LMMSE-ASSISTED / NEURAL RECEIVER
NETWORK ARCHITECTURE
ResCNN · 从时频特征到软比特
特征拼接32 Rx + 64 CSI + 2 坐标
→Stem · 3×398 → 128 · GELU
→6 个残差块每块 2 × Conv3×3
→Head · 1×1128 → 8 · 2层 × 4bit
查看 14 层卷积与参数量
| 层 | 通道 | 卷积核 | 学习参数 |
|---|
WORKPOINTS / TENSORS / COMPUTE
相同架构，两个独立工作点
| 参数 / 张量 | Legacy · 28-symbol | NR100 / μ=1 |
|---|
DATA & CHANNEL
数据与信道设置
TRAINING CONTRACT
训练与监督目标
初始化种子及历史训练环境的缺项见审计与证据。
SAVED TRAINING HISTORY
训练 loss · 15 epochs
LegacyNR100
训练均值曲线；未提供独立验证 loss 或置信区间，不能据此比较泛化能力。
EVALUATION DEFINITION
如何评估 BER / BLER
查看 G0 实验结果 →AUDIT / EVIDENCE BOUNDARIES
可验证的事实与仍然未知的部分
RECEIVER PERFORMANCE
接收机时延
LINK RELIABILITY
误码与误块率
TensorRT FP16PyTorch FP16
VALIDATION STATUS
当前路径验收
COMPUTE BREAKDOWN
时间花在哪里
各阶段使用 CUDA events 独立测量；分位数之和不等于整链分位数。
FPGA PREPROCESSING
V80 预处理与输出
HOST STAGING / HISTORICAL
H1 传输与计算
DIRECT FPGA ↔ GPU
直连数据通路验收
当前快照尚无已验收的 P2 双向直连性能结果。
01 / 内容正确性
GPU ↔ V80 双方向内容校验及原像恢复。
02 / 直连链路
独立证明数据直接进出 GPU 显存，没有经过 host staging。
03 / 统一接收机
项目 payload、descriptor 与统一时基的 capability 验收。
完成验收后再登记带宽、时延与 BLER；不沿用 G0 或 H1 的测量数值。
MEASURED DATA
SNR 扫描 · 原始指标
| SNR / dB | TensorRT BER | TensorRT BLER | PyTorch BER | PyTorch BLER | 配对样本 / SNR |
|---|
TRACEABLE BY DESIGN
每个数字，都能追溯
这里提供指标摘要、源文件相对路径和 SHA256；完整运行日志、设备身份与训练数据保留在项目本地。