基于RIS的元素分组面状全连接网络.docx

第36

第36卷第4期2024年4月

Vol.36No.4Apr.2024

JournalofSystemSimulation

基于RIS的元素分组面状全连接网络

侯顺虎1，方胜良2*，曾庆尧1，王孟涛1

(1.航天工程大学研究生院，北京101416；2.航天工程大学航天信息学院，北京101416)

摘要：针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题，从智能超表面(reconfigurableintelligencesurface，RIS)结构特征出发，提出了一种基于RIS的元素分组面状全连接神经网络(RIS-basedelementgroupingarealfullyconnectedneuralnetwork，RGFCNN)。借鉴RIS的结构特征，在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取，相比于传统的全连接网络，该网络没有对数据进行一维排列，而是提出了一种运用于神经网络构建的元素分组策略，直接对二维面状数据进行分组全连接处理，各组处理输出进行数据串联。实验结果表明：在公开的具有IQ数据特征的通信信号数据集上，RGFCNN在信噪比大于0dB时具有更好的识别精度，而训练参数是原来的大约1/6。

关键词：智能超表面；全连接神经网络；元素分组策略；IQ信号；调制识别

中图分类号：TP183文献标志码：A文章编号：1004-731X(2024)04-1017-11

DOI:10.16182/j.issn1004731x.joss.23-0304

引用格式:侯顺虎,方胜良,曾庆尧,等.基于RIS的元素分组面状全连接网络[J].系统仿真学报,2024,36(4):1017-1027.Referenceformat:HouShunhu,FangShengliang,ZengQingyao,etal.ElementGroupingFacetedFullyConnectedNetworkBasedonRIS[J].JournalofSystemSimulation,2024,36(4):1017-1027.

ElementGroupingFacetedFullyConnectedNetworkBasedonRIS

HouShunhu1,FangShengliang2*,ZengQingyao1,WangMengtao1

(1.GraduateSchool,SpaceEngineeringUniversity,Beijing101416,China;

2.SchoolofSpaceInformation,SpaceEngineeringUniversity,Beijing101416,China)

Abstract:Inviewoftheover-fittingproblemthatcausedbymultipleparametersandhighmemoryusageofthefullconnectionlayerofneuralnetworkintraining,aRIS-basedelementgroupingarealfullyconnectedneuralnetwork(RGFCNN)isproposedforthefirsttimebasedonthestructuralcharacteristicsofreconfigurableintelligencesurface(RIS).BasedonthestructuralcharacteristicsofRIS,thenetworkisoptimizedontraditionalFCNN.Anoveltransmissionsurfaceattentionmechanismisdesignedfortheeffectivefeatureextractionofdata.ComparedwiththetraditionalFCNNs,theproposednetworkdoesnotarrangethedatainone-dimensionalmanner.Instead,aelement