基于数据驱动神经网络的无记忆ISAC容量-失真权衡估计方法

本发明公开了一种基于数据驱动神经网络的无记忆ISAC容量‑失真权衡估计方法，属于机器学习与信息论交叉技术领域。该方法针对状态相关信道(SDMC)中容量‑失真关系计算难题，通过三部分神经网络模块实现：条件互信息神经估计模块(CMINE)基于DV表示估计输入与输出间的条件互信息；神经状态估计模块(NSE/DNSE)从信号中估计信道状态并最小化失真；输入分布优化模块(NDT/PMFG)在失真约束下优化输入分布。通过交替优化策略训练模块：第一阶段固定输入分布优化模块，训练CMINE和NSE/DNSE；第二阶段固定前两者，优化输入分布模块。本发明无需显式信道模型或状态分布，直接从数据中估计容量‑失真曲线，解决了传统方法依赖概率模型的问题，适用于连续和离散场景。