隨著國民經(jīng)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(wǎng)技術(shù)為代表的信息技術(shù)的發(fā)展為這些問題提供了解決的可能。由于車聯(lián)網(wǎng)技術(shù)涉及到的多為與人身安全密切相關(guān)的實際應(yīng)用,因此在產(chǎn)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(jù)驅(qū)動類算法得到快速的發(fā)展,并在眾多領(lǐng)域發(fā)揮著越來越大的作用。在這樣的背景下,本文主要結(jié)合數(shù)據(jù)驅(qū)動思想類算法針對車聯(lián)網(wǎng)中無線通信的可靠性能展開了分析,重點關(guān)注車聯(lián)網(wǎng)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(wǎng)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(wǎng)無線通信的特點設(shè)計了以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的網(wǎng)絡(luò)模型用于無線信道的通信信息恢復(fù)。不同于現(xiàn)有的先依據(jù)導(dǎo)頻明確估計信道狀態(tài)信息再進行傳送符號恢復(fù)的傳統(tǒng)正交頻分復(fù)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(fù)。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(nèi)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(yīng)用到各種領(lǐng)域中，并取得了明顯的視覺領(lǐng)域，自然語言處理領(lǐng)域和智能機器人微操作領(lǐng)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(jīng)網(wǎng)絡(luò)的概念。經(jīng)元之間的相連方式的不同可經(jīng)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(wǎng)絡(luò)效用最大化的車聯(lián)網(wǎng)功率控制算法[J]. 左雨星,郭愛煌,黃博,王露.  計算機應(yīng)用. 2017(12)
[2]GIS在無線電波覆蓋范圍分析中的應(yīng)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