信道編碼是通信系統中重要的一個步驟,而信道編碼數據識別技術在通信領域有重要的研究價值,本文研究的信道編碼數據對象分別為“偽隨機擾亂編碼數據”,“分組編碼數據”和“卷積編碼數據”。不同于傳統信道編碼數據識別技術,本文主要以卷積神經網絡在信道編碼方面識別為切入點,進行了基于多種卷積神經網絡的信道編碼識別技術研究,主要工作包括提出原始數據變換處理方法,進行適應多種誤碼編碼數據集構建和深度學習模型選擇改進測試三個方面。本文所采用的基于深度學習方法的糾錯編碼識別技術,首先解決了傳統技術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確的識別。最后,本文基于生成的信道編碼數據集,分別在誤碼10‰,5‰,1‰情況下,采用VGGNet,ResNet和InceptionNet等三種卷積神經網絡對數據集數據進行識別研究,在1‰誤碼情況下識別率能達到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實驗,總結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習的信道編碼數據識別的可行性和優勢,并且討論了深度學習在信道編碼領域的...

【文章頁數】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 編碼識別研究現狀
    1.3 編碼識別難點
    1.4 課題主要研究內容
    1.5 本文結構安排
第二章 信道編碼識別相關理論介紹
    2.1 卷積神經網絡的發展歷程
    2.2 卷積神經網絡的結構及相關模型
        2.2.1 卷積神經網絡各層結構
        2.2.2 常用的卷積神經網絡模型
        2.2.3 卷積神經網絡訓練方法
    2.3 信道編碼相關數學理論知識
        2.3.1 信道編碼相關數學知識
        2.3.2 線性反饋移位寄存器
    2.4 信道編碼基礎及識別
        2.4.1 偽隨機擾亂編碼基礎及識別
        2.4.2 分組碼編碼基礎及識別
        2.4.3 卷積碼編碼基礎及識別
    2.5 本章小結
第三章 編碼數據處理及數據集構建
    3.1 引言
    3.2 偽隨機擾亂編碼數據處理
    3.3 分組碼數據處理
        3.3.1 數據幀長查找
        3.3.2 分組碼數據變換及標注
    3.4 卷積碼數據處理
        3.4.1 卷積碼數據預處理
        3.4.2 卷積碼數據變換及標注
    3.5 本章小結
第四章 基于卷積神經網絡的碼字識別
    4.1 引言
    4.2 數據種類識別算法
        4.2.1 數據準備
        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 信道編碼參數識別算法
        4.3.1 數據準備
        4.3.2 基于多種卷積神經網絡的信道編碼參數識別
    4.4 本章小結
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
第六章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻



本文編號：4000385