基于深度学习方法的纠错编码闭集识别技术研究与实现

发布时间：2024-07-04 08:29

　　信道编码是通信系统中重要的一个步骤,而信道编码数据识别技术在通信领域有重要的研究价值,本文研究的信道编码数据对象分别为“伪随机扰乱编码数据”,“分组编码数据”和“卷积编码数据”。不同于传统信道编码数据识别技术,本文主要以卷积神经网络在信道编码方面识别为切入点,进行了基于多种卷积神经网络的信道编码识别技术研究,主要工作包括提出原始数据变换处理方法,进行适应多种误码编码数据集构建和深度学习模型选择改进测试三个方面。本文所采用的基于深度学习方法的纠错编码识别技术,首先解决了传统技术识别中只能针对单一编码进行识别的问题,其次本文所提出方法可以在高误码下进行更准确的识别。最后,本文基于生成的信道编码数据集,分别在误码10‰,5‰,1‰情况下,采用VGGNet,ResNet和InceptionNet等三种卷积神经网络对数据集数据进行识别研究,在1‰误码情况下识别率能达到95%以上,并且本文对识别算法的识别效果,识别运行效率,模型可视化等方面进行了相关实验,总结了不同算法适用的不同的场景。综上,本文所进行的研究充分说明了基于深度学习的信道编码数据识别的可行性和优势,并且讨论了深度学习在信道编码领域的...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景
    1.2 编码识别研究现状
    1.3 编码识别难点
    1.4 课题主要研究内容
    1.5 本文结构安排
第二章 信道编码识别相关理论介绍
    2.1 卷积神经网络的发展历程
    2.2 卷积神经网络的结构及相关模型
        2.2.1 卷积神经网络各层结构
        2.2.2 常用的卷积神经网络模型
        2.2.3 卷积神经网络训练方法
    2.3 信道编码相关数学理论知识
        2.3.1 信道编码相关数学知识
        2.3.2 线性反馈移位寄存器
    2.4 信道编码基础及识别
        2.4.1 伪随机扰乱编码基础及识别
        2.4.2 分组码编码基础及识别
        2.4.3 卷积码编码基础及识别
    2.5 本章小结
第三章 编码数据处理及数据集构建
    3.1 引言
    3.2 伪随机扰乱编码数据处理
    3.3 分组码数据处理
        3.3.1 数据帧长查找
        3.3.2 分组码数据变换及标注
    3.4 卷积码数据处理
        3.4.1 卷积码数据预处理
        3.4.2 卷积码数据变换及标注
    3.5 本章小结
第四章 基于卷积神经网络的码字识别
    4.1 引言
    4.2 数据种类识别算法
        4.2.1 数据准备
        4.2.2 基于VGGNet的信道编码种类识别
        4.2.3 基于ResNet的信道编码种类识别
        4.2.4 基于InceptionNet的信道编码种类识别
    4.3 信道编码参数识别算法
        4.3.1 数据准备
        4.3.2 基于多种卷积神经网络的信道编码参数识别
    4.4 本章小结
第五章 码字识别效果及分析改进
    5.1 信道编码种类识别效果展示分析
    5.2 信道编码参数识别效果展示分析
    5.3 信道编码识别改进算法及分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献



本文编号：4000385