8.2.1 基于深度学习的端到端物理层优化

文档摘要

8.2.1 基于深度学习的端到端物理层优化在无线通信系统演进的漫长征途上，物理层曾长期被视作一座由香农极限、傅里叶变换与最大似然译码构筑的“数学圣殿”——它庄严、确定、可推导，却也坚硬、封闭、难以驯服。直到2017年，Google Brain团队那篇题为《Learning to Communicate: A Deep Learning Approach》的论文悄然叩响了这座圣殿的大门：他们用一个端到端可训练的神经网络，将比特流直接映射为时域波形，并在AWGN信道中实现了接近经典BPSK+ML检测的误码性能。那一刻，我们意识到——物理层并非不可学习的黑箱，而是一段尚未被梯度反向传播照亮的、高度结构化的信号处理流水线。