-
公开(公告)号：CN116488663A
公开(公告)日：2023-07-25
申请号：CN202310616307.3
申请日：2023-05-29
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于深度学习的删余卷积码码率识别方法,属于信道编码参数识别技术领域。本发明通过建立基于一维多尺度卷积网络的识别模型，直接将一维的比特数据输入网络，输出分类识别结果，避免人工提取特征的复杂性；根据删余卷积码的线性相关性，采用能更好识别删余矩阵特征的多尺度卷积网络框架，相比较于其他的已有深度学习框架，能实现更高的识别率和更好的抗干扰能力；通过采用集成学习方法，同时将数据输入多个不同初始化的模型进行识别，并投票得出结果，有效地提升模型的鲁棒性，使得模型的抗干扰能力更强，面对不同的输入数据有更好的稳定性。本发明适用通信领域，提高信道编码的识别率、降低运算复杂度。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
