發(fā)布時間：2024-07-04 08:29

　　信道編碼是通信系統(tǒng)中重要的一個步驟,而信道編碼數(shù)據(jù)識別技術(shù)在通信領(lǐng)域有重要的研究價值,本文研究的信道編碼數(shù)據(jù)對象分別為“偽隨機擾亂編碼數(shù)據(jù)”,“分組編碼數(shù)據(jù)”和“卷積編碼數(shù)據(jù)”。不同于傳統(tǒng)信道編碼數(shù)據(jù)識別技術(shù),本文主要以卷積神經(jīng)網(wǎng)絡(luò)在信道編碼方面識別為切入點,進行了基于多種卷積神經(jīng)網(wǎng)絡(luò)的信道編碼識別技術(shù)研究,主要工作包括提出原始數(shù)據(jù)變換處理方法,進行適應(yīng)多種誤碼編碼數(shù)據(jù)集構(gòu)建和深度學(xué)習(xí)模型選擇改進測試三個方面。本文所采用的基于深度學(xué)習(xí)方法的糾錯編碼識別技術(shù),首先解決了傳統(tǒng)技術(shù)識別中只能針對單一編碼進行識別的問題,其次本文所提出方法可以在高誤碼下進行更準(zhǔn)確的識別。最后,本文基于生成的信道編碼數(shù)據(jù)集,分別在誤碼10‰,5‰,1‰情況下,采用VGGNet,ResNet和InceptionNet等三種卷積神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集數(shù)據(jù)進行識別研究,在1‰誤碼情況下識別率能達(dá)到95%以上,并且本文對識別算法的識別效果,識別運行效率,模型可視化等方面進行了相關(guān)實驗,總結(jié)了不同算法適用的不同的場景。綜上,本文所進行的研究充分說明了基于深度學(xué)習(xí)的信道編碼數(shù)據(jù)識別的可行性和優(yōu)勢,并且討論了深度學(xué)習(xí)在信道編碼領(lǐng)域的...

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 編碼識別研究現(xiàn)狀
    1.3 編碼識別難點
    1.4 課題主要研究內(nèi)容
    1.5 本文結(jié)構(gòu)安排
第二章 信道編碼識別相關(guān)理論介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及相關(guān)模型
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)各層結(jié)構(gòu)
        2.2.2 常用的卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法
    2.3 信道編碼相關(guān)數(shù)學(xué)理論知識
        2.3.1 信道編碼相關(guān)數(shù)學(xué)知識
        2.3.2 線性反饋移位寄存器
    2.4 信道編碼基礎(chǔ)及識別
        2.4.1 偽隨機擾亂編碼基礎(chǔ)及識別
        2.4.2 分組碼編碼基礎(chǔ)及識別
        2.4.3 卷積碼編碼基礎(chǔ)及識別
    2.5 本章小結(jié)
第三章 編碼數(shù)據(jù)處理及數(shù)據(jù)集構(gòu)建
    3.1 引言
    3.2 偽隨機擾亂編碼數(shù)據(jù)處理
    3.3 分組碼數(shù)據(jù)處理
        3.3.1 數(shù)據(jù)幀長查找
        3.3.2 分組碼數(shù)據(jù)變換及標(biāo)注
    3.4 卷積碼數(shù)據(jù)處理
        3.4.1 卷積碼數(shù)據(jù)預(yù)處理
        3.4.2 卷積碼數(shù)據(jù)變換及標(biāo)注
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的碼字識別
    4.1 引言
    4.2 數(shù)據(jù)種類識別算法
        4.2.1 數(shù)據(jù)準(zhǔn)備
        4.2.2 基于VGGNet的信道編碼種類識別
        4.2.3 基于ResNet的信道編碼種類識別
        4.2.4 基于InceptionNet的信道編碼種類識別
    4.3 信道編碼參數(shù)識別算法
        4.3.1 數(shù)據(jù)準(zhǔn)備
        4.3.2 基于多種卷積神經(jīng)網(wǎng)絡(luò)的信道編碼參數(shù)識別
    4.4 本章小結(jié)
第五章 碼字識別效果及分析改進
    5.1 信道編碼種類識別效果展示分析
    5.2 信道編碼參數(shù)識別效果展示分析
    5.3 信道編碼識別改進算法及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)



本文編號：4000385