李国权，徐永海，林金朝，徐勇军，杨 鹏

(1.重庆邮电大学 通信与信息工程学院，重庆 400065; 2.光电信息感测与传输技术重庆市重点实验室，重庆 400065)

0 引 言

随着无线通信系统业务种类和数据量的逐渐增加，社会的进步与发展对通信系统的容量极限以及数据处理的速度有着越来越高的要求。未来通信网络需要面对诸如移动通信、工业物联网、互联网业务等各个方面的挑战，例如：提高频谱效率、提升用户体验、降低时延等。为了达到上述要求，目前已经衍生出了大规模多输入多输出(massive multiple input multiple output, mMIMO)[1]、毫米波(millimeter wave, mmWave)[2]、超密集组网(ultra-densification network, UDN)[3]等技术。具体来讲，mMIMO利用大量天线深度挖掘空间维度资源；毫米波通信利用超大带宽提升网络吞吐量；UDN利用超密集基站来提高整个通信系统的频谱利用率[4]。现有的传统通信理论在满足复杂场景下的大数据和超高速率通信需求方面有很多局限性[5]，所以有必要采用新的方法来解决上述问题。

深度学习(deep learning, DL)是人工智能领域一个重要技术，目前被广泛应用在计算机视觉[6-7]、自然语言处理[8-10]、生物医学与科学[11-12]、电脑游戏[13-14]等方面。现如今，研究人员已经将深度学习拓展到其他领域，其中就包括无线通信的物理层领域，通信系统正在向智能通信的方向发展。智能通信，即把人工智能引入通信领域，构建智能通信系统，使网络运行在较好的状态，并且具有环境自适应功能。虽然，深度学习相关的理论研究已被拓展到无线物理层技术中，但仍处在初期的探索阶段[15]。……