直接使用端到端的学习，选择MSE作为代价函数，采用adam参数优化器 b.数据先进行随机打乱，并划分出5%作为测试集用于最后性能测试，95%的训练集中划分10%作为验证集观测训练情况。 c.训练的批次选择为512，轮次为1000。