基于深度学习的无线环境感知研究

发布时间：2020-05-16 00:09

【摘要】：面对频谱资源紧张,认知无线电技术被提出。在认知无线电中,无线环境感知尤为重要。此外,深度学习这一强大工具在各个领域均取得优异成果,而本文将深度学习方法引入认知无线电的研究中,重点解决基于深度学习的无线环境感知问题。本文首先介绍研究背景、通信模型及深度神经网络,推导出接收信号的表达式,分析无线环境感知中的常见问题。其次,本文讨论了接收信号的信噪比估计问题,提出基于深度学习及眼图的信噪比估计算法,该算法依据眼图在不同信噪比情况下的清晰程度来估计信噪比,在低信噪比情况下仍然具有较高精度。然后,本文利用深度学习解决接收信号的信道编码识别问题,提出基于Text CNN的卷积码识别算法;该算法通过词向量表征,将信道编码识别问题可以看作自然语言处理问题,大幅提升信道编码识别性能。最后,在卷积编码识别研究的基础上,本文还提出了基于深度学习的Turbo码识别算法,依据分量编码器的不同来区分Turbo码,实验结果表明,在高误码率情况下本文提出的算法相比于传统算法具有更高的识别准确率。
【图文】：

加性高斯白噪声信道模型

卷积核的计算过程
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TN911.22

【参考文献】

相关期刊论文 前6条

1 任亚博;张健;刘以农;;高误码率下Turbo码交织器的恢复方法[J];电子与信息学报;2015年08期

2 解辉;黄知涛;王丰华;;信道编码盲识别技术研究进展[J];电子学报;2013年06期

3 于沛东;李静;彭华;;一种利用软判决的信道编码识别新算法[J];电子学报;2013年02期

4 解辉;王丰华;黄知涛;张锡祥;;基于改进欧几里得算法的卷积码快速盲识别算法[J];国防科技大学学报;2012年06期

5 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期

6 邹艳;陆佩忠;;关键方程的新推广[J];计算机学报;2006年05期

，

本文编号：2665835