纸与基于DL的无线通信代码：无线与深度学习结合的论文代码整理

此代码是模拟 3 用户分布式电源控制CDMA 网络中用于干扰协调的算法。 % 变量：SIR 信号与干扰 + 噪声比% H 通道增益矩阵； Gamm-每个接收器都需要Gamm的SIR 每个发射器可用的 P 功率百分比，每个发射器的 N 噪声％ 接收者% Err-error. 所需 SIR 和实际 SIR 之间的差异。 措施算法收敛% % 算法：p(t+1,i)=Gamm(i)/SIR(t,i)*p(t,i) 其中 t-是时间索引和%i 用户索引。 %我们执行这个算法，直到我们转换到所需的 SIR 水平

学习优化：训练用于无线资源管理的深度神经网络。 Python代码可重现我们在SPAWC 2017的DNN研究中的工作。 Demo.py包含了从数据生成，训练，测试到绘制10个用户IC盒的整个过程，即使该过程是在一个包含25000个样本的小型数据集上完成的，仍可以在不到100次迭代中轻松实现94％的准确度。 在test.py中，我们对表I：高斯IC案例进行了测试阶段，该测试基于预先训练的模型。 要从头开始训练模型，请按照本文中的说明进行操作，并阅读demo.py以供参考。 所有代码均已在Python 3.6.0上成功测试。 设置 安装python 3.6 正在运行的应用程序 安装pip依赖项 pip install -r requirements.txt 运行python文件 python3 demo.py python3 test.py 参考文献：[1]孙浩然，陈香怡，施庆江

POWER GENERATION, OPERATION, AND CONTROL SECOND EDITION Allen J. Wood