End-to-End Learning of Communication Systems Without a Channel Model...

简介：
本文提出了一种新颖的方法，在不依赖于具体信道模型的情况下进行通信系统的端到端学习。通过直接优化物理层和高层协议之间的传输效率，该方法能够简化复杂的系统设计过程，并适应各种无线环境。此技术有望在未来的智能通讯网络中发挥重要作用。 这篇研究论文探讨了一种端到端通信系统的学习方法，在这种系统中无需使用通道模型来调制消息，并且在接收器处实现了无损信号传输。该算法通过迭代地结合监督学习（用于接收方）与基于增强学习（RL）的训练（用于发射方），使系统能够有效运作。 代码实现包括三种不同的消息空间配置： - 2_m_model：使用二进制消息字符串，即M = {0,1}。 - 4_m_model：在0和1之间等距分布四个不同消息，即M = {0，0.25，0.5，0.75}。 - 8_m_model：在0和1之间等距分布八个不同的消息值，即M = {0, 0.125, 0.25, 0.375, 0.5, 0.625, 0.75, 0.875}。 这些实现有助于比较不同大小的消息空间对算法性能的影响。使用的库包括Tenorflow、Matplotlib和Scikit-learn。