基于深度学习的纠错编码方式识别

• 作者: 刘凯 刘洁
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 信道编码识别 卷积神经网络 改进LeNet-5网络 特征提取
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 通信技术
• 页码范围: 154-158
• 页数: 5页
• 分类号: TP391|TN971.+1
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1902788

摘要

引入卷积神经网络(CNN)用于解决信道编码方式识别问题,提出了一种基于改进LeNet-5网络的编码方式自动识别方法,该方法将接收机端接收到的信号进行预处理,预处理之后的数据作为深度卷积神经网络(DCNN)的输入,根据训练好的模型对时域编码信号进行直接特征提取与识别分类.针对ldpc码、卷积码、汉明码三种典型的编码方式进行了仿真实验,信噪比大于8时,编码方式的识别准确率大于80％.不同码率的卷积码之间,信噪比大于8时,识别准确率可以达到95％以上.实验结果表明,基于DCNN的时域编码信号识别是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘凯		43	168	8.0	11.0
2	刘洁		12	22	2.0	4.0