CN117200935A - 一种信号处理方法及装置 - Google Patents

Abstract

本申请提供了一种信号处理方法及装置。该方法应用于发送端，该方法包括：获取第一预处理的结果，该第一预处理是将待发送的信息从有限域转换到复数域；通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号；发送第一信号，第一信号是对第一调制符号进行资源映射获得的。可见，发送端通过第一神经网络对第一预处理的结果进行复数域的速率匹配处理，从而可提高系统的频谱效率。

Description

一种信号处理方法及装置

技术领域

本申请涉及通信技术领域，尤其涉及一种信号处理方法及装置。

背景技术

速率匹配处理是指发送端对不同长度的待发送码流进行处理，使得待发送码流的长度与物理信道的承载能力相匹配。

目前，无线通信系统中，发送端在对待发送的信息进行信道编码后，获得编码信息，并对该编码信息进行速率匹配处理，再对速率匹配处理后的信号进行符号调制、资源映射，获得待发送的信号。相应的，接收端对接收的信号进行资源解映射、解调后，对解调后的信息进行解速率匹配处理，再对解速率匹配处理后的信号进行信道译码，获得估计信息。

可见，发送端是对信道编码后的编码信息进行速率匹配处理的，该方式会造成系统性能的损失，比如会降低系统的频谱效率。

发明内容

本申请实施例提供了一种信号处理方法及装置，可以提高系统的频谱效率。

第一方面，本申请实施例提供一种信号处理方法，可应用于发送端(例如发送端的设备或芯片上)。该方法包括：获取第一预处理的结果，第一预处理是将待发送的信息从有限域转换到复数域；通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号；发送第一信号，第一信号是对第一调制符号进行资源映射获得的。

可见，本申请实施例中，发送端将第一神经网络应用于速率匹配处理中，即通过第一神经网络对第一预处理的结果进行基于复数域(例如，基于符号级)的速率匹配处理，从而可提高系统的频谱效率。

一种可选的实施方式中，通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号，包括：根据第一参数，通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号。其中，第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

可见，发送端通过第一神经网络对第一预处理的结果进行速率匹配处理时，还考虑了通信系统中频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项，对速率匹配处理的影响，即考虑了通信系统中性能参数对速率匹配处理的影响，可进一步提升系统的频谱效率。

一种可选的实施方式中，发送端还可接收第一梯度的指示信息，并根据第一梯度更新第一神经网络。其中，第一梯度的指示信息用于指示第一梯度，第一梯度是基于第一损失函数确定的，第一损失函数是根据第二神经网络的输出和第一信号的标签确定的，第二神经网络用于对第一信号进行资源解映射后的信号进行解速率匹配处理。第一信号的标签可以是生成第一信号的原始比特流。

可见，发送端还可基于接收端确定的第一梯度更新第一神经网络，从而实现第一神经网络的训练或更新。

一种可选的实施方式中，若发送端在二元域进行信道编码，则上述有限域为二元域，待发送的信息为比特流。从而，该方式中的第一预处理是将待发送的比特流从二元域转换到复数域。

一种可选的实施方式中，第一预处理可以是将待发送的比特流转换为调制符号流，即第一预处理可以是对待发送的比特流进行符号调制，获得调制符号。

一种可选的实施方式中，第一预处理的结果是对编码比特流进行预处理获得的，从而第一预处理可以是将编码比特流从二元域转换到复数域。另外，该编码比特流是通过第三神经网络对待发送的信息进行信道编码获得的，即发送端可采用第三神经网络对待发送的信息进行信道编码，获得编码比特流。发送端采用第三神经网络进行信道编码的方式可提高系统性能。

一种可选的实施方式中，第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的，即第一预处理可以是通过第四神经网络将编码比特流从二元域转换到复数域。发送端采用第四神经网络对编码比特流进行预处理的方式也可提升系统性能。

一种可选的实施方式中，通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号之前，发送端还可执行以下操作：通过第一预设神经网络对第一预设训练信号进行速率匹配处理，获得第二调制符号；发送第二信号，第二信号是对第二调制符号进行资源映射获得的；接收第二梯度的指示信息，第二梯度是基于第二损失函数确定的，第二损失函数是根据第二预设神经网络的输出和第一预设训练信号的标签确定的，第二预设神经网络用于对第二信号进行资源解映射后的信号进行解速率匹配处理；根据第二梯度更新第一预设神经网络，获得第一神经网络。

其中，第二梯度的指示信息用于指示第二梯度，第一预设神经网络可以是预先采用元学习等学习方法进行学习获得的神经网络。第一预设训练信号可以是进行信道编码、符号调制等预处理后的信号。

可见，发送端还可采用第一预设训练信号对第一预设神经网络进行训练，获得用于对第一预处理的结果进行速率匹配处理的第一神经网络。该训练方式中，发送端采用预先处理后的第一预设训练信号对预先学习获得的第一预设神经网络进行训练，可缩短对第一预设神经网络的训练时间，从而可适用于快速变化的衰落信道。

一种可选的实施方式中，发送端采用第一预设训练信号对第一预设神经网络进行训练，获得第一神经网络时，第一神经网络对第一预处理的结果进行速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据信道估计结果确定的；或者，第一神经网络对第一预处理的结果进行速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据第二梯度确定的。该方式中，接收端通过第一神经网络进行速率匹配处理时的位置，考虑了信道估计结果或第二梯度的影响，从而可提高系统的频谱效率。

一种可选的实施方式中，发送端还可发送第一指示信息，第一指示信息用于指示速率匹配处理的打孔位置，或缩短位置，或重复位置。该方式可使得接收端基于速率匹配处理的打孔位置，或缩短位置，或重复位置，确定通过第二神经网络进行解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置，从而接收端可通过第二神经网络在相应位置进行解速率匹配处理。

一种可选的实施方式中，待发送的信息为比特流时，获取第一预处理的结果，包括：根据第一物理资源数、第一调制阶数，以及母码码长进行信道编码，获得第一信道编码；第一调制阶数是根据所述第一参数确定的；根据信息比特、第一信道编码的码长、第一物理资源数，确定第二调制阶数；信息比特是根据第一物理资源数和第一参数确定的；基于第二调制阶数，对第一信道编码进行符号调制，获得第一预处理的结果。其中，第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

第二方面，本申请还提供一种信号处理方法，该方面的信号处理方法与第一方面所述的信号处理方法相对应，该方面的信号处理方法是从接收端进行阐述的(可应用于接收端的设备或芯片上)。该方法中，接收第一信号；对第一信号进行资源解映射，获得第三调制符号；通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得第二神经网络的输出；对第二神经网络的输出进行第二预处理，获得待译码的信息。

本申请实施例中，接收端将第二神经网络应用于解速率匹配处理中，通过第二神经网络对第三调制符号进行基于复数域(例如，基于符号级)的解速率匹配处理，从而可提高系统的频谱效率。

一种可选的实施方式中，通过第二神经网络对第三调制符号进行解速率匹配处理，获得第二神经网络的输出，包括：根据第一参数，通过第二神经网络对第三调制符号进行解速率匹配处理，获得第二神经网络的输出。其中，第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

可见，接收端通过第二神经网络对第三调制符号进行速率匹配处理时，考虑了通信系统中频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项的影响，从而可进一步提升系统的频谱效率。

一种可选的实施方式中，接收端还可通过第五神经网络对待译码的信息进行信道译码，即该系统中的信道译码可通过第五神经网络实现。接收端通过第五神经网络对待译码的信息进行信道译码的方式可提高系统性能。

一种可选的实施方式中，待译码的信息是通过第六神经网络对第二神经网络的输出进行预处理获得的，即第二预处理可以是接收端通过第六神经网络对第二神经网络的输出进行预处理，获得待译码的信息。接收端通过第六神经网络对第二神经网络的输出进行预处理，获得待译码的信息的方式，也可提升系统性能。

一种可选的实施方式中，发送端还可执行以下操作：根据第二神经网络的输出和第一信号的标签，确定第一损失函数；根据第一损失函数，确定第一梯度；根据第一梯度更新第二神经网络；发送第一梯度的指示信息。第一信号的标签可以是生成第一信号的原始比特流。第一梯度的指示信息用于指示第一梯度。

可见，发送端还可基于第二神经网络的输出和第一信号的标签，确定第一损失函数，从而根据该第一损失函数确定的第一梯度更新第二神经网络。另外，接收端还可发送第一梯度的指示信息，以使发送端也可基于第一梯度更新发送端侧的第一神经网络。该方式有利于发送端和接收端根据第一信号联合更新第一神经网络和第二神经网络。

一种可选的实施方式中，根据第二神经网络的输出和所述第一信号的标签，确定第一损失函数，包括：采用信道译码器对第二神经网络的输出进行信道译码，获得估计比特或译码软值；根据估计比特和所述第一信号的标签，确定第一损失函数；或者，根据译码软值和第一信号的标签，确定第一损失函数。

一种可选的实施方式中，接收端接收第一信号之前，还可执行以下操作：接收第二信号；通过第二预设神经网络对第二信号进行资源解映射后的信号进行解速率匹配处理，获得第二预设神经网络的输出；根据第二预设神经网络的输出和第一预设训练信号的标签，确定第二损失函数；根据第二损失函数，确定第二梯度；根据第二梯度更新第二预设神经网络，获得第二神经网络；发送第二梯度的指示信息。其中，第一预设神经网络可以是预先采用元学习等学习方法进行学习获得的神经网络，第二梯度的指示信息用于指示第二梯度。

可见，接收端还可根据接收的第二信号对第二预设神经网络进行训练，获得用于对第三调制符号进行解速率匹配处理的第二神经网络。该训练方式中，接收端采用接收的第二信号对预先学习获得的第二预设神经网络进行训练，可缩短对第二预设神经网络的训练时间，从而该训练方式可适用于快速变化的衰落信道。

一种可选的实施方式中，接收端还可执行以下操作：接收第一指示信息，第一指示信息用于指示速率匹配处理的打孔位置，或缩短位置，或重复位置；根据第一指示信息，确定通过第二神经网络进行解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置。

可见，接收端还可根据发送端指示的速率匹配处理的打孔位置，或缩短位置，或重复位置，确定通过第二神经网络进行解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置，以确保进行解速率匹配处理的位置和发送端进行速率匹配处理的位置是对应的。

第三方面，本申请实施例还提供一种信号处理方法，可应用于发送端(例如发送端的设备或芯片上)。该方法包括：通过第七神经网络对第三信号进行速率匹配处理，获得第四信号；发送第五信号，第五信号是对第四信号进行信号处理获得的。

其中，第三信号可以是待发送的信息，也可以是对待发送的信息进行信道编码后的编码信息，也可以是将编码信息转换为复数域的处理结果，该处理结果可以是调制符号。不同第三信号对应着对第四信号的不同信号处理。第三信号为待发送的信息时，第五信号可以是对第四信号进行信道编码、符号调制和资源映射后的信号；第三信号为编码信息时，第五信号可以是对第四信号进行符号调制和资源映射后的信号；第三信号为处理结果时，第五信号可以是对第四信号进行符号调制和资源映射后的信号，也可以是对第四信号进行资源映射后的信号。

可见，本申请实施例中，发送端通过第七神经网络对第三信号进行速率匹配处理，可提高系统的频谱效率。

一种可选的实施方式中，通过第七神经网络对第三信号进行速率匹配处理，获得第四信号之前，还可执行以下操作：通过第三预设神经网络对第二预设训练信号进行速率匹配处理，获得第六信号；发送第七信号，第七信号是对第六信号进行资源映射获得的；接收第三梯度的指示信息，第三梯度是基于第三损失函数确定的；第三损失函数是根据第四预设神经网络的输出和第二预设训练信号的标签确定的，第四预设神经网络用于对第七信号进行资源解映射后的信号进行解速率匹配处理；根据第三梯度更新第三预设神经网络，获得第七神经网络。

其中，第三预设神经网络和第四神经网络是预先采用元学习等学习方法进行训练学习获得的神经网络。第二预设训练信号可以是进行信道编码和符号调制等处理后的信号。第三梯度的指示信息用于指示第三梯度。

可见，发送端还可采用第二预设训练信号对第三预设神经网络进行训练，获得用于对第三信号进行速率匹配处理的第一神经网络。该方式中，发送端采用预先处理后的第二预设训练信号对预先学习获得的第三预设神经网络进行训练，可缩短对第三预设神经网络的训练时间，从而可适用于快速变化的衰落信道。

第四方面，本申请还提供一种信号处理方法，该方面的信号处理方法与第三方面所述的信号处理方法相对应，该方面的信号处理方法是从接收端进行阐述的(可应用于接收端的设备或芯片上)。该方法中，接收第五信号；通过第八神经网络对第八信号进行解速率匹配处理，获得第八神经网络的输出，第八信号是对第五信号进行信号处理获得的。

其中，第八信号可以是对第五信号进行资源解映射获得的，也可以是对第五信号依次进行资源解映射和解调获得的，也可以是对第五信号依次进行资源解映射、解调和信道译码获得的。

本申请实施例中，接收端通过第八神经网络对第八信号进行解速率匹配处理，可提高系统的频谱效率。

一种可选的实施方式中，接收第五信号之前，还可接收第七信号；通过第四预设神经网络对第七信号进行资源解映射后的信号进行解速率匹配处理，获得第四预设神经网络的输出；根据第四预设神经网络的输出和第二预设信号的标签，确定第三损失函数；根据第三损失函数，确定第三梯度；根据第三梯度，更新第四预设神经网络，获得第八神经网络；发送第三梯度的指示信息。其中，第四神经网络是预先采用元学习等学习方法进行训练学习获得的神经网络，第三梯度的指示信息用于指示第三梯度。

可见，接收端还可根据接收的第七信号对第四预设神经网络进行训练，获得用于解速率匹配的第八神经网络。该训练方式中，发送端通过接收的第七信号对预先学习获得的第四预设神经网络进行训练，可缩短对第四预设神经网络的训练时间，从而可适用于快速变化的衰落信道。

第五方面，本申请还提供一种通信装置。该通信装置具有实现上述第一方面所述的发送端的部分或全部功能，或者，实现上述第二方面所述的接收端的部分或全部功能，或者，实现上述第三方面所述的发送端的部分或全部功能，或者，实现上述第四方面所述的接收端的部分或全部功能。比如，该通信装置的功能可具备本申请中第一方面所述的发送端的部分或全部实施例中的功能，也可以具备单独实施本申请中的任一个实施例的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的单元或模块。

在一种可能的设计中，该通信装置的结构中可包括处理单元和通信单元，所述处理单元被配置为支持通信装置执行上述方法中相应的功能。所述通信单元用于支持该通信装置与其他通信装置之间的通信。所述通信装置还可以包括存储单元，所述存储单元用于与处理单元和通信单元耦合，其保存通信装置必要的程序指令和数据。

一种实施方式中，所述通信装置包括：处理单元和通信单元；

处理单元，用于获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

处理单元，还用于通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

通信单元，用于发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

另外，该方面中，通信装置其他可选的实施方式可参见上述第一方面的相关内容，此处不再详述。

另一种实施方式中，所述通信装置包括：处理单元和通信单元；

通信单元，用于接收第一信号；

处理单元，用于对所述第一信号进行资源解映射，获得第三调制符号；

处理单元，还用于通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

处理单元，还用于对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

另外，该方面中，通信装置其他可选的实施方式可参见上述第二方面的相关内容，此处不再详述。

又一种实施方式中，所述通信装置包括：处理单元和通信单元；

处理单元，用于通过第七神经网络对第三信号进行速率匹配处理，获得第四信号；

通信单元，用于发送第五信号，所述第五信号是对所述第四信号进行信号处理获得的。

另外，该方面中，通信装置其他可选的实施方式可参见上述第三方面的相关内容，此处不再详述。

又一种实施方式中，所述通信装置包括：处理单元和通信单元；

通信单元，用于接收第五信号；

处理单元，用于通过第八神经网络对第八信号进行解速率匹配处理，获得所述第八神经网络的输出；所述第八信号是对所述第五信号进行信号处理获得的。

另外，该方面中，通信装置其他可选的实施方式可参见上述第四方面的相关内容，此处不再详述。

作为示例，通信单元可以为收发器或通信接口，存储单元可以为存储器，处理单元可以为处理器。

一种实施方式中，所述通信装置包括：处理器和收发器；

处理器，用于获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

处理器，还用于通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

收发器，用于发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

另外，该方面中，上行通信装置其他可选的实施方式可参见上述第一方面的相关内容，此处不再详述。

另一种实施方式中，所述通信装置包括：处理器和收发器；

收发器，用于接收第一信号；

处理器，用于对所述第一信号进行资源解映射，获得第三调制符号；

处理器，还用于通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

处理器，还用于对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

另外，该方面中，上行通信装置其他可选的实施方式可参见上述第二方面的相关内容，此处不再详述。

又一种实施方式中，所述通信装置包括：处理器和收发器；

处理器，用于通过第七神经网络对第三信号进行速率匹配处理，获得第四信号；

收发器，用于发送第五信号，所述第五信号是对所述第四信号进行信号处理获得的。

另外，该方面中，上行通信装置其他可选的实施方式可参见上述第三方面的相关内容，此处不再详述。

又一种实施方式中，所述通信装置包括：处理器和收发器；

收发器，用于接收第五信号；

处理器，用于通过第八神经网络对第八信号进行解速率匹配处理，获得所述第八神经网络的输出；所述第八信号是对所述第五信号进行信号处理获得的。

另外，该方面中，上行通信装置其他可选的实施方式可参见上述第四方面的相关内容，此处不再详述。

另一种实施方式中，该通信装置为芯片或芯片系统。所述处理单元也可以体现为处理电路或逻辑电路；所述收发单元可以是该芯片或芯片系统上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等。

在实现过程中，处理器可用于进行，例如但不限于，基带相关处理，收发器可用于进行，例如但不限于，射频收发。上述器件可以分别设置在彼此独立的芯片上，也可以至少部分的或者全部的设置在同一块芯片上。例如，处理器可以进一步划分为模拟基带处理器和数字基带处理器。其中，模拟基带处理器可以与收发器集成在同一块芯片上，数字基带处理器可以设置在独立的芯片上。随着集成电路技术的不断发展，可以在同一块芯片上集成的器件越来越多。例如，数字基带处理器可以与多种应用处理器(例如但不限于图形处理器，多媒体处理器等)集成在同一块芯片之上。这样的芯片可以称为系统芯片(system on achip，SoC)。将各个器件独立设置在不同的芯片上，还是整合设置在一个或者多个芯片上，往往取决于产品设计的需要。本申请实施例对上述器件的实现形式不做限定。

第六方面，本申请还提供一种处理器，用于执行上述各种方法。在执行这些方法的过程中，上述方法中有关发送上述信息和接收上述信息的过程，可以理解为由处理器输出上述信息的过程，以及处理器接收输入的上述信息的过程。在输出上述信息时，处理器将该上述信息输出给收发器，以便由收发器进行发射。该上述信息在由处理器输出之后，还可能需要进行其他的处理，然后才到达收发器。类似的，处理器接收输入的上述信息时，收发器接收该上述信息，并将其输入处理器。更进一步的，在收发器收到该上述信息之后，该上述信息可能需要进行其他的处理，然后才输入处理器。

对于处理器所涉及的发送和接收等操作，如果没有特殊说明，或者，如果未与其在相关描述中的实际作用或者内在逻辑相抵触，则均可以更加一般性的理解为处理器输出和接收、输入等操作，而不是直接由射频电路和天线所进行的发送和接收操作。

在实现过程中，上述处理器可以是专门用于执行这些方法的处理器，也可以是执行存储器中的计算机指令来执行这些方法的处理器，例如通用处理器。上述存储器可以为非瞬时性(non-transitory)存储器，例如只读存储器(read only memory，ROM)，其可以与处理器集成在同一块芯片上，也可以分别设置在不同的芯片上，本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。

第七方面，本申请还提供了一种通信系统，该系统包括一个或多个网络设备，以及一个或多个终端设备。在另一种可能的设计中，该系统还可以包括与网络设备、终端设备进行交互的其他设备。

第八方面，本申请提供了一种计算机可读存储介质，用于储存指令，当所述指令被计算机运行时，实现上述第一方面至第四方面任一项所述的方法。

第九方面，本申请还提供了一种包括指令的计算机程序产品，当其在计算机上运行时，实现上述第一方面至第四方面任一项所述的方法。

第十方面，本申请提供了一种芯片系统，该芯片系统包括处理器和接口，所述接口用于获取程序或指令，所述处理器用于调用所述程序或指令以实现或者支持发送端实现第一方面所涉及的功能，或者实现或者支持接收端实现第二方面所涉及的功能，或者实现或者支持发送端实现第三方面所涉及的功能，或者实现或支持接收端实现第四方面所涉及的功能。例如，确定或处理上述方法中所涉及的数据和信息中的至少一种。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存终端必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

第十一方面，本申请提供一种通信装置，包括处理器，用于执行存储器中存储的计算机程序或可执行指令，当计算机程序或可执行指令被执行时，使得该装置执行如第一方面、第二方面、第三方面、第四方面各个可能的实现中的方法。

在一种可能的实现中，处理器和存储器集成在一起；

在另一种可能的实现中，上述存储器位于该通信装置之外。

第五方面到第十一方面的有益效果可以参考第一方面到第四方面的有益效果，此处不再赘述。

附图说明

图1是本申请实施例提供的一种通信系统的系统结构示意图；

图2是本申请实施例提供的一种信号处理示意图；

图3是本申请实施例提供的另一种信号处理示意图；

图4是本申请实施例提供的一种信号处理方法的交互示意图；

图5a是本申请实施例提供的又一种信号处理示意图；

图5b是本申请实施例提供的又一种信号处理示意图；

图5c是本申请实施例提供的又一种信号处理流程示意图；

图6a是本申请实施例提供的又一种信号处理示意图；

图6b是本申请实施例提供的又一种信号处理示意图；

图6c是本申请实施例提供的又一种信号处理示意图；

图7是本申请实施例提供的一种系统示意图；

图8是本申请实施例提供的一种第一神经网络和第二神经网络的结构示意图；

图9a是本申请实施例提供的一种神经网络的训练示意图；

图9b是本申请实施例提供的另一种神经网络的训练示意图；

图9c是本申请实施例提供的又一种神经网络的训练示意图；

图9d是本申请实施例提供的又一种神经网络的训练示意图；

图10是本申请实施例提供的一种资源片的结构示意图；

图11a是本申请实施例提供的一种发送端的处理流程示意图；

图11b是本申请实施例提供的另一种发送端的处理流程示意图；

图11c是本申请实施例提供的又一种发送端的处理流程示意图；

图12a是本申请实施例提供的一种信噪比-误块率的曲线示意图；

图12b是本申请实施例提供的另一种信噪比-误块率的曲线示意图；

图12c是本申请实施例提供的又一种信噪比-误块率的曲线示意图；

图13是本申请实施例提供的另一种信号处理方法的交互示意图；

图14a是本申请实施例提供的又一种信号处理示意图；

图14b是本申请实施例提供的又一种信号处理示意图；

图14c是本申请实施例提供的又一种信号处理示意图；

图15是本申请实施例提供的一种通信装置的结构示意图；

图16是本申请实施例提供的另一种通信装置的结构示意图；

图17是本申请实施例提供的一种芯片的结构示意图。

具体实施方式

下面结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整的描述。

为了更好的理解本申请实施例公开的信号处理方法，对本申请实施例适用的通信系统进行描述。

本申请实施例可应用于第五代移动通信(5th generation mobilecommunication，5G)系统、第六代移动通信(6th generation mobile communication，6G)系统、卫星通信及短距等无线通信系统中，系统架构如图1所示。无线通信系统可以包括一个或多个网络设备，以及一个或多个终端设备。无线通信系统也可以进行点对点通信，如多个终端设备之间互相通信。

可理解的，本申请实施例提及的无线通信系统包括但不限于：窄带物联网系统(narrow band-internet of things，NB-IoT)、长期演进系统(long term evolution，LTE)，5G/6G移动通信系统的三大应用场景：增强移动宽带(enhanced mobile broadband，eMBB)、超可靠低时延通信(ultra reliable low latency communication，URLLC)和海量机器类通信(massive machine type of communication，mMTC)，无线保真(wirelessfidelity，WiFi)系统，或者5G之后的移动通信系统等。

本申请实施例中，网络设备是具有无线收发功能的设备，用于与终端设备进行通信，可以是LTE中的演进型基站(evolved Node B，eNB或eNodeB)，或者是5G/6G网络中的基站或者未来演进的公共陆地移动网络(public land mobile network，PLMN)中的基站、宽带网络业务网关(broadband network gateway，BNG)、汇聚交换机或者非第三代合作伙伴项目(3rd generation partnership project，3GPP)接入设备等。可选的，本申请实施例中的网络设备可以包括各种形式的基站，例如：宏基站、微基站(也称为小站)、中继站、接入点、未来实现基站功能的设备、WiFi系统中的接入节点、传输接收点(transmitting andreceiving point，TRP)、发射点(transmitting point，TP)、移动交换中心以及设备到设备(device-to-device，D2D)、车辆外联(vehicle-to-everything，V2X)、机器到机器(machine-to-machine，M2M)通信中承担基站功能的设备等，本申请实施例对此不作具体限定。

网络设备可以和核心网设备进行通信交互，向终端设备提供通信服务。核心网设备例如为5G网络核心网(core network，CN)中的设备。核心网作为承载网络提供到数据网络的接口，为终端提供通信连接、认证、管理、策略控制以及对数据业务完成承载等。

本申请实施例所涉及到的终端设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备。终端设备也可称为终端。终端设备也可以指用户设备(user equipment，UE)、接入终端、用户单元(subscriber unit)、用户代理、蜂窝电话(cellular phone)、智能手机(smart phone)、无线数据卡、个人数字助理(personal digital assistant，PDA)电脑、平板型电脑、无线调制解调器(modem)、手持设备(handset)、膝上型电脑(laptop computer)、机器类型通信(machine type communication，MTC)终端、高空飞机上搭载的通信设备、可穿戴设备、无人机、机器人、设备到设备通信(device-to-device，D2D)中的终端、车到一切(vehicle toeverything，V2X)中的终端、虚拟现实(virtual reality，VR)终端设备、增强现实(augmented reality，AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端或者未来通信网络中的终端设备等，本申请不作限制。

本申请实施例中，终端设备还可以具有人工智能(artificial intelligence，AI)处理能力，网络设备也可以具备AI处理能力。例如，终端设备可以具备神经网络的训练能力、推理能力等。

本申请实施例中，发送端可以是上述网络设备，接收端可以是上述终端设备。可选的，发送端可以是上述终端设备，接收端可以是上述网络设备。

本申请公开的实施例将围绕包括多个设备、组件、模块等的系统来呈现本申请的各个方面、实施例或特征。应当理解和明白的是，各个系统可以包括另外的设备、组件、模块等，并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外，还可以使用这些方案的组合。

本申请实施例中的第一、第二、第三、第四、第五、第六、第七、第八是为了便于表述上的区别而进行的命名，不造成实质性限定，且没有顺序等限定。

发送端和接收端在物理层进行信号处理的示意图如图2所示。发送端和接收端在物理层对信号的处理流程包括：编码(coding)、调制(modulation)、映射(mapping)和探测(detection)、波形(waveform)处理、射频(radio frequency，RF)处理。其中，对于发送端而言，编码包括对待发送的信息进行源编码(source coding)和信道编码(channel coding)，调制是指对信道编码后的信息进行调制，映射是指将调制后的调制符号映射到多层，即对调制符号进行层映射(layer mapping)，以及对层映射后的信息进行预编码(precoding)，波形处理是指将映射后的信号生成波形信号(wave signal)，射频处理是指对生成的波形信号进行数模转换(digital and analog conversion，DAC)，并通过射频发射单元发送数模转换后的信号。

相应的，对于接收端而言，射频处理包括通过射频接收单元接收信号以及对接收的信号进行模数转换(analog and digital，ADC)，波形处理是指对模数转换后的信号进行时域变换(timing)或载波恢复(carrier recovery)，探测是指对波形处理后的信号进行探测(detection)，调制是指对探测的信号进行解调(demodulation)，编码是指对解调后的信号进行信道译码(channel decoding)和源译码(source decoding)，获得估计信息。

为使得待发送码流与物理信道的承载能力相匹配，发送端需对待发送码流进行速率匹配处理。目前，发送端在二元域对待发送的比特流进行信道编码时，发送端进行速率匹处理，以及接收端进行解速率匹配处理时的示意图可参见图3。如图3所示，发送端将待发送的比特流进行信道编码，将信道编码后的编码比特流进行速率匹配处理，再对速率匹配处理后的信号依次进行符号调制、资源映射和生成波形处理，获得待发送的波形，从而通过信道发送待发送的波形。相应的，接收端对接收的信号依次进行解波形处理、资源解映射和符号解调处理后，对解调后的信号进行资源解映射处理，再对解速率匹配后的信号进行信道译码，获得估计比特。

可见，发送端是对信道编码后的编码比特流进行速率匹配处理，是将信道编码和速率匹配处理联合的，该方式会造成系统性能的损失，尤其是在衰落(fading)信道下会造成较大的性能损失。

本申请实施例中，接收端接收的信号均是经过信道的信号，且接收的信号包含噪声信息。例如，发送端发送的第一信号为x，发送端与接收端之间的信道信息为h，则接收端接收的第一信号y＝x·h+N，N为噪声信息。

本申请实施例中，有限域是指包含有限个元素的数域。有限域包括但不限于二元域、三元域、四元域，等等。本申请实施例主要以有限域为二元域为例，对相关内容进行阐述。复数域是指形如a+bi的复数集合在四则运算下构成的数域，a、b为实数，i为虚数单位。

示例性的，有限域为二元域时，待发送的信息为比特流，此时对应的复数域为调制符号。也就是说，有限域为二元域时，发送端将待发送的信息从有限域转换复数域是指：将待发送的比特流转换为调制符号。

示例性的，有限域为三元域时，待发送的信息为三元域元素流，此时发送端将待发送的信息从有限域转换复数域是指：将待发送的三元域元素流转换为复数域的信息。

本申请实施例中，待发送的比特流是指发送端待发送的信息为比特流。信息比特是指根据发送端获取的可用物理资源数，以及频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项确定的一个参数。

本申请实施例提出一种信号处理方法100，图4是该信号处理方法100的交互示意图。该信号处理方法100从发送端和接收端的角度进行阐述。该信号处理方法100包括但不限于以下步骤：

S101.发送端获取第一预处理的结果，第一预处理是将待发送的信息从有限域转换到复数域。

其中，待发送的信息还可被称为有限域元素流。

一种可选的实施方式中，有限域为二元域，待发送的信息为比特流，该比特流也可被称为二元域元素流。该方式下，发送端在二元域对待发送的比特流进行二元域信道编码。从而，第一预处理是将待发送的信息从有限域转换到复数域，可描述为：第一预处理是将比特流从二元域转换为复数域。

可选的，有限域为二元域，待发送的信息为比特流时，第一预处理是将待发送的信息从有限域转换到复数域，也可描述为：第一预处理是将待发送的比特流转换为调制符号。也就是说，第一预处理可以是对待发送的比特流进行符号调制，获得调制符号。该调制符号即为第一预处理的结果。

一种可选的实施方式中，有限域为二元域时，第一预处理的结果是对编码比特流进行预处理获得的，编码比特流是通过第三神经网络对待发送的信息进行信道编码获得的。也就是说，第一预处理可以是发送端将编码比特流从二元域转换到复数域。另外，发送端通过第三神经网络对待发送的比特流进行信道编码的方式，可提高系统性能。

示例性的，如图5a所示，有限域为二元域时，发送端通过第三神经网络对待发送的信息进行信道编码，获得编码比特流。发送端对编码比特流进行预处理，获得第一预处理的结果。

另一种可选的实施方式中，有限域为二元域时，第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的，编码比特流是对待发送的信息进行信道编码获得的。也就是说，第一预处理可以是发送端通过第四神经网络将编码比特流从二元域转换到复数域。

示例性，如图5b所示，有限域为二元域时，发送端对待发送的比特流进行信道编码，获得编码比特流。发送端通过第四神经网络对编码比特流进行预处理，获得第一预处理的结果。

又一种可选的实施方式中，有限域为二元域时，第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的，编码比特流是通过第三神经网络对待发送的信息进行信道编码获得的。该方式中，发送端通过神经网络实现对待发送比特流的信道编码和预处理，可提高系统性能，节省时延。

示例性的，如图5c所示，有限域为二元域时，发送端通过第三神经网络对待发送的比特流进行信道编码，获得编码比特流。发送端通过第四神经网络对编码比特流进行预处理，获得第一预处理的结果。

可选的，有限域为三元域、四元域等时，发送端也可通过第三神经网络实现对待发送的信息的信道编码，以及通过第四神经网络实现对信道编码后的编码信息进行预处理，获得第一预处理的结果。

一种可选的实施方式中，有限域为二元域，且发送端不采用第三神经网络实现信道编码，不采用第四神经网络实现符号调制时，发送端获取第一预处理的结果，包括：根据第一物理资源数、第一调制阶数，以及母码码长进行信道编码，获得第一信道编码，第一调制阶数是根据第一参数确定的；根据信息比特、第一信道编码的码长、第一物理资源数，确定第二调制阶数，信息比特是根据第一物理资源数和第一参数确定的；基于第二调制阶数，对第一信道编码进行符号调制，获得第一预处理的结果。

其中，第一物理资源数N_RE是发送端获取的可用物理资源数，即是可用于传输信号的物理资源数。第一参数可以是发送端预测的第一参数S，第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比中的一项或多项。第一调制阶数Q_m是发送端预测的调制阶数。发送端基于第一物理资源数N_RE和第一参数S确定信息比特K，K＝floor(N_RE×S)，floor()代表返回结果的向下整数。

发送端根据第一物理资源数、第一调制阶数，以及母码码长进行信道编码，获得第一信道编码为M，该第一信道编码M的码率为K'，K'大于等于K，M＝argmin_M∈M1|M-N_RE×Q_m|，M₁为母码码长。

发送端根据信息比特、第一信道编码的码长和第一物理资源数，确定第二调制阶数为Q'_m，发送端将第一信道编码进行Q'_m阶调制，获得第一预处理的结果。

S102.发送端通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号。

发送端通过第一神经网络对第一预处理的结果进行速率匹配可指，发送端通过第一神经网络，对第一预处理的结果进行打孔处理，或进行缩短处理，或进行重复处理。

其中，打孔处理和缩短处理是指对第一预处理的结果中的部分结果进行删除，将剩余的结果映射到物理资源上发送。打孔处理和缩短处理可保障第一预处理的结果中的部分结果能在有限的物理资源上被发送，从而可提高系统的频谱效率。重复处理是指对第一预处理的结果中的部分结果重复发送，该方式相对于打孔处理和缩短处理而言，会降低频谱效率，但对于整个系统而言可能是考虑到系统性能而对该部分结果做的重复发送，因此该方式也可提高系统的频谱效率。

另外，对于缩短处理而言，若发送端不采用第三神经网络进行信道编码，则发送端在第一神经网络的输入(即第一预处理的结果)中选定一个位置填充已知比特，从而发送端可获知速率匹配处理时进行缩短处理的位置为该已知比特的位置，进而发送端通过第一神经网络对该已知比特进行缩短处理，即将该已知比特进行删除处理；若发送端采用第三神经网络进行信道编码，则发送端不会在第一神经网络的输入中选定一个位置填充已知比特，从而发送端无法预先获知缩短处理的位置。对于打孔处理而言，不论发送端采用何种方式进行信道编码，发送端均无法预先获知打孔处理的位置。

示例性的，第一预处理的结果包括s₀、s₁、s₂、…、s_N。发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行打孔处理时，可以是对s₁进行删除。发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行缩短处理时，可以是对s₂进行删除，且该s₂是发送端通过第一神经网络进行速率匹配处理之前填充的已知比特。发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行重复处理时，可以是对s_N进行重复发送，比如重复发送的s_N为s_N+1。

可见，发送端通过第一神经网络实现对第一预处理的结果的速率匹配处理，获得了第一调制符号。也就是说，发送端将第一神经网络应用于速率匹配处理，实现了复数域(比如符号级)的速率匹配处理，可提高系统的频谱效率。

一种可选的实施方式中，发送端通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号，包括：根据第一参数，通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号。其中，第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

可见，发送端通过第一神经网络对第一预处理的结果进行速率匹配处理时，还考虑了通信系统中频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项，对速率匹配处理的影响，即考虑了通信系统的性能参数对速率匹配处理的影响，从而可进一步提升系统的频谱效率。

一种可选的实施方式中，发送端通过第三神经网络对待发送的信息进行信道编码，通过第四神经网络对信道编码后的编码信息进行预处理时，第三神经网络和第四神经网络可以是同一个神经网络，或者，第四神经网络和第一神经网络是同一个神经网络，或者第三神经网络、第四神经网络和第一神经网络是同一个神经网络。

第三神经网络和第四神经网络是同一个神经网络时，该神经网络用于对待发送的信息进行信道编码和预处理，获得第一预处理的结果。第四神经网络和第一神经网络是同一个神经网络时，该神经网络用于对编码信息进行第一预处理，并对第一预处理的结果进行速率匹配处理，获得第一调制符号。第三神经网络、第四神经网络和第一神经网络是同一个神经网络时，该神经网络用于对待发送的信息进行信道编码、对信道编码后的编码信息进行第一预处理和对第一预处理的结果进行速率匹配处理，获得第一调制符号。

示例性的，第三神经网络和第四神经网络为同一神经网络，且为神经网络#a时，发送端的处理流程可参见图6a。如图6a所示。发送端通过神经网络#a对待发送的信息进行信道编码，以及对信道编码后的信息进行预处理，获得第一预处理的结果。发送端再通过第一神经网络对第一预处理的结果进行速率匹配处理，获得第一调制符号#a。

示例性的，第四神经网络和第一神经网络为同一神经网络，且为神经网络#b时，发送端的处理流程可参见图6b。如图6b所示，发送端对待发送的信息进行信道编码，或者通过第三神经网络对待发送的信息进行信道编码，获得编码信息。发送端通过神经网络#b对编码信息进行预处理，获得第一预处理的结果，并对第一预处理的结果进行速率匹配处理，获得速率匹配处理后的第一调制符号#b。

示例性的，第三神经网络、第四神经网络和第一神经网络均为同一神经网络，且为神经网络#c时，发送端的处理流程可参见图6c。如图6c所示，发送端通过神经网络#c用于对待发送的信息进行信道编码、对信道编码后的编码信息进行预处理和对预处理后的第一预处理的结果进行速率匹配处理，获得速率匹配处理后的第一调制符号#c。

S103.发送端发送第一信号，第一信号是对第一调制符号进行资源映射获得的，相应的，接收端接收第一信号。

发送端对第一调制符号进行资源映射，获得待发送的第一信号。该资源映射是指进行物理资源映射。从而发送端发送第一信号，接收端接收第一信号。

一种可选的实施方式中，发送端还可发送第一参数的指示信息，第一参数如上述所述。相应的，接收端可以接收第一参数。该方式可使得接收端获得第一参数，从而接收端可根据第一参数进行解速率匹配处理。

一种可选的实施方式中，发送端还可发送第一指示信息，相应的，接收端还可接收第一指示信息。其中，第一指示信息用于指示进行速率匹配处理的打孔位置，或缩短位置，或重复位置。速率匹配处理的打孔位置，或缩短位置，或重复位置可理解为是发送端通过第一神经网络对第一预处理的结果进行打孔处理，或缩短处理，或重复处理时，处理的结果所处的位置。例如，发送端通过第一神经网络对s₀、s₁、s₂、…、s_N中的s₁进行打孔处理，则通过第一指示信息向接收端指示打孔位置为s₀、s₁、s₂、…、s_N中s₁的位置。

该方式可使得有利于接收端根据发送端通过第一指示信息指示的速率匹配处理时的打孔位置，或缩短位置，或重复位置，确定通过第二神经网络进行解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置，进而有利于接收端与发送端进行速率匹配处理时的对应位置进行解速率匹配，以保障系统性能。

S104.接收端对第一信号进行资源解映射，获得第三调制符号。

可理解的，接收端接收的第一信号是经过信道的信号，且包含噪声信号。从而接收端对第一信号进行资源解映射获得的第三调制符号也是包含噪声信息的调制符号。

S105.接收端通过第二神经网络对第三调制符号进行解速率匹配处理，获得第二神经网络的输出。

接收端通过第二神经网络对第三调制符号进行解速率匹配处理，可指接收端通过第二神经网络对第三调制符号进行打孔填充处理，或缩短填充处理，或重复合并处理。第二神经网络的输出可以是解速率匹配后的调制符号，也可以是基于解速率匹配处理后的调制符号确定的对数似然比，等等。本申请实施例对第二神经网络的输出不做限定。

一种可选的实施方式中，发送端可通过指示信息直接或间接向接收端指示第一参数，该指示信息可携带第一参数，第一参数如上述所述，不再赘述。该方式下，接收端通过第二神经网络对第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出，包括：根据第一参数，通过第二神经网络对第三调制符号进行解速率匹配处理，获得第二神经网络的输出。可理解的，接收端可根据发送端发送的第一参数，确定通过第二神经网络进行解速率匹配时的打孔填充，或缩短填充，或重复合并的位置，从而根据确定的位置对第三调制符号进行解速率匹配处理。

可见，发送端通过第二神经网络对第三调制符号进行解速率匹配处理时，可参考第一参数对解速率匹配的影响，从而考虑了系统性能参数对解速率匹配处理的影响，可提高系统的频谱效率。另外，该方式且可保障接收端进行解速率匹配处理的位置和发送端进行速率匹配处理的位置是对应的，从而保障系统性能。

另一种可选的实施方式中，接收端通过第二神经网络对第三调制符号进行解速率匹配处理时，进行打孔填充位置，或缩短填充位置，或重复合并位置也可以是基于上述第一指示信息确定的。也就是说，接收端通过第一指示信息指示的速率匹配处理的打孔位置，或缩短位置，或重复位置，确定解速率匹配处理时的打孔填充位置，或缩短填充位置，或重复合并位置，以保障解速率匹配处理位置和速率匹配处理位置是一一对应的。

也就是说，若发送端通过第一神经网络对第一预处理的结果中的部分结果进行了打孔处理，则接收端可通过第二神经网络对第三调制符号中该部分结果对应位置的调制符号进行打孔填充处理。若发送端通过第一神经网络对第一预处理的结果中的部分结果进行了缩短处理，则接收端可通过第二神经网络对第三调制符号中该部分结果对应位置的调制符号进行缩短填充处理。若发送端通过第一神经网络对第一预处理结果中的部分结果进行了重复处理，则接收端可通过第二神经网络对第三调制符号中该部分结果对应位置的调制符号进行重复合并处理。

示例性的，第一预处理的结果包括s₀、s₁、s₂、…、s_N，发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行速率匹配处理时，对s₁进行了打孔处理。那么，若接收端获得的第三调制符号为s'，则接收端可通过第二神经网络打孔填充s₁'。

示例性的，第一预处理的结果包括s₀、s₁、s₂、…、s_N，发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行速率匹配处理时，对进行了s₂缩短处理。那么，若接收端获得的第三调制符号为s'，则接收端可通过第二神经网络缩短填充s₂'。

示例性的，第一预处理的结果包括s₀、s₁、s₂、…、s_N，发送端通过第一神经网络对s₀、s₁、s₂、…、s_N进行速率匹配处理时，对s_N进行了重复处理，发送s_N的同时还发送了s_N+1′。那么，若接收端获得的第三调制符号为s'，则接收端可通过第二神经网络对s_N'和s_N+1'进行重复合并。

S106.接收端对第二神经网络的输出进行第二预处理，获得待译码的信息。

可见，接收端通过第二预处理，将第二神经网络的输出转换为待译码的信息。

一种可选的实施方式中，待译码的信息是通过第六神经网络对第二神经网络的输出进行预处理获得的。也就是说，第二预处理可以是通过第六神经网络对第二神经网络的输出进行预处理。

一种可选的实施方式中，第二预处理可以是对第二神经网络的输出进行解调处理，获得待译码的信息。

可选的，第二预处理可以是通过第六神经网络对第二神经网络的输出进行解调处理，获得待译码的信息。可见，发送端可通过第六神经网络实现对第二神经网络的输出的解调，可提高系统性能。

一种可选的实施方式中，接收端还可通过第五神经网络对该待译码的信息进行信道译码，获得估计信息。可见，接收端可通过第五神经网络实现对待译码的信息的信道译码，也可提高系统性能。

可理解的，发送端通过第三神经网络对待发送的信息进行信道编码时，接收端可通过第五神经网络对待译码的信息进行信道译码。发送端通过第四神经网络对编码信息进行预处理时，接收端可通过第六神经网络对第二神经网络的输出进行预处理。

相应的，第三神经网络和第四神经网络为同一神经网络时，第六神经网络和第五神经网络为同一神经网络；第四神经网络和第一神经网络为同一神经网络时，第五神经网络和第二神经网络为同一神经网络；第三神经网络、第四神经网络和第一神经网络为同一神经网络时，第六神经网络、第五神经网络和第二神经网络为同一神经网络。

示例性的，第三神经网络和第四神经网络为神经网络#a时，第六神经网络和第五神经网络为同一神经网络，且为神经网络#e。该方式下，发送端和接收端的处理流程可参见图6a。如图6a所示，接收端对接收的第一信号进行资源解映射，获得第三调制符号#a。接收端通过第二神经网络对第三调制符号#a进行解速率匹配处理，获得第二神经网络的输出。接收端通过神经网络#e对第二神经网络的输出进行预处理，以及对预处理获得的待译码的信息进行信道译码，获得估计信息。

示例性的，第四神经网络和第一神经网络为神经网络#b时，第五神经网络和第二神经网络为同一神经网络，且为神经网络#f。该方式下，发送端和接收端的处理流程可参见图6b。如图6b所示，接收端对接收的第一信号进行资源解映射，获得第三调制符号#b。接收端通过第二神经网络#f对第三调制符号#b进行解速率匹配处理，并对解速率匹配处理后的结果进行第二预处理，获得待译码的信息。接收端对待译码的信息进行信道译码，获得估计信息。

示例性的，第三神经网络、第四神经网络、第一神经网络均为神经网络#c，则第六神经网络、第五神经网络、第二神经网络均为同一神经网络，且为神经网络#g。该方式下，发送端和接收端的处理流程可参见图6c。如图6c所示，接收端对接收的第一信号进行资源解映射，获得第三调制符号#c。接收端通过神经网络#g对第三调制符号#c进行解速率匹配处理，再对解速率匹配处理后的结果进行第二预处理，获得待译码的信息，再对待译码的信息进行信道译码，获得估计信息。

示例性的，有限域为二元域时，本申请实施例的系统示意图可参见图7。如图7所示，发送端对待发送的比特流依次进行信道编码、符号调制，获得调制符号，该调制符号为第一预处理的结果，即第一预处理是将编码比特流转换为调制符号。发送端通过第一神经网络对调制符号进行速率匹配处理，获得第一调制符号。发送端对第一调制符号进行资源映射，生成波形，即第一信号。发送端通过信道发送第一信号。接收端对接收的信号进行解波形处理，获得第一信号，并对第一信号进行资源解映射，获得第三调制符号。接收端通过第二神经网络对第三调制符号进行解速率匹配处理，获得第二神经网络的输出。接收端对第二神经网络的输出进行解调处理，获得待译码的信息，该解调处理即为第二预处理。接收端对待译码的信息进行信道估计，获得估计比特。可见，发送端是对编码比特流进行符号级的速率匹配处理，即发送端是对符号调制过程和速率匹配处理过程进行联合优化，从而可提高系统的频谱效率。

可选的，发送端可通过第三神经网络对待发送的比特流进行信道编码，发送端还可通过第四神经网络对编码比特流进行符号调制。相应的，接收端可通过第五神经网络对第二神经网络的输出进行解调处理，接收端还可通过第六神经网络对待译码的信息进行信道译码。

参见图8，图8为第一神经网络和第二神经网络的结构示意图。如图8所示，第一神经网络和第二神经网络均包括第一共享线性映射层、交互层、第二共享线性映射层。其中，第一共享线性映射层用于将输入信号映射到高维空间，交互层用于对高维信号进行处理，第二共享线性映射层用于将交互层处理后的高维信号恢复到低维空间。

本申请实施例中，第一神经网络的输入s可以是待发送的信息，也可以是信道编码过后的编码信息，也可以是预处理后的第一预处理的结果。

例如，有限域为二元域，第一神经网络用于对待发送的比特流进行信道编码、对编码比特流进行符号调制、对调制符号进行速率匹配处理时，第一神经网络的输入为待发送的比特流。再例如，有限域为二元域，第一神经网络用于对编码比特流进行符号调制、对调制符号进行速率匹配处理时，第一神经网络的输入为对待发送的比特流进行信道编码后的编码比特流。再例如，有限域为二元域，第一神经网络用于对调制符号进行速率匹配处理时，第一神经网络的输入为第一预处理的结果，该第一预处理的结果可以是对编码比特流进行符号调制后获得的调制符号。

如图8所示，第一神经网络的输入信号为s₀、s₁、s₂、…、s_N。第一神经网络通过第一共享线性映射层将输入信号映射到高维空间上，获得h₀、h₁、h₂、…、h_N，h₀、h₁、h₂、…、h_N分别为s₀、s₁、s₂、…、s_N对应的高维信号。第一神经网络通过交互层对h₀、h₁、h₂、…、h_N进行处理，获得h₀'、h₁'、h₂'、…、h_N'。第一神经网对h₀、h₁、h₂、…、h_N进行处理时，可以是提取h₀、h₁、h₂、…、h_N间的特征，也可以是提取h₀、h₁、h₂、…、h_N中每个高维信号内的特征等等，本申请实施例对此不做限定。第一神经网络再通过第二共享线性映射层将h₀'、h₁'、h₂'、…、h_N'映射到低维信号上。以重复处理为例，第一神经网络的输出为x₀、…、x_N、x_N+1，该第一神经网络的输出是通过第一神经网络对输入信号进行速率匹配后的信号。其中，x_N+1是通过第一神经网络对x_N进行重复处理后的信号。

如图8所示，发送端通过第一神经网络进行速率匹配处理时，在s₁位置进行打孔处理，即将本应输出的x₁删除，或者在s₂位置进行缩短处理，即也将本应输出的x₂删除，或者在s_N位置进行重复处理，即对x_N进行重复发送，则发送的信号包括x_N和x_N+1。其中，图8中方框内的×代表将该方框处的信号进行了删除。例如，发送端在s₁位置进行打孔处理时，该x₁方框内的×代表将x₁进行了删除。再例如，发送端在s₂位置进行缩短处理时，该x₂方框内的×代表将x₂进行了删除。

发送端对第一神经网络的输出进行资源映射，获得第一信号，并通过信道发送第一信号。接收端接收第一信号，并对第一信号进行资源解映射处理，获得第三调制符号，第三调制符号为r₀、…、r_N、r_N+1。其中，r_N+1是对上述x_N+1进行资源解映射处理后的调制符号。从而，第二神经网络的输入为r₀、…、r_N、r_N+1，第二神经网络通过第一共享线性映射层，将r₀、…、r_N、r_N+1映射到高维空间，获得高维信号s′₀、…、s′_N、s′_N+1。接收端通过第二神经网络对s′₀、…、s′_N、s′_N+1进行解速率匹配处理。第二神经网络再通过交互层对解速率匹配后的符号进行处理，并通过第二共享线性映射层将处理后的高维信号恢复到低维空间，输出I₀、I₁、I₂、…、I_N。

其中，接收端通过第二神经网络对s′₀、…、s′_N、s′_N+1进行解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置，与发送端通过第一神经网络对输入信号进行速率匹配处理的打孔位置，或缩短位置，或重复位置是对应的。从而，接收端可通过第二神经网络对s′₁进行打孔填充处理，或者对s′₂进行缩短填充处理，或者对s′_N和s′_N+1进行重复合并处理。

另外，图8中的s'_G为可训练的全局向量，该s'_G可以是预先确定得。接收端还可通过第二神经网络的交互层对s'_G进行处理，获得全局向量h″_G。从而，接收端还可通过第二神经网络将h″_G与h″₀、h″₁、h″₂、…、h”_N进行连接，以使得第二神经网络通过第二共享线性映射层对连接后的向量进行降维处理，提高降维处理的性能。接收端通过第二共享线性映射层对连接后的向量进行降维处理，获得输出的低维信号I₀、I₁、I₂、…、I_N。

另一种实施方式中，如图8所示，发送端对s₀、s₁、s₂、…、s_N进行速率匹配处理时，对r_N进行重复合并处理，即重复发送r_N和r_N+1。该方式下，接收端通过第二神经网络进行解速率匹配处理时，可不对s′_N和s′_N+1进行合并处理，而是通过第二神经网络的交互层对s′_N和s'_N+1分别进行处理，获得h”_N和h”_N+1，此时再将h”_N+1删除，并通过第二共享线性映射层对h″₀、h₁”、h″₂、…、h”_N进行降维处理，输出I₀、I₁、I₂、…、I_N。

若发送端通过第一神经网络对输入信号进行速率匹配处理时，对输入信号中的部分信号进行了打孔处理，或者缩短处理，则发送端还可将该打孔处理的信号，或者缩短处理的信号，映射到其他符号上，并进行发送，以实现传输信息量的最大化，从而降低误码率，提高通信性能。例如，图8中，发送端通过第一神经网络对s₁进行了打孔处理，则发送端可将s₁映射到除输入信号映射的符号之外的符号上发送，以保障s₁被发送，可实现传输信息量的最大化。再例如，图8中，发送端通过第一神经网络对s₂进行了缩短处理，则发送端可将s₂映射到除输入信号映射的符号之外的符号上发送，以保障s₂被发送，也可实现传输信息量的最大化。

本申请实施例中，发送端和接收端还可联合训练或联合更新第一神经网络和第二神经网络，以下介绍发送端和接收端联合训练或联合更新第一神经网络和第二神经网络的实施方式：

实施方式1.发送端和接收端基于第一信号联合更新第一神经网络和第二神经网络。

一种可选的实施方式中，接收端根据第二神经网络的输出和第一信号的标签，确定第一损失函数。接收端根据第一损失函数确定第一梯度。接收端根据第一梯度更新第二神经网络，并发送第一梯度的指示信息。发送端接收第一梯度的指示信息，并根据第一梯度更新第一神经网络。该第一梯度的指示信息用于直接或间接指示第一梯度，第一梯度的指示信息可携带第一梯度。

其中，第一信号的标签是指生成第一信号的原始数据。比如，第一信号是对待发送的比特流依次进行信道编码、符号调制、通过第一神经网络进行速率匹配处理，以及进行资源映射后获得的，则第一信号的标签是待发送的比特流。第一信号的标签可以是发送端通过指示信息发送给接收端的，也可以是接收端通过对接收数据的正确校验获得的。

第二神经网络的输出可以是对第三调制符号进行解速率匹配后的调制符号，也可以是对数似然比。第二神经网络的输出为对第三调制符号进行解速率匹配后的调制符号时，接收端根据该调制符号和第一信号的标签，确定第一损失函数。第二神经网络的输出为对数似然比时，接收端确定第一信号的标签与该对数似然比的交叉熵，或均方误差，或互信息估计等，并将其作为第一损失函数。

接收端根据第一损失函数确定第一梯度，是指接收端在第一损失函数未达到预设阈值时，或者第二神经网络的训练次数未达到预设次数时，接收端根据第一损失函数和第二神经网络的参数，确定第一梯度，即通过第一损失函数对第二神经网络的参数求导，获得第一梯度。接收端再采用梯度下降法，根据第一梯度更新第二神经网络。接收端通过信道将第一梯度反向传递给发送端，从而发送端也可采用梯度下降法，根据第一梯度更新第一神经网络。

可见，发送端和接收端可基于第一信号确定的第一梯度，实现对第一神经网络和第二神经网络的联合更新，可确保第一神经网络和第二神经网络的性能，从而提高系统性能。

实施方式2：发送端和接收端基于训练信号联合训练第一神经网络和第二神经网络。

一种可选的实施方式中，发送端获取第一预处理的结果之前，发送端和接收端还可基于训练信号联合训练第一神经网络和第二神经网络。该训练信号为预先确定的用于训练第一神经网络和第二神经网络的信号。发送端和接收端基于训练信号联合训练第一神经网络和第二神经网络的实施方式，可参照发送端和接收端基于第一信号联合更新第一神经网络和第二神经网络的实施方式，不再赘述。

发送端和接收端通过上述实施方式1和实施方式2的方式联合训练第一神经网络和第二神经网络，且待发送的信息是比特流，第一预处理是进行符号调制时，发送端和接收端进行联合训练的训练方式具有以下方式：

方式a：发送端和接收端对第一神经网络和第二神经网络进行联合训练时，不考虑信道编码。

一种可选的实施方式中，通信系统中的信道译码器不可以用于反向传递时，发送端和接收端对第一神经网络和第二神经网络进行联合训练时，不考虑信道编码。

图9a为发送端和接收端对第一神经网络和第二神经网络进行联合训练时，不考虑信道编码的训练示意图。如图9a所示，发送端和接收端基于第一信号联合训练第一神经网络和第二神经网络时，发送端发送的第一信号是对编码比特流进行符号调制，并通过第一神经网络对符号调制后的调制符号进行速率匹配处理，再对速率匹配处理后的调制符号进行资源映射获得的。接收端接收第一信号，对第一信号进行资源解映射，再通过第二神经网络对资源解映射后的信号进行解速率匹配处理，获得第二神经网络的输出。可选的，接收端还可通过第二神经网络对解速率匹配后的信号进行解调，从而获得的第二神经网络的输出为对解速率匹配处理后的信号进行解调后的信号。接收端再基于第二神经网络的输出和第一信号的标签(即编码比特流)确定损失函数。接收端根据损失函数确定第一梯度，并通过第二神经网络和信道反向传递第一梯度。发送端可根据第一梯度更新第一神经网络，接收端可根据第一梯度更新第二神经网络。

图9a的训练方式中，发送端未考虑信道编码，从而发送端通过第一神经网络进行速率匹配处理时需要考虑系统中信道编码的规则，以提高系统性能。

方式b：发送端和接收端对第一神经网络和第二神经网络进行联合训练时，考虑信道编码。

另一种可选的实施方式中，通信系统中的信道译码器可用于反向传递时，发送端和接收端对第一神经网络和第二神经网络进行联合训练时，考虑信道编码。

图9b为发送端和接收端对第一神经网络和第二神经网络进行联合训练时，考虑信道编码的训练示意图。如图9b所示，发送端和接收端基于第一信号联合训练第一神经网络和第二神经网络时，发送端发送的第一信号是对待发送的比特流进行信道编码，对信道编码后的编码比特流进行符号调制，通过第一神经网络对符号调制后的调制符号进行速率匹配处理，再对速率匹配处理后的调制符号进行资源映射获得的。

接收端接收第一信号，对第一信号进行资源解映射，再通过第二神经网络对资源解映射后的信号进行解速率匹配处理，获得第二神经网络的输出。可选的，接收端也可通过第二神经网络对解速率匹配处理后的信号进行解调，从而第二神经网络的输出为解调后的信号。接收端通过信道译码器再对第二神经网络的输出进行信道译码，基于信道译码后的信息和第一信号的标签(即待发送的比特流)确定损失函数。接收端根据损失函数确定第一梯度，并通过信道译码器、第二神经网络和信道译码器反向传递第一梯度。从而发送端接收第一梯度，并根据第一梯度更新第一神经网络。接收端也可根据第一梯度更新第二神经网络。其中，信道译码器可以是可微分译码器。接收端通过信道译码器反向传递第一梯度时，可以不通过该信道译码器对第一梯度做处理，直接将第一梯度反向传递给第二神经网络。也就是说，该信道译码器除用于信道译码之外，还可作为反向传递第一梯度的传输媒介。

可选的，上述图9a和图9b所述的训练方式中，若发送端是通过第四神经网络实现对编码比特流的符号调制，则发送端还可基于第一梯度更新第四神经网络。相应的，接收端还可根据第一梯度更新用于进行解调处理的第五神经网络。

图9b的训练方式中，发送端考虑了信道编码，因此发送端通过第一神经网络进行速率匹配处理时无需考虑系统中信道编码的规则。

方式c：发送端和接收端对第一神经网络和第二神经网络进行联合训练时，发送端通过第三神经网络进行信道编码。

又一种可选的实施方式中，系统中的信道译码器可用于反向传递时，发送端和接收端对第一神经网络和第二神经网络进行联合训练时，考虑信道编码，且发送端通过第三神经网络进行信道编码。

图9c为发送端和接收端对第一神经网络和第二神经网络进行联合训练时，通过第三神经网络进行信道编码的训练示意图。如图9c所示，发送端和接收端基于第一信号联合训练第一神经网络和第二神经网络时，发送端发送的第一信号是通过第三神经网络对待发送的比特流进行信道编码，通过第四神经网络对信道编码后的编码比特流进行符号调制，通过第一神经网络对符号调制后的调制符号进行速率匹配处理，再对速率匹配处理后的调制符号进行资源映射获得的。

接收端接收第一信号，对第一信号进行资源解映射，再通过第二神经网络对资源解映射后的信号进行解速率匹配处理，获得第二神经网络的输出。接收端通过第六神经网络对第二神经网络的输出进行解调和信道译码，基于信道译码后的信息和第一信号的标签(即待发送的比特流)确定损失函数。可选的，接收端可通过第二神经网络对解速率匹配处理后的信号进行解调，从而第二神经网络的输出为解调后的信号。接收端通过第六神经网络对第二神经网络的输出进行信道译码，再基于信道译码后的信息和第一信号的标签确定损失函数。接收端根据损失函数确定第一梯度，并通过信道译码器、第二神经网络和信道反向传递第一梯度。发送端接收第一梯度，并可根据第一梯度更新第一神经网络、第三神经网络、第四神经网络，接收端可根据第一梯度更新第二神经网络。可选的，接收端还可根据第一梯度，更新用于解调处理的第五神经网络。接收端通过信道译码器反向传递第一梯度时，可以不对第一梯度做处理，将第一梯度反向传递给第二神经网络，即该信道译码器是作为反向传递第一梯度的传输媒介。

可选的，第三神经网络、第四神经网络中的一项或多项可以是预先训练的神经网络，则发送端在更新第一神经网络时，不更新预先训练的神经网络。相应的，第五神经网络、第六神经网络中的一项或多项也可以是预先的神经网络，则接收端在更新第二神经网络时，也不更新预先训练的神经网络。

实施方式3：发送端和接收端基于第一预设训练信号联合训练第一预设神经网络和第二预设神经网络，获得第一神经网络和第二神经网络。

其中，第一预设训练信号可以是训练信号或导频信号进行信道编码、符号调制、预处理等处理后的信号。第一预设神经网络和第二预设神经网络可以是采用神经网络训练方法进行学习后的神经网络。例如，第一神经网络和第二预设神经网络是采用元学习进行学习后的神经网络。

发送端通过第一预设神经网络对第一预设训练信号进行速率匹配处理，获得第二调制符号。发送端发送第二信号，第二信号是对第二调制符号进行资源映射获得的。接收端接收第二信号，并通过第二预设神经网络对第二信号进行资源解映射后的信号进行解速率匹配处理，获得第二预设神经网络的输出。接收端根据第二预设神经网络的输出和第一预设训练信号的标签，确定第二损失函数。接收端根据第二损失函数确定第二梯度，并根据第二梯度更新第二预设神经网络，获得第二神经网络。接收端发送第二梯度的指示信息。发送端接收第二梯度的指示信息，并根据该指示信息指示的第二梯度更新第一预设神经网络，获得第一神经网络。

接收端根据第二损失函数确定第二梯度，并根据第二梯度更新第二预设神经网络，获得第二神经网络，是指接收端在第二损失函数达到预设阈值时，或者达到预设次数时，根据第二梯度更新第二预设神经网络，获得第二神经网络。若第二损失函数未达到预设阈值，且训练次数未达到预设训练次数时，根据第二梯度更新第二预设神经网络，并将第二梯度回传至发送端，发送端根据该第二梯度更新第一预设神经网络。发送端和接收端继续根据其余预设训练信号，联合训练第一预设神经网络和第二预设神经网络，直至第二损失函数达到预设阈值，或训练次数达到预设次数时，发送端通过更新第一预设神经网络获得第一神经网络，接收端通过更新第二预设神经网络获得第二神经网络。

一种可选的实施方式中，接收端发送第二梯度时，可直接向发送端发送第二梯度，或者接收端通过发送指示信息，直接或间接指示所述第二梯度，所述指示信息可以携带所述第二梯度。可选的，接收端通过信道估计算法获得信道估计信息，将信道估计信息与第二梯度进行相乘处理，并进行信道编码、调制后，向发送端发送。

相应的，发送端可直接接收第二梯度，并根据第二梯度更新第一预设神经网络。或者，发送端对接收的第二梯度进行解调和信道译码处理，获得中间梯度，根据中间梯度更新第一预设神经网络。或者，发送端可以根据所述指示信息，确定所述第二梯度，并根据第二梯度更新第一预设神经网络，所述指示信息直接或间接指示所述第二梯度，所述指示信息可以携带所述第二梯度。

该实施方式中，第一预设训练信号是预先处理后的信号，第一预设神经网络和第二预设神经网络是预先学习获得的神经网络，从而发送端和接收端基于第一预设训练信号联合训练第一预设神经网络和第二预设神经网络时，可缩短对第一神经网络和第二神经网络的训练时间。由于fading信道的信道变化较快，从而该训练方式可适用于fading信道下对第一神经网络和第二神经网络的训练，进而本申请实施例中的信号处理方法也适用于fading信道，可在fading信道下提升频谱效率。

图9d为发送端和接收端对第一预设神经网络和第二预设神经网络联合训练时的训练示意图。图9d所示的训练示意图与上述图9a至图9c所示的训练示意图相比，该训练过程中不包括信道编码、信道调制、信道译码处理。

一种可选的实施方式中，若发送端和接收端基于第一预设训练信号联合训练第一预设神经网络和第二预设神经网络，则发送端通过第一神经网络对第一预处理的结果进行速率匹配时的打孔位置，或缩短位置，或重复位置，可以是基于信道估计结果确定的。该信道估计结果可以是发送端进行信道估计的信道估计结果，也可以是接收端进行信道估计的信道估计结果。该信道估计结果是接收端进行信道估计的信道估计结果，接收端通过指示信息向发送端指示信道估计结果。

发送端通过第一神经网络对第一预处理的结果进行速率匹配时的打孔位置，或缩短位置，可以是信道估计结果中信道增益小于第一阈值的N个子信道的位置，N为大于或等于1的整数，N个子信道是传输的物理资源中N个子载波对应的信道。

可选的，发送端通过第一神经网络对第一预处理的结果进行速率匹配时的打孔位置，或缩短位置，或重复位置，可以是基于第二梯度确定的。发送端通过第一神经网络对第一预处理的结果进行速率匹配时的打孔位置，或缩短位置，可以是第二梯度中梯度值最小的N个子信道的位置。

可选的，待发送的信息不为比特流时，发送端也可通过上述图9a至图9d中的一个训练流程训练或更新第一神经网络和第二神经网络。

本申请实施例中，由于神经网络处理的最小资源粒度为资源片，因此第一神经网络的输入是进行资源片映射后的信号。资源片(resource patch)是一种虚拟的资源粒度，为已调度物理资源的子集。如图10所示，资源片配置包含的参数集为(n_F，n_T，n_L)，即包含三个参数，该三个参数分别表示频率维度、时间维度以及空间维度的颗粒度。资源片是网络设备配置的，资源片的配置与接收端可用的计算资源、信道的时频空相关性有关。接收端的计算资源越大，资源片的大小(n_F*n_T*n_L)越小，时域、频域、空域的相关性越大，对应该维度的参数配置越大。

第一神经网络的用途不同时，发送端在物理层进行资源片映射的位置不相同。第一神经网络用于进行速率匹配时，发送端在物理层的处理流程示意图可参见图11a。如图11a所示，发送端在物理层依次进行信道编码、符号调制、资源片映射，再通过第一神经网络对资源片映射后的第一预处理的结果进行速率匹配处理，再对速率匹配处理获得的调制符号进行物理资源信号，生成波形，并通过信道发送该波形。该方式中，发送端是对符号调制后的调制符号进行资源片映射的，以保障第一神经网络的输入为资源片映射后的信号。

第一神经网络用于进行符号调制和速率匹配时，发送端在物理层的处理流程示意图可参见图11b。如图11b所示，发送端在物理层对待发送的信息进行信道编码，对信道编码后的编码信息进行资源片映射，再通过第一神经网络对资源片映射后的第一预处理结果进行符号调制、速率匹配处理，再对速率匹配处理后的调制符号进行物理资源映射，生成波形，并通过信道发送该波形。该方式中，发送端是对信道编码后的编码信息进行资源片映射的，以保障第一神经网络的输入为资源片映射后的信号。

第一神经网络用于进行信道编码、符号调制以及速率匹配时，发送端在物理层的处理流程示意图可参见图11c。如图11c所示，发送端在物理层对待发送的信息进行资源片映射，再通过第一神经网络依次对资源片映射后的信息进行信道编码、符号调制、速率匹配处理，再对速率匹配后的调制符号进行物理资源映射，生成波形，并通过信道发送该波形。该方式中，发送端是待发送的信息进行资源片映射的，以保障第一神经网络的输入为资源片映射后的信号。

本申请实施例中，发送端通过第一神经网络对获取的第一预处理的结果进行速率匹配处理，获得第一调制符号，并发送对第一调制符号进行资源映射后的第一信号。接收端接收第一信号，对第一信号进行资源解映射，获得第三调制符号。接收端对第三调制符号进行解速率匹配处理，获得第二神经网络的输出。接收端对第二神经网络的输出进行第二预处理，获得待译码的信息。

可见，发送端可通过第一神经网络对第一预处理的结果进行复数域(比如符号级)的速率匹配处理，接收端也可通过第二神经网络对解速率匹配后的信号进行复数域(比如符号级)的解速率匹配处理，从而可提升系统的频谱效率。

参见图12a、图12b、图12c，图12a、图12b、图12c分别为发送端进行信道编码的码率为0.3、0.5、0.8时，采用本申请实施例和同样码长码率的低密度奇偶校验码(low densityparity check codes，LDPC)时的信噪比(signal to noise ratio，SNR)-误块率(blockerror rate，BLER)的曲线图。由图12a、图12b、图12c可知，发送端采用本申请实施例所提出的信号处理方法时，在不同码率下，均能获得较好的误块率增益。

本申请实施例还提出一种信号处理方法200，图13是该信号处理方法200的交互示意图。该信号处理方法200从发送端和接收端的角度进行阐述。该信号处理方法200包括但不限于以下步骤：

S201.发送端通过第七神经网络对第三信号进行速率匹配处理，获得第四信号。

其中，第三信号可以是待发送的信息，也可以是信道编码后的编码信息，也可以是将编码信息转换为复数域的处理结果，该处理结果可以是调制符号。

S202.发送端发送第五信号，第五信号是对第四信号进行信号处理获得的。相应的，接收端接收第五信号。

接收端接收的第五信号是发送端发送的第五信号经过信道后的信号，且接收的第五信号包含噪声信息。

第三信号不同时，第五信号是对第四信号进行不同的信号处理获得的。第三信号为待发送的信息时，第五信号可以是对第四信号依次进行信道编码、符号调制和资源映射后获得的。第三信号为编码信息时，第五信号可以是对第四信号进行符号调制和资源映射后获得的。第三信号为处理结果时，第五信号可以是对第四信号进行符号调制和资源映射后的信号，也可以是对第四信号进行资源映射后的信号。

S203.接收端通过第八神经网络对第八信号进行解速率匹配处理，获得第八神经网络的输出，第八信号是对第五信号进行信号处理获得的。

相应的，上述第三信号不同时，第八信号是对第五信号进行不同信号处理获得的。第三信号为待发送的信息时，第八信号可以是对第五信号依次进行资源解映射、解调处理和信道译码处理后获得的。第三信号为编码信息时，第八信号可以是对第五信号进行资源解映射和解调处理后获得的。第三信号为调制符号时，第八信号可以是对第五信号进行资源解映射获得的。

可见，第三信号不同时，发送端和接收端的处理流程不同。图14a是第三信号为待发送的信息时，发送端和接收端进行信号处理的示意图。如图14a所示，发送端通过第七神经网络对待发送的信息进行速率匹配处理，获得第四信号。发送端对第四信号进行信道编码，对信道编码后的编码信息进行符号调制，对符号调制后的调制符号进行资源映射，生成波形，即生成第五信号，并通过信道发送第五信号。相应的，接收端接收第五信号，并对第五信号依次进行解波形处理、资源解映射、解调处理和信道译码。接收端再通过第八神经网络对信道译码后的信号进行解速率匹配处理，获得估计信息。该方式中，发送端通过第七神经网络对待发送的信息实现速率匹配处理，接收端通过第八神经网络对信道译码后的信号实现解速率匹配处理。

图14b是第三信号为编码信息时，发送端和接收端进行信号处理的示意图。如图14b所示，发送端对待发送的信息进行信道编码，获得编码信息。发送端通过第七神经网络对编码信息进行速率匹配，获得第四信号。发送端对第四信号依次进行符号调制、资源映射和生成波形，获得第五信号，并通过信道发送第五信号。相应的，接收端接收第五信号，对第五信号依次进行解波形处理、资源解映射处理和解调处理，获得第八信号。接收端再通过第八神经网络对第八信号进行解速率匹配处理，获得第八神经网络的输出。接收端对第八神经网络的输出进行信道译码，获得估计信息。

图14c是第三信号为调制符号时，发送端和接收端进行信号处理的示意图。如图14c所示，发送端对待发送的信息依次进行信道编码和符号调制，获得调制符号。发送端通过第七神经网络对调制符号进行速率匹配处理，获得第四信号。发送端对第四信号进行资源映射，生成波形，获得第五信号，并通过信道发送第五信号。接收端接收第五信号，并对第五信号进行解波形处理，获得第八信号。接收端通过第八神经网络对第八信号进行解速率匹配处理，获得第八神经网络的输出。接收端对第八神经网络的输出依次进行解调处理和信道译码，获得估计信息。

可选的，发送端可通过神经网络实现上述图14a至图14c中信道编码和符号调制中的一项或多项。相应的，接收端也可通过神经网络实现上述图14a至图14c中信道译码和解调中的一项或多项。

一种可选的实施方式中，发送端通过第七神经网络对第三信号进行速率匹配处理，获得第四信号之前，发送端还可通过第三预设神经网络对第二预设训练信号进行速率匹配处理，获得第六信号。发送端发送第七信号，第七信号是对第六信号进行资源映射获得的。相应的，接收端接收第七信号，通过第四预设神经网络对第七信号进行资源解映射后的信号进行解速率匹配处理，获得第四预设神经网络的输出。接收端根据第四预设神经网络的输出和第二预设信号的标签，确定第三损失函数。接收端根据第三损失函数，确定第三梯度。接收端根据第三梯度，更新第四预设神经网络，获得第八神经网络。接收端发送第三梯度的指示信息，相应的，发送端接收第三梯度的指示信息。发送端根据第三梯度更新第三预设神经网络，获得第七神经网络。第三梯度的指示信息用于直接或间接指示第三梯度，第三梯度的指示信息可携带第三梯度。

其中，第二预设训练信号是进行信道编码和/或符号调制后的信号，第三预设神经网络和第四预设神经网络是预先通过学习获得的神经网络。

可见，发送端还可通过预先处理获得的第二预设训练信号，对预先学习的第三神经网络进行训练，获得第七神经网络。接收端也可根据第二预设训练信号，对预先学习的第四神经网络进行训练，获得第八神经网络。该训练方式可缩短发送端训练第三预设神经网络的时间，以及缩短接收端训练第四预设神经网络的时间，从而可适用于快速变化的衰落信道。

本申请实施例中，发送端通过第七神经网络对第三信号进行速率匹配处理，获得第四信号。发送端发送第五信号，第五信号是对第四信号进行信号处理获得的。接收端通过第八神经网络对第八信号进行解速率匹配处理，获得第八神经网络的输出，第八信号是对第五信号进行信号处理获得的。可见，发送端通过第七神经网络实现速率匹配处理，接收端通过第八神经网络实现解速率匹配处理，从而可提升系统的频谱效率。

为了实现上述本申请实施例提供的方法中的各功能，第一装置可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。

如图15所示，本申请实施例提供了一种通信装置1500。该通信装置1500可以是发送端的部件(例如，集成电路，芯片等等)，也可以是接收端的部件(例如，集成电路，芯片等等)。该通信装置1500也可以是其他通信单元，用于实现本申请方法实施例中的方法。该通信装置1500可以包括：通信单元1501和处理单元1502。可选的，还可以包括存储单元1503。

在一种可能的设计中，如图15中的一个或者多个单元可能由一个或者多个处理器来实现，或者由一个或者多个处理器和存储器来实现；或者由一个或多个处理器和收发器实现；或者由一个或者多个处理器、存储器和收发器实现，本申请实施例对此不作限定。所述处理器、存储器、收发器可以单独设置，也可以集成。

所述通信装置1500具备实现本申请实施例描述的发送端或接收端的功能。比如，所述通信装置1500包括发送端执行本申请实施例描述的发送端涉及步骤所对应的模块或单元或手段(means)，所述功能或单元或手段(means)可以通过软件实现，或者通过硬件实现，也可以通过硬件执行相应的软件实现，还可以通过软件和硬件结合的方式实现。详细可进一步参考前述对应方法实施例中的相应描述。

在一种可能的设计中，一种通信装置1500可包括：处理单元1502和通信单元1501；

处理单元1502，用于获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

处理单元1502，还用于通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

通信单元1501，用于发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

一种可选的实现方式中，处理单元1502通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号，具体用于：根据第一参数，通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

一种可选的实现方式中，处理单元1502，还用于：接收第一梯度的指示信息；所述第一梯度是基于第一损失函数确定的；所述第一损失函数是根据第二神经网络的输出和所述第一信号的标签确定的，所述第二神经网络用于对所述第一信号进行资源解映射后的信号进行解速率匹配处理；根据所述第一梯度更新所述第一神经网络。

一种可选的实现方式中，所述有限域为二元域，所述待发送的信息为比特流。

一种可选的实现方式中，所述第一预处理是将待发送的比特流转换为调制符号流。

一种可选的实现方式中，所述第一预处理的结果是对编码比特流进行预处理获得的，所述编码比特流是通过第三神经网络对所述待发送的信息进行信道编码获得的。

一种可选的实现方式中，所述第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的。

一种可选的实现方式中，所述处理单元1502通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号之前，还可用于：通过第一预设神经网络对第一预设训练信号进行速率匹配处理，获得第二调制符号；发送第二信号；所述第二信号是对所述第二调制符号进行资源映射获得的；接收第二梯度的指示信息，所述第二梯度是基于第二损失函数确定的；所述第二损失函数是根据第二预设神经网络的输出和所述第一预设训练信号的标签确定的，所述第二预设神经网络用于对所述第二信号进行资源解映射后的信号进行解速率匹配处理；根据所述第二梯度更新所述第一预设神经网络，获得第一神经网络。

一种可选的实现方式中，所述第一神经网络对所述第一预处理的结果进行所述速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据信道估计结果；或者，所述第一神经网络对所述第一预处理的结果进行所述速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据所述第二梯度确定的。

一种可选的实现方式中，通信单元1501，还用于：发送第一指示信息，所述第一指示信息用于指示所述速率匹配处理的打孔位置，或缩短位置，或重复位置。

一种可选的实现方式中，处理单元1502获取第一预处理的结果，具体用于：根据第一物理资源数、第一调制阶数，以及母码码长进行信道编码，获得第一信道编码；所述第一调制阶数是根据第一参数确定的；根据信息比特、所述第一信道编码的码长、所述第一物理资源数，确定第二调制阶数；所述信息比特是根据所述第一物理资源数和所述第一参数确定的；基于所述第二调制阶数，对所述第一信道编码进行符号调制，获得所述第一预处理的结果。

本申请实施例和上述所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照上述所示实施例的描述，不再赘述。

在另一种可能的设计中，一种通信装置1500可包括：处理单元1502和通信单元1501；

通信单元1501，用于接收第一信号；

处理单元1502，用于对所述第一信号进行资源解映射，获得第三调制符号；

处理单元1502，还用于通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

处理单元1502，还用于对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

一种可选的实现方式中，所述处理单元1502通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出，具体用于：根据第一参数，通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。其中，所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

一种可选的实现方式中，所述处理单元1502还用于通过第五神经网络对所述待译码的信息进行信道译码。

一种可选的实现方式中，所述待译码的信息是通过第六神经网络对所述第二神经网络的输出进行预处理获得的。

一种可选的实现方式中，所述处理单元1502还用于：根据所述第二神经网络的输出和所述第一信号的标签，确定第一损失函数；根据所述第一损失函数，确定第一梯度；根据所述第一梯度更新所述第二神经网络；发送所述第一梯度的指示信息。

一种可选的实现方式中，所述处理单元1502根据所述第二神经网络的输出和所述第一信号的标签，确定第一损失函数，具体用于：采用信道译码器对所述第二神经网络的输出进行信道译码，获得估计比特或译码软值；根据所述估计比特和所述第一信号的标签，确定第一损失函数；或者，根据所述译码软值和所述第一信号的标签，确定第一损失函数。

一种可选的实现方式中，所述通信单元1501接收第一信号之前，所述处理单元1502还用于：接收第二信号；通过第二预设神经网络对所述第二信号进行资源解映射后的信号进行解速率匹配处理，获得所述第二预设神经网络的输出；根据所述第二预设神经网络的输出和第一预设训练信号的标签，确定第二损失函数；根据所述第二损失函数，确定第二梯度；根据所述第二梯度更新所述第二预设神经网络，获得第二神经网络；发送所述第二梯度的指示信息。

一种可选的实现方式中，所述处理单元1502还用于：接收第一指示信息，所述第一指示信息用于指示速率匹配处理的打孔位置，或缩短位置，或重复位置；根据所述第一指示信息，确定通过所述第二神经网络进行所述解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置。

本申请实施例和上述所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照上述所示实施例的描述，不再赘述。

在又一种可能的设计中，一种通信装置1500可包括：处理单元1502和通信单元1501；

处理单元1502，用于通过第七神经网络对第三信号进行速率匹配处理，获得第四信号；

通信单元1501，用于发送第五信号，所述第五信号是对所述第四信号进行信号处理获得的。

一种可选的实现方式中，所述处理单元1502通过第七神经网络对第三信号进行速率匹配处理，获得第四信号之前，还用于：通过第三预设神经网络对第二预设训练信号进行速率匹配处理，获得第六信号；发送第七信号，所述第七信号是对所述第六信号进行资源映射获得的；接收第三梯度的指示信息，所述第三梯度是基于第三损失函数确定的；所述第三损失函数是根据第四预设神经网络的输出和所述第二预设训练信号的标签确定的，所述第四预设神经网络用于对所述第七信号进行资源解映射后的信号进行解速率匹配处理；根据所述第三梯度更新所述第三预设神经网络，获得第七神经网络。

本申请实施例和上述所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照上述所示实施例的描述，不再赘述。

在又一种可能的设计中，一种通信装置1500可包括：处理单元1502和通信单元1501；

通信单元1501，用于接收第五信号；

处理单元1502，用于通过第八神经网络对第八信号进行解速率匹配处理，获得所述第八神经网络的输出；所述第八信号是对所述第五信号进行信号处理获得的。

一种可选的实现方式中，所述通信单元1501接收第五信号之前，处理单元1502还用于：接收第七信号；通过第四预设神经网络对所述第七信号进行资源解映射后的信号进行解速率匹配处理，获得所述第四预设神经网络的输出；根据所述第四预设神经网络的输出和第二预设信号的标签，确定第三损失函数；根据所述第三损失函数，确定第三梯度；根据所述第三梯度，更新所述第四预设神经网络，获得第八神经网络；发送所述第三梯度的指示信息。

本申请实施例和上述所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照上述所示实施例的描述，不再赘述。

本申请实施例还提供一种通信装置1600，图16为通信装置1600的结构示意图。所述通信装置1600可以是发送端，也可以是支持发送端实现上述方法的芯片、芯片系统、或处理器等。所述通信装置1600还可以是接收端，也可以是支持接收端实现上述方法的芯片、芯片系统、或处理器等。该装置可用于实现上述方法实施例中描述的方法，具体可以参见上述方法实施例中的说明。

所述通信装置1600可以包括一个或多个处理器1601。所述处理器1601可以是通用处理器或者专用处理器等。例如可以是基带处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或中央处理器(central processing unit，CPU)。基带处理器可以用于对通信协议以及通信数据进行处理，中央处理器可以用于对通信装置(如，基站、基带芯片，终端、终端芯片，分布单元(distributed unit，DU)或集中单元(centralized unit，CU)等)进行控制，执行软件程序，处理软件程序的数据。

可选的，所述通信装置1600中可以包括一个或多个存储器1602，其上可以存有指令1604，所述指令可在所述处理器1601上被运行，使得所述通信装置1600执行上述方法实施例中描述的方法。可选的，所述存储器1602中还可以存储有数据。所述处理器1601和存储器1602可以单独设置，也可以集成在一起。

存储器1602可包括但不限于硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)等非易失性存储器，随机存储记忆体(Random Access Memory，RAM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、ROM或便携式只读存储器(Compact Disc Read-Only Memory，CD-ROM)等等。

可选的，所述通信装置1600还可以包括收发器1605、天线1606。所述收发器1605可以称为收发单元、收发机、或收发电路等，用于实现收发功能。收发器1605可以包括接收器和发送器，接收器可以称为接收机或接收电路等，用于实现接收功能；发送器可以称为发送机或发送电路等，用于实现发送功能。

所述通信装置1600为发送端：处理器1601用于执行上述信号处理方法100中的S101、S102，以及用于执行信号处理方法200中的S201；收发器1605用于执行上述信号处理方法100中的S103，以用于执行信号处理方法200中的S202。

所述通信装置1600为接收端：处理器1601用于执行上述信号处理方法100中的S104、S105、S106，以及用于执行信号处理方法200中的S203；收发器1605用于执行上述信号处理方法100中的S103，以及用于执行信号处理方法200中的S202。

另一种可能的设计中，处理器1601中可以包括用于实现接收和发送功能的收发器。例如该收发器可以是收发电路，或者是接口，或者是接口电路。用于实现接收和发送功能的收发电路、接口或接口电路可以是分开的，也可以集成在一起。上述收发电路、接口或接口电路可以用于代码/数据的读写，或者，上述收发电路、接口或接口电路可以用于信号的传输或传递。

又一种可能的设计中，可选的，处理器1601可以存有指令1603，指令1603在处理器1601上运行，可使得所述通信装置1600执行上述方法实施例中描述的方法。指令1603可能固化在处理器1601中，该种情况下，处理器1601可能由硬件实现。

又一种可能的设计中，通信装置1600可以包括电路，所述电路可以实现前述方法实施例中发送或接收或者通信的功能。本申请实施例中描述的处理器和收发器可实现在集成电路(integrated circuit，IC)、模拟IC、射频集成电路(radio frequency integratedcircuit，RFIC)、混合信号IC、专用集成电路(application specific integratedcircuit，ASIC)、印刷电路板(printed circuit board，PCB)、电子设备等上。该处理器和收发器也可以用各种IC工艺技术来制造，例如互补金属氧化物半导体(complementary metaloxide semiconductor，CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor，NMOS)、P型金属氧化物半导体(positive channel metal oxide semiconductor，PMOS)、双极结型晶体管(Bipolar Junction Transistor，BJT)、双极CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。

以上实施例描述中的通信装置可以是第一装置，但本申请实施例中描述的通信装置的范围并不限于此，而且通信装置的结构可以不受图16的限制。通信装置可以是独立的设备或者可以是较大设备的一部分。例如所述通信装置可以是：

(1)独立的集成电路IC，或芯片，或，芯片系统或子系统；

(2)具有一个或多个IC的集合，可选的，该IC集合也可以包括用于存储数据，指令的存储部件；

(3)ASIC，例如调制解调器(modulator)；

(4)可嵌入在其他设备内的模块；

对于通信装置可以是芯片或芯片系统的情况，可参见图17所示的芯片的结构示意图。图17所示的芯片1700包括处理器1701和接口1702。其中，处理器1701的数量可以是一个或多个，接口1702的数量可以是多个。该处理器1701可以是逻辑电路，该接口1702可以是输入输出接口、输入接口或输出接口。所述芯片1700还可包括存储器1703。

一种设计中，对于芯片用于实现本申请实施例中发送端的功能的情况：

所述处理器1701，用于获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

所述处理器1701，还用于通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

所述接口1702，用于发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

一种设计中，对于芯片用于实现本申请实施例中接收端的功能的情况：

所述接口1702，用于接收第一信号；

所述处理器1701，用于对所述第一信号进行资源解映射，获得第三调制符号；

所述处理器1701，还用于通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

所述处理器1701，还用于对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

另一种设计中，对于芯片用于实现本申请实施例中发送端的功能的情况：

所述处理器1701，用于通过第七神经网络对第三信号进行速率匹配处理，获得第四信号；

所述接口1702，用于发送第五信号，所述第五信号是对所述第四信号进行信号处理获得的。

另一种设计中，对于芯片用于实现本申请实施例中接收端的功能的情况：

所述接口1702，用于接收第五信号；

所述处理器1701，用于通过第八神经网络对第八信号进行解速率匹配处理，获得所述第八神经网络的输出；所述第八信号是对所述第五信号进行信号处理获得的。

本申请实施例中通信装置1600、芯片1700还可执行上述通信装置1500所述的实现方式。本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)和步骤(step)可以通过电子硬件、电脑软件，或两者的结合进行实现。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。

本申请实施例和上述信号处理方法100、信号处理方法200所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照上述信号处理方法100、信号处理方法200所示实施例的描述，不再赘述。

本申请还提供了一种计算机可读存储介质，用于储存计算机软件指令，当所述指令被通信装置执行时，实现上述任一方法实施例的功能。

本申请还提供了一种计算机程序产品，用于储存计算机软件指令，当所述指令被通信装置执行时，实现上述任一方法实施例的功能。

本申请还提供了一种计算机程序，当其在计算机上运行时，实现上述任一方法实施例的功能。

本申请还提供了一种通信系统，该系统包括一个或多个网络设备，以及一个或多个终端设备。在另一种可能的设计中，该系统还可以包括本申请提供的方案中与网络设备、终端设备进行交互的其他设备。

上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，SSD)等。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (34)

1.一种信号处理方法，其特征在于，所述方法包括：

获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

2.根据权利要求1所述的方法，其特征在于，所述通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号，包括：

根据第一参数，通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

接收第一梯度的指示信息；所述第一梯度是基于第一损失函数确定的；所述第一损失函数是根据第二神经网络的输出和所述第一信号的标签确定的，所述第二神经网络用于对所述第一信号进行资源解映射后的信号进行解速率匹配处理；

根据所述第一梯度更新所述第一神经网络。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述有限域为二元域，所述待发送的信息为比特流。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述第一预处理是将待发送的比特流转换为调制符号流。

6.根据权利要求4或5所述的方法，其特征在于，

所述第一预处理的结果是对编码比特流进行预处理获得的，所述编码比特流是通过第三神经网络对所述待发送的信息进行信道编码获得的。

7.根据权利要求4至6任一项所述的方法，其特征在于，所述第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的。

8.根据权利要求1所述的方法，其特征在于，所述通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号之前，所述方法还包括：

通过第一预设神经网络对第一预设训练信号进行速率匹配处理，获得第二调制符号；

发送第二信号；所述第二信号是对所述第二调制符号进行资源映射获得的；

接收第二梯度的指示信息，所述第二梯度是基于第二损失函数确定的；所述第二损失函数是根据第二预设神经网络的输出和所述第一预设训练信号的标签确定的，所述第二预设神经网络用于对所述第二信号进行资源解映射后的信号进行解速率匹配处理；

根据所述第二梯度更新所述第一预设神经网络，获得第一神经网络。

9.根据权利要求8所述的方法，其特征在于，所述第一神经网络对所述第一预处理的结果进行所述速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据信道估计结果确定的；或者，

所述第一神经网络对所述第一预处理的结果进行所述速率匹配处理的打孔位置，或缩短位置，或重复位置，是根据所述第二梯度确定的。

10.根据权利要求1至9任一项所述的方法，其特征在于，所述方法还包括：

发送第一指示信息，所述第一指示信息用于指示所述速率匹配处理的打孔位置，或缩短位置，或重复位置。

11.根据权利要求4或5所述的方法，其特征在于，所述获取第一预处理的结果，包括：

根据第一物理资源数、第一调制阶数，以及母码码长进行信道编码，获得第一信道编码；所述第一调制阶数是根据第一参数确定的；其中，所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项；

根据信息比特、所述第一信道编码的码长、所述第一物理资源数，确定第二调制阶数；所述信息比特是根据所述第一物理资源数和所述第一参数确定的；

基于所述第二调制阶数，对所述第一信道编码进行符号调制，获得所述第一预处理的结果。

12.一种信号处理方法，其特征在于，所述方法包括：

接收第一信号；

对所述第一信号进行资源解映射，获得第三调制符号；

通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

13.根据权利要求12所述的方法，其特征在于，所述通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出，包括：

根据第一参数，通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

14.根据权利要求12或13所述的方法，其特征在于，所述方法还包括：

通过第五神经网络对所述待译码的信息进行信道译码。

15.根据权利要求12至14任一项所述的方法，其特征在于，所述待译码的信息是通过第六神经网络对所述第二神经网络的输出进行预处理获得的。

16.根据权利要求12至15任一项所述的方法，其特征在于，所述方法还包括：

根据所述第二神经网络的输出和所述第一信号的标签，确定第一损失函数；

根据所述第一损失函数，确定第一梯度；

根据所述第一梯度更新所述第二神经网络；

发送所述第一梯度的指示信息。

17.根据权利要求16所述的方法，其特征在于，所述根据所述第二神经网络的输出和所述第一信号的标签，确定第一损失函数，包括：

采用信道译码器对所述第二神经网络的输出进行信道译码，获得估计比特或译码软值；

根据所述估计比特和所述第一信号的标签，确定第一损失函数；或者，

根据所述译码软值和所述第一信号的标签，确定第一损失函数。

18.根据权利要求12所述的方法，其特征在于，所述接收第一信号之前，方法还包括：

接收第二信号；

通过第二预设神经网络对所述第二信号进行资源解映射后的信号进行解速率匹配处理，获得所述第二预设神经网络的输出；

根据所述第二预设神经网络的输出和第一预设训练信号的标签，确定第二损失函数；

根据所述第二损失函数，确定第二梯度；

根据所述第二梯度更新所述第二预设神经网络，获得第二神经网络；

发送所述第二梯度的指示信息。

19.根据权利要求12至18任一项所述的方法，其特征在于，所述方法还包括：

接收第一指示信息，所述第一指示信息用于指示速率匹配处理的打孔位置，或缩短位置，或重复位置；

根据所述第一指示信息，确定通过所述第二神经网络进行所述解速率匹配处理的打孔填充位置，或缩短填充位置，或重复合并位置。

20.一种通信装置，其特征在于，所述装置包括：

处理单元，用于获取第一预处理的结果，所述第一预处理是将待发送的信息从有限域转换到复数域；

所述处理单元，还用于通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

通信单元，用于发送第一信号，所述第一信号是对所述第一调制符号进行资源映射获得的。

21.根据权利要求20所述的装置，其特征在于，所述处理单元通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号，具体用于：

根据第一参数，通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号；

所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

22.根据权利要求20或21所述的装置，其特征在于，所述有限域为二元域，所述待发送的信息为比特流。

23.根据权利要求20至22任一项所述的装置，其特征在于，所述第一预处理是将待发送的比特流转换为调制符号流。

24.根据权利要求22或23所述的装置，其特征在于，所述第一预处理的结果是对编码比特流进行预处理获得的，所述编码比特流是通过第三神经网络对所述待发送的信息进行信道编码获得的。

25.根据权利要求22至24任一项所述的装置，其特征在于，所述第一预处理的结果是通过第四神经网络对编码比特流进行预处理获得的。

26.根据权利要求20所述的装置，其特征在于，所述处理单元通过第一神经网络对所述第一预处理的结果进行速率匹配处理，获得第一调制符号之前，还用于：

通过第一预设神经网络对第一预设训练信号进行速率匹配处理，获得第二调制符号；

发送第二信号；所述第二信号是对所述第二调制符号进行资源映射获得的；

接收第二梯度的指示信息，所述第二梯度是基于第二损失函数确定的；所述第二损失函数是根据第二预设神经网络的输出和所述第一预设训练信号的标签确定的，所述第二预设神经网络用于对所述第二信号进行资源解映射后的信号进行解速率匹配处理；

根据所述第二梯度更新所述第一预设神经网络，获得第一神经网络。

27.一种通信装置，其特征在于，所述装置包括：

通信单元，用于接收第一信号；

处理单元，用于对所述第一信号进行资源解映射，获得第三调制符号；

所述处理单元，还用于通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

所述处理单元，还用于对所述第二神经网络的输出进行第二预处理，获得待译码的信息。

28.根据权利要求27所述的装置，其特征在于，所述处理单元通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出，具体用于：

根据第一参数，通过第二神经网络对所述第三调制符号进行解速率匹配处理，获得所述第二神经网络的输出；

所述第一参数包括频谱效率、信道容量、码率、信噪比、误码率、信干噪比、误块率中的一项或多项。

29.根据权利要求27或28所述的装置，其特征在于，所述处理单元，还用于：

通过第五神经网络对所述待译码的信息进行信道译码。

30.根据权利要求27至29任一项所述的装置，其特征在于，所述待译码的信息是通过第六神经网络对所述第二神经网络的输出进行预处理获得的。

31.根据权利要求27所述的装置，其特征在于，所述通信单元接收第一信号之前，所述处理单元还用于：

接收第二信号；

通过第二预设神经网络对所述第二信号进行资源解映射后的信号进行解速率匹配处理，获得所述第二预设神经网络的输出；

根据所述第二预设神经网络的输出和第一预设训练信号的标签，确定第二损失函数；

根据所述第二损失函数，确定第二梯度；

根据所述第二梯度更新所述第二预设神经网络，获得第二神经网络；

发送所述第二梯度的指示信息。

32.一种通信装置，其特征在于，包括处理器和收发器，所述收发器用于与其它通信装置进行通信；所述处理器用于运行程序，以使得所述通信装置实现权利要求1至11任一项所述的方法，或者实现权利要求12至19任一项所述的方法。

33.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储有指令，当其在计算机上运行时，使得权利要求1至11任一项所述的方法被执行，或者使得权利要求12至19任一项所述的方法被执行。

34.一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得权利要求1至11任一项所述的方法被执行，或者使得权利要求12至19任一项所述的方法被执行。