基于深度学习的纠错编码方式识别

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.

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

所属期刊栏目：42

分类号：TP391;TN971.+1(计算技术、计算机技术)

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：154-158