糾錯(cuò)碼在通信領(lǐng)域的信息傳遞中被廣泛使用,作為一種重要的糾錯(cuò)碼,卷積碼的譯碼方法的研究具有重要價(jià)值。卷積碼的結(jié)構(gòu)在于,與分組碼相比,卷積碼碼組內(nèi)的校驗(yàn)元的形成除了有本組的信息元的參與,還有之前碼組的信息元的參與,這個(gè)結(jié)構(gòu)使得卷積碼相鄰碼組之間有了一定的相關(guān)性。近年來(lái),深度學(xué)習(xí)在糾錯(cuò)碼的譯碼研究上已經(jīng)有了不錯(cuò)的進(jìn)展,神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力和模型泛化能力可以將碼字的譯碼過(guò)程轉(zhuǎn)變?yōu)閷?duì)碼字類型的分類,因此適合用來(lái)進(jìn)行糾錯(cuò)碼的譯碼。本文將深度學(xué)習(xí)、集成學(xué)習(xí)方法和卷積碼的譯碼問(wèn)題相結(jié)合,主要工作有以下幾個(gè)方面:（1）提出了基于深度學(xué)習(xí)的卷積碼譯碼模型,多層感知器對(duì)劃分后的碼字段進(jìn)行多分類處理,譯碼成對(duì)應(yīng)的信息序列,被譯碼的碼字段通過(guò)狀態(tài)連接,前一個(gè)碼字段為后一個(gè)碼字段提供起始狀態(tài),多層感知器的譯碼方法具有串行譯碼、狀態(tài)位連接譯碼等特點(diǎn),在性能上譯碼性能相較于維特比譯碼算法較弱。（2）提出了基于深度學(xué)習(xí)和集成學(xué)習(xí)的卷積碼譯碼模型,根據(jù)卷積碼的結(jié)構(gòu)特點(diǎn),用多層感知器對(duì)同一個(gè)碼元進(jìn)行多次不同維度的譯碼并投票集成。由于譯碼的結(jié)果充分利用了卷積碼碼組間的耦合性,新的算法模型性能上相比上一個(gè)算法有一定的提升... 

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作以及組織結(jié)構(gòu)
第二章 卷積碼概述
    2.1 卷積碼簡(jiǎn)介
    2.2 卷積碼的描述方式
        2.2.1 卷積碼的矩陣描述法
        2.2.2 卷積碼的碼樹樹圖描述法
        2.2.3 卷積碼的狀態(tài)圖描述法
    2.3 卷積碼的譯碼
        2.3.1 Viterbi譯碼算法
        2.3.2 序列譯碼算法
    2.4 本章小結(jié)
第三章 深度神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)理論概述
    3.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        3.1.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
        3.1.2 前饋神經(jīng)網(wǎng)絡(luò)
        3.1.3 Softmax與交叉熵
        3.1.4 神經(jīng)網(wǎng)絡(luò)和卷積碼的關(guān)系
    3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        3.2.1 反向傳播算法
    3.3 神經(jīng)網(wǎng)絡(luò)的優(yōu)化
    3.4 集成學(xué)習(xí)簡(jiǎn)介
    3.5 BOOSTING
    3.6 BAGGING和隨機(jī)森林
    3.7 集成學(xué)習(xí)中的組合策略
        3.7.1 平均集成
        3.7.2 投票集成
        3.7.3 Stacking
    3.8 本章小結(jié)
第四章 基于深度學(xué)習(xí)和集成學(xué)習(xí)的卷積碼譯碼
    4.1 基于多層感知器網(wǎng)絡(luò)的卷積碼譯碼算法
        4.1.1 構(gòu)建數(shù)據(jù)集
        4.1.2 神經(jīng)網(wǎng)絡(luò)的譯碼模型搭建
    4.2 參數(shù)設(shè)置對(duì)譯碼算法性能的影響
        4.2.1 隱藏層對(duì)譯碼性能的影響
        4.2.2 激活函數(shù)對(duì)譯碼性能的影響
    4.3 基于深度學(xué)習(xí)和集成學(xué)習(xí)的卷積碼譯碼算法
        4.3.1 構(gòu)建數(shù)據(jù)集
        4.3.2 集成的譯碼模型搭建
    4.4 參數(shù)設(shè)置對(duì)集成譯碼算法性能的實(shí)驗(yàn)與分析
        4.4.1 窗口長(zhǎng)度對(duì)譯碼性能的影響
        4.4.2 優(yōu)化算法對(duì)譯碼性能的影響
        4.4.3 隱藏層層數(shù)對(duì)譯碼性能的影響
        4.4.4 激活函數(shù)對(duì)譯碼性能的影響
        4.4.5 碼字序列長(zhǎng)度對(duì)譯碼性能的影響
    4.5 本章小結(jié)
總結(jié)
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的實(shí)用HDPC碼譯碼方法研究[J]. 郭軍軍,白碩棟,王樂(lè).  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(04)
[2]一種改進(jìn)的基于深度前饋神經(jīng)網(wǎng)絡(luò)的極化碼BP譯碼算法[J]. 劉斌,李立欣,李靜.  移動(dòng)通信. 2019(04)
[3]卷積碼編碼原理的解釋[J]. 丁志中,蔣建國(guó),夏娜.  電氣電子教學(xué)學(xué)報(bào). 2007(04)
[4]移動(dòng)通信中的語(yǔ)音編碼和信道編碼[J]. 古苑欽.  廣東通信技術(shù). 2007(08)
[5]神經(jīng)網(wǎng)絡(luò)與編碼理論——國(guó)內(nèi)外成果綜述與未解決的問(wèn)題[J]. 楊義先.  北京郵電學(xué)院學(xué)報(bào). 1992(02)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的極化碼譯碼[D]. 楊碩.華中科技大學(xué) 2018
[2]基于FPGA的級(jí)聯(lián)編碼研究及實(shí)現(xiàn)[D]. 孟凱.西安電子科技大學(xué) 2014



本文編號(hào)：3673265