一种利用深度学习的非均匀无记忆信源恢复方法

针对非均匀无记忆信源这一特殊自然冗余信源的接收端符号恢复问题,基于全连接神经网络模型,设计一种将接收信号的信噪比和无记忆信源的符号分布随接收数据一起作为模型输入的神经网络译码器架构。并提出一种基于此神经网络的迭代译码算法,实现在发送符号分布未知情况下的自然冗余译码。仿真结果表明,利用自然冗余可以提升接收端的符号检测性能,即使在信源分布未知的情况下也能获得理论上最优的性能。