[发明专利]一种基于降噪自编码器的高维受损数据无线传输方法

权利要求书

1.一种基于降噪自编码器的高维受损数据无线传输方法，包括模型训练和端到端传输，其特征在于：

所述的模型训练用于训练降噪自编码器，获得性能良好的传输架构；具体方法是：

步骤(1)对历史感知数据集进行数据预处理，对数据执行重采样、标准化以及添加噪声操作，组成具有N_samp个样本的标准化不含噪数据集D和含噪数据集D_n，样本长度均为N_len；

步骤(2)分割标准化不含噪数据集D和含噪数据集D_n：将不含噪数据集D和含噪数据集D_n中N_samp个样本划分为K组训练-验证集满足N_train,k为{D_train}_k的样本数，为的样本数，组号k＝1,...,K；

步骤(3)构建降噪自编码器模型，模型输入为含噪标准化序列模型输出为重构样本

步骤(4)训练降噪自编码器模型，具体是：

(4-1)初始化：设置最大迭代轮数N_maxepoch，当前迭代轮数N_epoch＝1；设置停止准则中的阈值thresh；设置隐藏层的最大神经元个数当前隐藏层神经元个数N_hidd＝1；使用Xavier初始化方法随机初始化模型权值参数w和偏置参数b；设置当前训练集的组号为k＝1；

(4-2)分批：将训练集{D_train}_k样本均匀分成N_batch个小批；

(4-3)加噪处理：随机选取一个小批，并生成一个在(0,1)上均匀分布的随机数r，将r/2作为高斯分布的标准差，根据该标准差生成高斯噪声叠加到该小批上；

(4-4)前向传播：将加噪小批中的所有样本输入降噪自编码器模型中，得到输出重构样本

(4-5)后向传播：根据原始样本x′_samp和重构样本计算损失函数表示该小批中第i个含噪样本的重构输出值，x′_i表示该小批中第i个含噪样本的原始值；根据梯度下降法更新模型参数η为学习率；

(4-6)验证：若所有小批均已选取过，则将含噪验证集输入模型中，计算不含噪的验证集样本x′_samp和重构样本的均方误差并计算其与保存的验证集最小均方误差的绝对差值否则返回步骤(4-3)；

(4-7)迭代：若迭代轮数N_epoch＜N_maxepoch且ε＞thresh，则更新并保存返回步骤(4-2)进行下一轮迭代，为本轮保存的最小否则结束训练，保存第k组的最佳模型参数

若隐藏层神经元个数N_hidd＜N_hmax，则返回步骤(4-1)进行下一个不同隐藏层神经元个数的模型训练；

所述的端到端传输用于将训练得到的降噪自编码器模型部署至两端，实现数据的降维传输及降噪重构；方法是：

步骤(a)部署训练得到的降噪编码器：从K个降噪自编码器模型选择出最优的模型参数；将降噪自编码器模型的编码阶段的超参数W^e和b^e部署于发送端；将编码阶段的非线性激活函数f和解码阶段的超参数W^d和b^d，以及非线性激活函数g部署于接收端；

步骤(b)在发送端处理噪声类型未知的感知数据；

步骤(c)将降维后的传输数据样本Y_samp传输至接收端；

步骤(d)在接收端重构未受损感知数据：对接收数据样本Y_samp执行解码、反标准化以及重组操作，得到未受损感知数据的重构数据