内容简介
全书共分为四篇，涵盖了 12 章。第 1 章为第 一篇，介绍了无线通信中的人工智能基础理论与算法，重点介绍了无线通信常用的人工智能方法。第 2 章～第 5 章为第 二篇，探讨了人工智能在无线通信传输技术中的应用，详细解析了物理层信号处理中的典 型案例。第 6 章～第 9 章为第三篇，聚焦于人工智能在无线通信组网技术中的应用，深入讲解了资源管理中的典 型案例。第 10 章～第 12 章为第四篇，讨论了人工智能在语义通信中的应用，详细阐述了面向未来无线通信的语义通信系统。
本书可作为高等院校人工智能、信息与通信工程学科的教材，也可为工程技术人员提供人工智能在无线通信中的理论、算法与应用方面的参考。
展开全文
- 版权信息
- 版 权
- 内容提要
- 第一篇 无线通信中的人工智能基础理论与算法
- 第 1 章 深度学习在无线通信系统中的应用
- 1.1 深度学习概述
- 1.1.1 深度学习的历史
- 1.1.2 深度学习的原理
- 1.2 深度学习在无线通信中的基本应用
- 1.2.1 调制模式识别
- 1.2.2 信道状态信息压缩与恢复
- 1.2.3 信道估计
- 1.2.4 信号检测
- 1.3 本章小结
- 参考文献
- 第二篇 人工智能在无线通信传输技术中的应用
- 第 2 章 基于深度学习的MIMO信号检测
- 2.1 MIMO信号检测基本原理与传统算法
- 2.1.1 系统模型
- 2.1.2 最优检测算法
- 2.1.3 线性检测算法
- 2.1.4 SD检测算法
- 2.2 基于深度学习的MIMO信号检测网络 DetNet
- 2.2.1 投影梯度下降算法
- 2.2.2 DetNet
- 2.3 基于ScNet的MIMO信号检测算法
- 2.3.1 损失函数优化
- 2.3.2 网络输入简化
- 2.3.3 网络连接优化
- 2.3.4 ScNet高阶调制信号检测
- 2.3.5 ScNet性能分析与仿真
- 2.4 基于DetNet的其他改进算法SimDetNet和基于动量梯度下降的MIMO信号检测算法
- 2.4.1 基于双曲正切函数的DetNet简化
- 2.4.2 动量梯度下降
- 2.4.3 性能分析与仿真
- 2.5 基于OAMP-Net的MIMO信号检测算法
- 2.5.1 OAMP算法
- 2.5.2 OAMP-Net
- 2.5.3 改进的OAMP-Net的结构
- 2.6 本章小结
- 参考文献
- 第 3 章 基于深度学习的MIMO-OFDM信道估计
- 3.1 OFDM系统原理与传统信道估计算法
- 3.1.1 OFDM信道估计概述
- 3.1.2 系统模型
- 3.1.3 最小二乘信道估计算法
- 3.1.4 最小均方误差信道估计算法
- 3.2 基于深度学习的信道估计算法
- 3.2.1 导频符号框架结构
- 3.2.2 基于卷积神经网络的信道估计算法
- 3.2.3 复杂度分析
- 3.2.4 模型训练
- 3.3 本章小结
- 参考文献
- 第 4 章 基于深度学习的链路自适应和信道测量反馈
- 4.1 基于深度学习的链路自适应技术
- 4.1.1 线性检测
- 4.1.2 非线性检测
- 4.2 基于深度学习的多天线信道测量反馈和信号检测
- 4.2.1 深度学习中的注意力机制
- 4.2.2 基于深度学习的CSI测量与反馈
- 4.2.3 基于注意力机制的多进制大规模MIMO检测
- 4.3 本章小结
- 参考文献
- 第 5 章 基于深度学习的信道译码
- 5.1 基于因子图的信道译码
- 5.1.1 flooding NOMS算法
- 5.1.2 layered NOMS算法
- 5.2 从因子图到定制神经网络
- 5.2.1 flooding译码神经网络
- 5.2.2 layered译码神经网络
- 5.3 译码神经网络优化方案
- 5.3.1 训练样本的建立
- 5.3.2 深度学习译码模型
- 5.3.3 泛化码长深度学习译码模型
- 5.4 网络训练
- 5.5 性能评估
- 5.5.1 Neural flooding NOMS译码算法性能评估
- 5.5.2 Neural layered NOMS译码算法性能评估
- 5.6 本章小结
- 参考文献
- 第三篇 人工智能在无线通信组网技术中的应用
- 第 6 章 智能无线网络架构设计与分析
- 6.1 技术背景
- 6.1.1 无线网络认知技术
- 6.1.2 移动云计算
- 6.1.3 移动边缘计算
- 6.2 数据流架构
- 6.2.1 认知数据与方法
- 6.2.2 无线大数据认知流架构
- 6.3 计算流架构
- 6.3.1 云计算与边缘计算
- 6.3.2 可拓展型学习框架
- 6.3.3 可拓展型学习算法
- 6.4 模型与数据协同驱动机制
- 6.5 本章小结
- 参考文献
- 第 7 章 基于单节点机器学习的负载优化
- 7.1 基于高斯过程的无线流量预测模型
- 7.1.1 高斯过程模型
- 7.1.2 模型核函数设计
- 7.1.3 模型超参数训练
- 7.2 基于深度强化学习的智能负载均衡模型
- 7.2.1 强化学习基础
- 7.2.2 用户切换模型
- 7.2.3 负载均衡问题建模
- 7.2.4 基于深度强化学习的负载均衡算法
- 7.3 仿真验证与结果分析
- 7.3.1 无线流量预测与基于负载感知的基站休眠
- 7.3.2 自组织网络的负载均衡
- 7.4 本章小结
- 参考文献
- 第 8 章 基于多节点机器学习的负载优化
- 8.1 基于分布式高斯过程模型的多节点负载预测框架
- 8.1.1 整体框架设计
- 8.1.2 基于矩阵近似的分布式训练算法
- 8.1.3 基于矩阵分块的分布式高斯过程训练算法
- 8.1.4 基于交叉验证的分布式预测算法
- 8.2 基于分布式深度强化学习模型的多节点负载均衡框架
- 8.2.1 整体框架设计
- 8.2.2 基于负载感知的基站聚类算法
- 8.2.3 基于多探索策略的分布式强化学习算法
- 8.3 仿真验证与结果分析
- 8.3.1 分布式无线流量预测
- 8.3.2 大规模自组织网络负载均衡
- 8.4 本章小结
- 参考文献
- 第 9 章 基于多智能体强化学习的负载优化
- 9.1 系统模型
- 9.1.1 多智能体MDP
- 9.1.2 目标问题
- 9.2 基于投票机制的多智能体强化学习
- 9.2.1 投票机制
- 9.2.2 分布式多智能体强化学习算法
- 9.3 收敛性分析
- 9.4 仿真验证与结果分析
- 9.4.1 理论验证
- 9.4.2 无人机基站辅助的负载分流
- 9.5 本章小结
- 参考文献
- 第四篇 人工智能在语义通信中的应用
- 第 10 章 从经典信息论到广义信息论
- 10.1 经典信息论
- 10.2 信息的层次与语义信息
- 10.3 广义信息论
- 10.4 算法信息论
- 10.5 本章小结
- 参考文献
- 第 11 章 语义通信模型
- 11.1 语义通信系统框架
- 11.2 语义通信系统与经典通信系统术语对比
- 11.3 语义通信与语义分析对比
- 11.4 语义通信的度量指标
- 11.4.1 语义熵与语义互信息
- 11.4.2 语义率失真函数
- 11.4.3 码率-失真拉格朗日率失真代价函数
- 11.4.4 典型失真度量指标
- 11.5 语义压缩极限初探
- 11.6 本章小结
- 参考文献
- 第 12 章 语义编码传输
- 12.1 非线性变换联合信源信道编码方法
- 12.2 非线性变换联合信源信道编码变分建模
- 12.3 仿真验证与结果分析
- 12.4 本章小结
- 参考文献
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2023
作者：王森
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《智能无线通信：前沿技术与应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2023
作者：王森
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《智能无线通信：前沿技术与应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
智能无线通信：前沿技术与应用
免费读 (VIP)