基于深度强化学习优化Volterra均衡器结构的方法和系...
实质审查的生效
摘要
本发明提供了一种基于深度强化学习优化Volterra均衡器结构的方法和系统，包括：初始化智能体Agent、经验回放池、Volterra均衡器的记忆长度状态；对Agent随机产生动作，Volterra均衡器更新其记忆长度状态直至结束状态，根据Volterra均衡器的复杂度和对信号均衡后的误码率计算奖励值，并将转移过程作为经验，存入经验回放池；从经验回放池中采样经验，对Agent进行训练和软更新；根据收敛值确定Volterra均衡器的各阶记忆长度。本发明实现了在给定计算资源的情况下，不同类型Volterra均衡器最优结构的自动搜索方法，相比传统贪心搜索，不仅可以进一步提升均衡效果，而且大幅降低了均衡器的复杂度。
基本信息
专利标题 ：
基于深度强化学习优化Volterra均衡器结构的方法和系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114338309A
申请号 ：
CN202111572693.8
公开（公告）日 ：
2022-04-12
申请日 ：
2021-12-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
义理林徐永鑫黄璐瑶蒋文清
申请人 ：
上海交通大学
申请人地址 ：
上海市闵行区东川路800号
代理机构 ：
上海汉声知识产权代理有限公司
代理人 ：
胡晶
优先权 ：
CN202111572693.8
主分类号 ：
H04L25/03
IPC分类号 ：
H04L25/03 G06N3/04 G06N3/08
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : H04L 25/03
申请日 : 20211221
申请日 : 20211221
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
