AI+無線通信總結(jié)——初賽賽題

賽題任務(wù)

大賽將提供真實無線通信場景下采集的信道數(shù)據(jù)，鼓勵參賽選手采取數(shù)據(jù)驅(qū)動的思路和采用機(jī)器學(xué)習(xí)的方法來設(shè)計符合真實信道數(shù)據(jù)的低復(fù)雜度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和魯棒的AI算法，以此提升在不同壓縮尺度下的信道信息恢復(fù)的準(zhǔn)確度。

針對真實大規(guī)模天線陣列通信信道，采集到的數(shù)據(jù)是32萬個信道數(shù)據(jù)樣本，每個樣本是一個矩陣（可以把單個樣本視為一張圖片）。在此給定數(shù)據(jù)的條件下，選手需要設(shè)計合理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來進(jìn)行信道數(shù)據(jù)（等同于圖片）的壓縮和恢復(fù)。

本賽題規(guī)定壓縮后的單個樣本大小為128比特，即壓縮后傳輸?shù)墓艿廊萘繛?28比特。本賽題主要考察信道經(jīng)過壓縮和重建后的信息和原來信道信息之間的誤差。

數(shù)據(jù)簡介

信道數(shù)據(jù)來源于真實無線信道，頻段為3.5GHz，子載波個數(shù)為256。 采集信道樣本32萬個。數(shù)據(jù)已經(jīng)過一些預(yù)處理（包括去噪、DFT 轉(zhuǎn)化、時延域稀疏剪裁、時間去相關(guān)等）。最終提供給參賽者們的數(shù)據(jù)集是32萬組矩陣數(shù)據(jù)，可以看作32萬張圖片。

數(shù)據(jù)說明

提交要求

參賽選手需要按照如下環(huán)境要求以及模板準(zhǔn)備提交結(jié)果，然后將各類文檔、源代碼壓縮打包后，通過競賽平臺提交。

編程語言：Python 3.6

調(diào)用宏包：TensorFlow 2.1.0；pytorch > 1.0.0；Numpy 1.18.1；matplotlib 3.1.2；h5py 2.10.0 ；Sklearn 0.23.2

大小限制：文件上傳不得超過500M

1、TensorFlow版本

a.結(jié)果模板

（1）Model_define_tf

設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計Encoder與Decoder函數(shù)。

Encoder函數(shù)，定義編碼器模型。輸入原始信道狀態(tài)信息（x）與反饋比特量(feedback_bits)，輸出為比特流編碼向量。

Decoder函數(shù)，定義解碼器模型。輸入比特流編碼向量（x）與反饋比特量(feedback_bits)，輸出為重建的CSI。

get_custom_objects()函數(shù)，返回自定義層字典，用于Model_evaluation文件中模型的載入。

參賽者搭建模型時需要選擇data_format =‘channel_last’；NMSE與Score函數(shù)不可修改。

（2）Model_train

模型訓(xùn)練，調(diào)用Model_define中的Encoder和Decoder函數(shù)來搭建自編碼器網(wǎng)絡(luò)。

數(shù)據(jù)導(dǎo)入地址：‘./data/Hdata.mat’，在當(dāng)前文件夾下創(chuàng)建子目錄‘data/’，下載數(shù)據(jù)集Hdata.mat到‘data’文件夾即可。

模型的保存是解耦的，即分別保存encoder與decoder模型；模型權(quán)重與結(jié)構(gòu)保存在一個*.h5文件中，即保存為encoder.h5與decoder.h5文件；

模型存儲地址：’./Modelsave/XXX.h5’，在當(dāng)前文件夾下創(chuàng)建子目錄‘Modelsave/’，保存encoder.h5與decoder.h5文件。

參賽者可設(shè)置與調(diào)整訓(xùn)練參數(shù)，但不可修改模型保存方式（包括存儲的相對路徑、文件名稱encoder.h5與decoder.h5）

（3）Model_evaluation_encoder

這是大賽用于重現(xiàn)選手提交結(jié)果的文件，該文件測試encoder模型，保存encoder輸出為encoder_output.npy文件，保存地址在‘/Modelsave/’中。參賽者需要確保此文件與Model_evaluation_decoder文件按照順序均能夠正常運(yùn)行后，才可提交結(jié)果。此文件不可改寫，也不需提交。

（4）Model_evaluation_decoder

這是大賽用于重現(xiàn)選手提交結(jié)果的文件，該文件調(diào)用儲存結(jié)果encoder_output.npy，來測試decoder模型，包含計算評價指標(biāo)NMSE與分?jǐn)?shù)。參賽者需要確保Model_evaluation_encoder與此文件按照順序均能夠正常運(yùn)行后，才可提交結(jié)果。此文件不可改寫，也不需提交。

參數(shù)介紹：feedback_bits=128（反饋比特量），img_height = 16（CSI圖像高），img_width = 32（CSI圖像寬），img_channels= 2（CSI圖像通道數(shù)）

b.提交示例

參賽選手需要提交的結(jié)果文件為：

參賽者將上述三個文件打包壓縮，以自己的ID編號命名，壓縮包結(jié)構(gòu)為：

ID Number>>

Model_define_tf.py

Modelsave>>

* encoder.h5

* decoder.h5

2、pytorch 版本

a.結(jié)果模板

（1）Model_define_pytorch

設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計Encoder與Decoder函數(shù)。

Encoder函數(shù)，定義編碼器模型。輸入原始信道狀態(tài)信息（x）與反饋比特量(feedback_bits)，輸出為比特流編碼向量。

Decoder函數(shù)，定義解碼器模型。輸入比特流編碼向量（x）與反饋比特量(feedback_bits)，輸出為重建的CSI。

參賽者搭建模型時class Autoencoder不可修改。

（2）Model_train

模型訓(xùn)練，調(diào)用Model_define中的Encoder和Decoder函數(shù)來搭建自編碼器網(wǎng)絡(luò)。

數(shù)據(jù)導(dǎo)入地址：‘./data/Hdata.mat’，在當(dāng)前文件夾下創(chuàng)建子目錄‘data/’，下載數(shù)據(jù)集Hdata.mat到‘data’文件夾即可。

模型的保存是解耦的，即分別保存encoder與decoder模型；模型權(quán)重與結(jié)構(gòu)保存在一個*.pth.tar文件中，即保存為encoder.pth.tar與decoder.pth.tar文件；

模型存儲地址：’./Modelsave/XXX.pth.tar’，在當(dāng)前文件夾下創(chuàng)建子目錄‘Modelsave/’，保存encoder.pth.tar與decoder.pth.tar文件。

參賽者可設(shè)置與調(diào)整訓(xùn)練參數(shù)，但不可修改模型保存方式（包括存儲的相對路徑、文件名稱encoder.pth.tar與decoder.pth.tar）

（3）Model_evaluation_encoder

這是大賽用于重現(xiàn)選手提交結(jié)果的文件，該文件測試encoder模型，保存encoder輸出為encoder_output.npy文件，保存地址在‘/Modelsave/’中。參賽者需要確保此文件與Model_evaluation_decoder文件按照順序均能夠正常運(yùn)行后，才可提交結(jié)果。此文件不可改寫，也不需提交。

（4）Model_evaluation_decoder

這是大賽用于重現(xiàn)選手提交結(jié)果的文件，該文件調(diào)用儲存結(jié)果encoder_output.npy，來測試decoder模型，包含計算評價指標(biāo)NMSE與分?jǐn)?shù)。參賽者需要確保Model_evaluation_encoder與此文件按照順序均能夠正常運(yùn)行后，才可提交結(jié)果。此文件不可改寫，也不需提交。

參數(shù)介紹：feedback_bits=128（反饋比特量）、img_height = 16（CSI圖像高）、img_width = 32（CSI圖像寬）、img_channels= 2（CSI圖像通道數(shù)）

b.提交示例

參賽選手需要提交的結(jié)果文件為：

參賽者將上述三個文件打包壓縮，以自己的ID編號命名，壓縮包結(jié)構(gòu)為：

ID Number>>

Model_define_pytorch.py

Modelsave>>

* encoder.pth.tar

* decoder.pth.tar

提交樣例

a.參賽選手需要提交的結(jié)果文件，格式參考“提交要求”部分。

b.主觀評測的提交材料（具體通知時再向組委會提交，可提前準(zhǔn)備）：

應(yīng)當(dāng)包含必要的代碼級樣例展示；

應(yīng)當(dāng)包含詳細(xì)的解題思路說明、項目運(yùn)行環(huán)境和運(yùn)行辦法等信息，方便大賽專家評委進(jìn)行成績有效性核實；

c.參賽項目模型和工程文件（具體通知時再向組委會提交，可提前準(zhǔn)備）：

建議保留從工程創(chuàng)建至截止日期所有的 commit，以便展現(xiàn)項目迭代過程；

如有版本迭代，建議保留所有 tag 與 release；

應(yīng)當(dāng)包含所有的模型和工程文件，保證模型和成績可復(fù)現(xiàn)；

最終代碼以 master 分支為準(zhǔn)，請適當(dāng)合并分支；

成績需要可以成功復(fù)現(xiàn)，選手有義務(wù)及時響應(yīng)技術(shù)委員會的復(fù)現(xiàn)要求；

其他技術(shù)委員會視情況指定的審核要求；

評測標(biāo)準(zhǔn)

初賽評測根據(jù) NMSE結(jié)果排名，最終score越高排名越高，其中NMSE 是指歸一化均方誤差Normalized mean squared error.

score = 1 -NMSE

注意：評審說明

在評測階段，每個隊伍每天最多可提交3次結(jié)果文件參與評測，平臺實時評測出分，在階段內(nèi)各團(tuán)隊最高分參與排名，排行榜實時更新；

主觀評審包含代碼審核、模型審核，具體規(guī)則將由組委會統(tǒng)一發(fā)布；

AI 大賽

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。