| 博士生自认为的论文创新点 | 第5-10页 |
| 摘要 | 第10-13页 |
| ABSTRACT | 第13-16页 |
| 文中用到的部分缩略语 | 第17-18页 |
| 第一章 :绪论 | 第18-31页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 大气激光雨信道的研究现状 | 第19-27页 |
| 1.2.1 传统的大气信道分析方法 | 第19-24页 |
| 1.2.2 传统信道分析方法存在的问题与困难 | 第24-25页 |
| 1.2.3 大气激光雨信道的特点 | 第25页 |
| 1.2.4 大气激光雨信道分析所面临的困难 | 第25-27页 |
| 1.3: 传统信道编码译码器的特点 | 第27-31页 |
| 1.3.1 FSO中传统编码译码及差错控制策略 | 第27-29页 |
| 1.3.2 FSO中的常用信道编码的介绍 | 第29-31页 |
| 第二章: WFET算法对大气激光雨信道的反演分析 | 第31-38页 |
| 2.1 采用神经网络技术对大气激光雨信道的分析思路 | 第31-34页 |
| 2.1.1 神经网络技术的特点 | 第31页 |
| 2.1.2 针对大气激光雨信道的解决方案 | 第31-34页 |
| 2.2 WFET技术分析内地大气激光雨信道的结论 | 第34-38页 |
| 2.2.1 原始ALCC通信实验数据的预处理 | 第34-35页 |
| 2.2.2 WFET算法中采用权值能量通道分析结论 | 第35-37页 |
| 2.2.3 WFET算法中采用关联度的分析结论 | 第37-38页 |
| 第三章 :神经网络群对青藏高原大气激光雨信道的反演分析 | 第38-52页 |
| 3.1 青藏高原大气信道的特点 | 第38-39页 |
| 3.2 传统数学方法所面临的瓶颈 | 第39-41页 |
| 3.3 神经网络群技术在青藏高原大气激光雨信道中的反演 | 第41-46页 |
| 3.3.1 利用神经网络技术解决该问题的思路 | 第41-43页 |
| 3.3.2 初始权值优化技术 | 第43-45页 |
| 3.3.3 原始实验数据以及数据的预处理思路 | 第45-46页 |
| 3.4 青藏高原大气激光雨信道的分析结论 | 第46-52页 |
| 3.4.1 青藏高原原始的气象数据 | 第46-48页 |
| 3.4.2 原始实验数据的预处理结果 | 第48-50页 |
| 3.4.3 青藏高原大气激光雨信道分析的结论 | 第50页 |
| 3.4.4 青藏高原大气激光雨信道分析总结与展望 | 第50-52页 |
| 第四章: FWFE算法对LDPC编码在大气激光雨信道中的反演分析 | 第52-59页 |
| 4.1 LDPC在大气激光雨信道中性能分析的研究现状 | 第52-53页 |
| 4.2 FWFE算法的分析思路 | 第53-55页 |
| 4.2.1 FWFE分析算法的主要解决思路 | 第53-54页 |
| 4.2.2 FWFE分析算法的理论基础 | 第54-55页 |
| 4.3 FWFE分析算法的介绍 | 第55-56页 |
| 4.4 LDPC编码在大气激光雨信道中的分析结论 | 第56-59页 |
| 4.4.1 LDPC在大气激光雨信道实验中的原始数据组成 | 第56页 |
| 4.4.2 LDPC实验数据的预处理 | 第56-57页 |
| 4.4.3 LDPC在ALCC雨信道下的性能分析结论 | 第57-59页 |
| 第五章: SSOM神经网络译码器的设计与应用 | 第59-65页 |
| 5.1 神经网络技术在传统译码器中的应用现状 | 第59-60页 |
| 5.2 利用对称网络结构构造SSOM译码器的思路 | 第60-61页 |
| 5.3 SSOM译码器的具体实现算法 | 第61-62页 |
| 5.4 SSOM网络译码器的仿真结论 | 第62-65页 |
| 5.4.1 计算复杂度分析(SSOM网络的仿真结论,以LDPC为例) | 第62-63页 |
| 5.4.2 仿真结论分析 | 第63-65页 |
| 第六章 通用神经网络编码译码器的设计思路 | 第65-74页 |
| 6.1 通用神经网络编码译码器的研究现状 | 第65-66页 |
| 6.2 通用神经网络编码器的设计思路 | 第66-71页 |
| 6.2.1 传统信道编码器的编码机制 | 第66-67页 |
| 6.2.2 神经网络信道编码器的设计思路 | 第67-69页 |
| 6.2.3 神经网络信道编码器的具体实现算法 | 第69-71页 |
| 6.3 通用神经网络译码器的设计思路 | 第71-73页 |
| 6.3.1 神经网络信道译码器的解决思路 | 第71-72页 |
| 6.3.2 神经网络信道译码器的具体实现算法 | 第72-73页 |
| 6.4 通用神经网络编码译码器的性能分析结论 | 第73-74页 |
| 第七章 改进型神经网络信道编码译码器的设计 | 第74-84页 |
| 7.1 神经网络信道编码译码器的研究现状 | 第74-76页 |
| 7.1.1 神经网络信道编码器的定义 | 第74页 |
| 7.1.2 神经网络编码器的研究现状 | 第74-75页 |
| 7.1.3 神经网络译码器的研究现状 | 第75页 |
| 7.1.4 神经网络编码器研究现状的总结 | 第75-76页 |
| 7.2 神经网络编码器的设计思路 | 第76-80页 |
| 7.2.1 神经网络编码器主体构架的设计 | 第76-77页 |
| 7.2.2 全连接模式的结构 | 第77-79页 |
| 7.2.3 部分连接模式的结构 | 第79-80页 |
| 7.3 神经网络译码器的设计 | 第80-81页 |
| 7.4 改进型通用神经网络编码译码器的性能分析 | 第81-84页 |
| 7.4.1 改进用神经网络编译码器的仿真结论 | 第81-82页 |
| 7.4.2 改进型通用神经网络编译码器的仿真结论分析 | 第82-84页 |
| 第八章 结论与展望 | 第84-97页 |
| 8.1 信道反演算法的特点及应用场合 | 第84-88页 |
| 8.1.1 WFET的特点及应用场合 | 第84-85页 |
| 8.1.2 神经网络群的特点及应用场合 | 第85-87页 |
| 8.1.3 FWFE的特点及应用场合 | 第87-88页 |
| 8.2 信道反演算法的比较 | 第88-91页 |
| 8.2.1 神经网络群与WFET的比较 | 第88-89页 |
| 8.2.2 WFET与FWFE的比较 | 第89-90页 |
| 8.2.3 信道反演算法的结论 | 第90-91页 |
| 8.3 神经网络编译码器的特点 | 第91-92页 |
| 8.3.1 SSOM通用译码器的优缺点以及其应用场合 | 第91页 |
| 8.3.2 通用神经网络信道编码译码器的优势及应用展望 | 第91-92页 |
| 8.3.3 改进型神经网络编译码器的现实意义 | 第92页 |
| 8.4 神经网络编译码器的比较分析 | 第92-97页 |
| 8.4.1 本论文所设计神经网络编码器的分析与比较 | 第92-93页 |
| 8.4.2 本论文所设计神经网络译码器的分析与比较 | 第93-95页 |
| 8.4.3 神经网络编译码的结论 | 第95-97页 |
| 参考文献 | 第97-106页 |
| 攻读博士期间科研成果 | 第106-107页 |
| 致谢 | 第107页 |
