-
公开(公告)号：CN116545811A
公开(公告)日：2023-08-04
申请号：CN202310516645.X
申请日：2023-05-09
Applicant: 苏州大学
Abstract: 本发明提供一种基于迁移学习的超奈奎斯特均衡器设计的方法及系统，方法包括在源链路和目标链路上对输入信号分别进行调制；调制后的信号经信道传输后，对源链路中的神经网络模型进行均衡训练；将源链路已训练好的神经网络模型参数提取出来进行迁移，实现对目标链路神经网络模型的初始化；在目标链路对信号进行训练，通过对目标链路神经网络模型参数进行微调，得到目标链路训练好的神经网络模型；基于目标链路训练好的神经网络模型，对信号进行测试和判决。本发明在链路切换时，基于迁移学习将源链路上训练好的神经网络均衡器模型参数转移到目标链路上，避免了随机初始化，提升了神经网络均衡器的初始化速度、误码率的收敛速度以及准确率。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
