基于深度学习的空时分组码识别理论与技术
全新正版 极速发货
￥ 37.59 4.3折 ￥ 88 全新
库存16件
作者闫文君
出版社国防工业
ISBN9787118131727
出版时间2024-06
装帧精装
开本16开
定价88元
货号1203260137
上书时间2024-06-30
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
海军航空工程学院讲师，博士，对空时分组码盲识别技术进行了针对性研究，在该领域累计发表学术论文11篇，其中SCI收录2篇、EI收录6篇。授权专利1项，申请专利5项，获军队科技进步三等奖一项。
目录
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 STBC识别研究现状
1.2.2 SFBC-OFDM识别研究现状
1.2.3 STBC-OFDM识别研究现状
1.3 本书的主要内容
1.4 本书的结构安排
第2章 空时分组码与深度学习的基础理论
2.1 空时分组码基础理论
2.1.1 空时分集技术
2.1.2 Alamouti编码模型
2.1.3 一般STBC编码模型
2.2 深度学习模型的基本组成
2.2.1 卷积层
2.2.2 池化层
2.2.3 全连接层
2.2.4 残差层
2.2.5 相加层和拼接层
2.2.6 循环层
2.2.7 注意力机制模块
2.2.8 激活函数层
第3章 基于多模态特征融合网络的STBc识别算法
3.1 引言
3.2 信号模型
3.2.1 空时分组码通信系统
3.2.2 STBC类型的选取
3.3 基于经典深度学习框架的STBC识别
3.3.1 CNN-BC网络
3.3.2 ResNet网络
3.3.3 CNN-LSTM网络
3.3.4 算法实现流程
3.3.5 性能测试与分析
3.4 基于多模态特征融合网络的STBC识别
3.4.1 多时延特征自提取
3.4.2 多时序特征自提取
3.4.3 最大时延特征融合
3.4.4 性能测试与分析
3.5 本章小结
第4章 基于互相关时频图像和DMRN网络的SFBC-OFDM识别算法
4.1 引言
4.2 信号模型
4.3 时频域特征降噪及预处理
4.3.1 频域互相关峰值序列
4.3.2 维度变换与噪声抑制
4.3.3 非时钟同步拼接
4.4 深度多级残差网络模型
4.4.1 多级残差单元
4.4.2 DMRN网络框架
4.4.3 基于DMRN的空频分组码识别系统
内容摘要
本书主要从STBC信号、SFBC-OFDM信号和STBC-OFDM信号三个角度展开介绍，说明如何针对每种编码方式的不同特点，在结合传统方法提取有效特征后，将信号特征转化为二维图像，通过将信号识别问题转化为图像识别问题的方法，将深度学习引入该领域。本书介绍的深度学习方法，不仅克服了传统方法不适用于非协作通信的缺陷，更结合深度学习技术优势进一步提升了在低信噪比下的识别性能。
相关推荐
-
基于深度学习的空时分组码识别理论与技术
全新广州
￥ 37.68
-
基于深度学习的空时分组码识别理论与技术
全新成都
￥ 34.94
-
基于深度学习的空时分组码识别理论与技术
全新广州
￥ 37.58
-
基于深度学习的空时分组码识别理论与技术
全新广州
￥ 37.61
-
基于深度学习的空时分组码识别理论与技术（
全新北京
￥ 43.56
-
基于深度学习的空时分组码识别理论与技术
全新无锡
￥ 44.00
-
基于深度学习的空时分组码识别理论与技术
全新广州
￥ 37.66
-
基于深度学习的空时分组码识别理论与技术
全新成都
￥ 48.90
-
基于深度学习的空时分组码识别理论与技术
全新广州
￥ 64.62
-
基于深度学习的空时分组码识别理论与技术
全新北京
￥ 45.95
— 没有更多了 —
以下为对购买帮助不大的评价