隨著國民經濟水平的提升,車輛漸漸成為人們生活中不可或缺的部分,同時也帶來了交通擁堵、事故等社會問題。而以車聯(lián)網技術為代表的信息技術的發(fā)展為這些問題提供了解決的可能。由于車聯(lián)網技術涉及到的多為與人身安全密切相關的實際應用,因此在產生之初就不得不對其通信的安全可靠性能提出非常嚴苛的要求,具體而言,包括車輛傳輸信息過程中的高準確性、低延時性及強抗干擾性。同時得益于近幾年計算機算力的飛速發(fā)展,數(shù)據驅動類算法得到快速的發(fā)展,并在眾多領域發(fā)揮著越來越大的作用。在這樣的背景下,本文主要結合數(shù)據驅動思想類算法針對車聯(lián)網中無線通信的可靠性能展開了分析,重點關注車聯(lián)網中無線信道的估計問題和干擾密集區(qū)域的輔助抗干擾策略研究。車聯(lián)網環(huán)境的高動態(tài)性對信道估計的策略提出了更高的要求,本文針對車聯(lián)網無線通信的特點設計了以卷積神經網絡為基礎的網絡模型用于無線信道的通信信息恢復。不同于現(xiàn)有的先依據導頻明確估計信道狀態(tài)信息再進行傳送符號恢復的傳統(tǒng)正交頻分復用系統(tǒng)接收處理算法,所提的VNET深度學習算法并不明確估計信道狀態(tài)信息而直接進行傳送信號的恢復。模型的訓練過程采用線下模式,并將訓練好的模型用于線上的測試。所提出的VN... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

課題研究內容示意圖

哈爾濱工業(yè)大學工學碩士學位論文 = { = 0 cos2 = 1 2 學習算法基本框架習算法近些年被成功應用到各種領域中，并取得了明顯的視覺領域，自然語言處理領域和智能機器人微操作領域等紹了深度學習理論及機器學習理論，圖 2-2 描述了機器學習同而劃分的類別圖。

圖 2-2 機器學習理論研究分布圖不得不引入神經網絡的概念。經元之間的相連方式的不同可經元的示意圖。假定有 n 個輸公式（2-13）所示：σ( ) = ( 1)

【參考文獻】：
期刊論文
[1]基于網絡效用最大化的車聯(lián)網功率控制算法[J]. 左雨星,郭愛煌,黃博,王露.  計算機應用. 2017(12)
[2]GIS在無線電波覆蓋范圍分析中的應用研究[J]. 盧剛,劉玉珠,王瑩.  測繪與空間地理信息. 2017(08)
[3]基于IEEE802.11p高速車路通信環(huán)境研究[J]. 張和生,張明洋,孫偉.  儀器儀表學報. 2013(05)



本文編號：2927335