信道編碼技術(shù)在通信領(lǐng)域是非常重要的,而Turbo碼是一種得到廣泛應(yīng)用的重要編碼方式,機(jī)器學(xué)習(xí)手段在當(dāng)今自然語言處理、圖像領(lǐng)域得到了很大發(fā)展并成為了其核心技術(shù),而基于機(jī)器學(xué)習(xí)方法的Turbo碼閉集識別卻無人研究,為了碼字識別計(jì)算智能化的發(fā)展,研究基于機(jī)器學(xué)習(xí)手段的Turbo碼識別是非常重要的。Turbo碼的生成可以看作是由編碼器和交織器組成。本文對編碼的各個部分進(jìn)行了研究,分別是基于機(jī)器學(xué)習(xí)的m序列預(yù)測、卷積碼閉集識別和Turbo碼閉集識別。其中m序列部分有望應(yīng)用于交織器部分,卷積碼部分的研究則可以廣泛適應(yīng)于Turbo碼的編碼器部分,最后部分是Turbo碼閉集識別的單幀和多幀實(shí)驗(yàn)。本文主要研究成果主要分為三部分:1、首次研究了機(jī)器學(xué)習(xí)對偽隨機(jī)序列的識別問題,在理論上證明了神經(jīng)網(wǎng)絡(luò)對m序列完備的學(xué)習(xí)能力,討論了網(wǎng)絡(luò)基本設(shè)置并實(shí)驗(yàn)了25、50、75、100階下網(wǎng)絡(luò)對不同系數(shù)稀疏程度的m序列表現(xiàn)能力,使用截取的2000、5000、10000長度的信息序列可以分別學(xué)習(xí)出25、50、75階下m序列的稀疏系數(shù),并給出了參考使用的網(wǎng)絡(luò)結(jié)構(gòu),通過對含錯序列的實(shí)驗(yàn),探究了神經(jīng)網(wǎng)絡(luò)能夠?qū)序列容錯的原因,由... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第三章基于機(jī)器學(xué)習(xí)的m序列預(yù)測19梯度下降法的訓(xùn)練，并提供了網(wǎng)絡(luò)的稀疏表達(dá)能力，大多數(shù)情況下ReLu函數(shù)可以較好的替代Sigmoid，實(shí)際中可能存在更好的函數(shù)，作為研究的初期，ReLu函數(shù)沒有引入額外的參數(shù)設(shè)置，是非常好的首位選擇，實(shí)際中為了提高性能，可以對其他的各種激活函數(shù)依次嘗試對比替換Relu使用。圖3-4不同激活函數(shù)下訓(xùn)練對比圖圖3-5不同激活函數(shù)下測試對比圖3.3.2BN正則BN（BatchNormalization）層的放置可以極大地改善訓(xùn)練過程，加速運(yùn)算[31]。BN算法的強(qiáng)大之處在下面幾個方面：1、調(diào)節(jié)數(shù)據(jù)范圍，極快的增大學(xué)習(xí)速度。2、引入數(shù)據(jù)擾動，保障訓(xùn)練的有效進(jìn)行。由于樣本量有限，BN層可以對數(shù)據(jù)添加擾動，保障訓(xùn)練速度和有效進(jìn)行，甚至不加BN層有時帶來訓(xùn)練無法進(jìn)行。

第三章基于機(jī)器學(xué)習(xí)的m序列預(yù)測19梯度下降法的訓(xùn)練，并提供了網(wǎng)絡(luò)的稀疏表達(dá)能力，大多數(shù)情況下ReLu函數(shù)可以較好的替代Sigmoid，實(shí)際中可能存在更好的函數(shù)，作為研究的初期，ReLu函數(shù)沒有引入額外的參數(shù)設(shè)置，是非常好的首位選擇，實(shí)際中為了提高性能，可以對其他的各種激活函數(shù)依次嘗試對比替換Relu使用。圖3-4不同激活函數(shù)下訓(xùn)練對比圖圖3-5不同激活函數(shù)下測試對比圖3.3.2BN正則BN（BatchNormalization）層的放置可以極大地改善訓(xùn)練過程，加速運(yùn)算[31]。BN算法的強(qiáng)大之處在下面幾個方面：1、調(diào)節(jié)數(shù)據(jù)范圍，極快的增大學(xué)習(xí)速度。2、引入數(shù)據(jù)擾動，保障訓(xùn)練的有效進(jìn)行。由于樣本量有限，BN層可以對數(shù)據(jù)添加擾動，保障訓(xùn)練速度和有效進(jìn)行，甚至不加BN層有時帶來訓(xùn)練無法進(jìn)行。

【參考文獻(xiàn)】：
期刊論文
[1]基于校驗(yàn)方程系數(shù)特性的（n,1,m）卷積碼盲識別方法[J]. 韓樹楠,張旻,李歆昊.  吉林大學(xué)學(xué)報(工學(xué)版). 2019(02)
[2]高誤碼率下Turbo碼交織器的恢復(fù)方法[J]. 任亞博,張健,劉以農(nóng).  電子與信息學(xué)報. 2015(08)
[3]基于模擬退火算法的（2,1,m）卷積碼盲識別[J]. 劉杰,張立民,鐘兆根.  無線電通信技術(shù). 2014(06)
[4]歸零Turbo碼識別算法[J]. 李嘯天,張潤生,李艷斌.  西安電子科技大學(xué)學(xué)報. 2013(04)
[5]一種利用軟判決的信道編碼識別新算法[J]. 于沛東,李靜,彭華.  電子學(xué)報. 2013(02)
[6]基于遺傳算法的（2,1,m）卷積碼盲識別[J]. 劉建成,楊曉靜.  電子信息對抗技術(shù). 2012(05)
[7]基于Walsh-Hadamard變換的卷積碼盲識別[J]. 劉健,王曉君,周希元.  電子與信息學(xué)報. 2010(04)
[8]系統(tǒng)卷積碼盲識別[J]. 薛國慶,李易,柳衛(wèi)平.  信息安全與通信保密. 2009(02)
[9]關(guān)鍵方程的新推廣[J]. 鄒艷,陸佩忠.  計(jì)算機(jī)學(xué)報. 2006(05)



本文編號：3439115