分组马尔可夫叠加传输的神经网络译码.docx

1 引言 通信领域是一个相对复杂且成熟的领域，传统的性能优化方法的效果正在逐步减弱，这种现象在物理层尤为明显[1]。为满足用户对新一代通信的需求，通信技术和人工智能技术相结合成为一种新的研究方向。机器学习被认为是人工智能领域中最能体现“智能”的分支之一，其在处理难以用数学公式描述的问题上具有一定优势，并成功地应用在图像处理、文本处理等领域。 受机器学习在图像去噪和超清分辨等方面研究的启发，基于机器学习来实现或优化旨在去除噪声恢复数据的信道译码引起了越来越多的关注。神经网络（NN,neural network）是机器学习中的重要分支之一，将NN运用到信道译码研究的优势在于NN是不依赖于模型的，即