基於深度學習的空時分組碼識別理論與技術 閆文君 9787118131727 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：國防工業
物品所在地：中國大陸
原出版社：國防工業
NT$560
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202406*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：基於深度學習的空時分組碼識別理論與技術 ISBN：9787118131727 出版社：國防工業 著編譯者：閆文君 頁數：129 所在地：中國大陸 *此為代購商品 書號：1638057 可大量預訂，請先連絡。 內容簡介 空時－頻分組碼是採用分集思想對無線通信傳輸系統性能進行改善的通道編碼方式。本書主要介紹了STBC、STBC－OFDM和SFBC－OFDM三種信號的深度學習識別技術，從研究對象和技術路徑的基礎理論出發，對每類信號的預處理方式、數據集構建方法、深度學習模型架構都進行了詳細的描述，並基於模擬數據對各種識別方法進行驗證，給出了每種信號的識別流程。本書從深度學習技術在編碼識別領域潛力的角度出發，給出了由此產生的針對通道編碼識別技術的思考，以期對相關領域的專家學者帶來啟發。 本書與《空時分組碼識別理論與技術》一書相輔相成，能夠從傳統方法和深度學習兩個角度為讀者提供理論和技術指導，《空時分組碼識別理論與技術》涵蓋了空時分組碼識別領域大多數的傳統演算法，具有更強的理論性和系統性，而本書則更具工程化和實踐性，專註于採用深度學習的識別方法。本書的專業性和針對性較強，適合作為通信和信號處理相關領域研究生的參考書，還可供從事通道編碼識別技術開發應用的工程技術人員參考。目錄 第1章 緒論1 1 研究背景及意義 1 2 國內外研究現狀 1 2 1 STBC識別研究現狀 1 2 2 SFBC-OFDM識別研究現狀 1 2 3 STBC-OFDM識別研究現狀 1 3 本書的主要內容 1 4 本書的結構安排 第2章 空時分組碼與深度學習的基礎理論 2 1 空時分組碼基礎理論 2 1 1 空時分集技術 2 1 2 Alamouti編碼模型 2 1 3 一般STBC編碼模型 2 2 深度學習模型的基本組成 2 2 1 卷積層 2 2 2 池化層 2 2 3 全連接層 2 2 4 殘差層 2 2 5 相加層和拼接層 2 2 6 循環層 2 2 7 注意力機制模塊 2 2 8 激活函數層 第3章 基於多模態特徵融合網路的STBc識別演算法 3 1 引言 3 2 信號模型 3 2 1 空時分組碼通信系統 3 2 2 STBC類型的選取 3 3 基於經典深度學習框架的STBC識別 3 3 1 CNN-BC網路 3 3 2 ResNet網路 3 3 3 CNN-LSTM網路 3 3 4 演算法實現流程 3 3 5 性能測試與分析 3 4 基於多模態特徵融合網路的STBC識別 3 4 1 多時延特徵自提取 3 4 2 多時序特徵自提取 3 4 3 最大時延特徵融合 3 4 4 性能測試與分析 3 5 本章小結 第4章 基於互相關時頻圖像和DMRN網路的SFBC-OFDM識別演算法 4 1 引言 4 2 信號模型 4 3 時頻域特徵降噪及預處理 4 3 1 頻域互相關峰值序列 4 3 2 維度變換與雜訊抑制 4 3 3 非時鐘同步拼接 4 4 深度多級殘差網路模型 4 4 1 多級殘差單元 4 4 2 DMRN網路框架 4 4 3 基於DMRN的空頻分組碼識別系統 4 4 4 性能測試與分析 4 5 本章小結 第5章 基於四階滯后矩譜和AMDC-net的STBC-OFDM 識別演算法 5 1 引言 5 2 相關工作 5 2 1 頻譜分析 5 2 2 多尺度擴張卷積 5 2 3 注意力機制 5 3 信號模型 5 4 FOLMS特徵譜提取 5 4 1 四階滯后矩向量 5 4 2 二維向量拼接 5 5 注意力引導多尺度擴張卷積網路模型 5 5 1 多尺度峰值特徵提取 5 5 2 卷積塊注意力模塊 5 5 3 AMDC基本框架 5 5 4 特徵融合與殘差學習 5 5 5 基於FOLMS／AMDC-net的STBC-OFDM識別系統 5 6 性能測試與分析 5 7 本章小結 第6章 總結與展望 6 1 本書工作總結 6 2 研究展望 6 3 通道編碼識別技術展望：傳統特徵與深度學習 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
