算法1：基于元学习的接收机训练算法

输入：初始符号数据集，任务数，迭代次数，学习率

输出：适应的DNN网络参数 $\theta ={\left\{{\theta }_k^{\left(q\right)}\right\}}_{k,q=1}^{K,Q}$ ，元参数 $\omega$ ，误码率BER

1：For $t=1,2,\cdots$ do

2：生成关于任务k的数据集 ${\mathbb{D}}_{\text{sup}}\left(k\right)$ 和 ${\mathbb{D}}_{\text{que}}\left(k\right)$

3：For $k\in \mathcal{K}$ do

4：设置 ${\theta }_k\leftarrow \theta$

5：For $n=1,\cdots ,N_{in}$ do

6：由式3进行内部更新

7：End

8：将 ${\left\{{\tilde{y}}_j,{\left\{{\widehat{p}}_{j,l}^{\left(t-1\right)}\right\}}_{l\ne k}\right\}}_{j=1}^{N_{\text{sup}},N_{\text{que}}}$ 输入已训练的网络并输出 ${\left\{{\widehat{p}}_{j,k}^{\left(t\right)}\right\}}_{j=1}^{N_{\text{sup}},N_{\text{que}}}$

9：End

10：由式4进行外部更新

11：End

12：获取元参数： ${\omega }_{\text{meta}}\leftarrow \theta$

13：For $q=1,\cdots ,Q$ do

14：生成适应集 ${\left\{{\mathbb{D}}_{\text{ad}}\left(k\right)\right\}}_{k=1}^K$

15：For $k\in \mathcal{K}$ do

16：If $q=1$ then设置DNN参数 ${\theta }_k^{\left(q\right)}\leftarrow {\omega }_{\text{meta}}$

17：Else设置DNN参数 ${\theta }_k^{\left(q\right)}\leftarrow {\theta }_k^{\left(q-1\right)}$

18：由式7进行 $N_{ad}$ 步适应更新

19：将 ${\left\{{\tilde{y}}_j,{\left\{{\widehat{p}}_{j,l}^{\left(q-1\right)}\right\}}_{l\ne k}\right\}}_{j=1}^{N_{\text{ad}}}$ 输入到已训练的网络并输出 ${\left\{{\widehat{p}}_{j,k}^{\left(q\right)}\right\}}_{j=1}^{N_{\text{ad}}}$

20：End

21：End

22：输入 ${\mathbb{D}}_{\text{te}}$ 进行测试，输出BER，元网络参数 ${\omega }_{meta}$ 和已训练的网络参数 ${\theta }_k$