| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-21页 |
| 1.1 课题研究背景与意义 | 第7-8页 |
| 1.2 国内外发展现状 | 第8-18页 |
| 1.2.1 信道编码的发展现状 | 第8-12页 |
| 1.2.2 Polar码的发展现状 | 第12-13页 |
| 1.2.3 Polar码的优势及应用 | 第13-16页 |
| 1.2.4 人工神经网络的发展状况 | 第16-18页 |
| 1.3 本文的主要内容及结构安排 | 第18-21页 |
| 第2章 极化原理与Polar码的编码方案 | 第21-31页 |
| 2.1 信道极化原理的介绍 | 第21-25页 |
| 2.1.1 信道合并 | 第21-23页 |
| 2.1.2 信道分裂 | 第23-25页 |
| 2.2 Polar码的编码方案 | 第25-30页 |
| 2.2.1 生成矩阵的构造 | 第26-28页 |
| 2.2.2 信息比特位置的选择 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 Polar码的译码方案 | 第31-39页 |
| 3.1 连续删除SC译码方案 | 第31-33页 |
| 3.1.1 连续删除算法的蝶形运算 | 第31-32页 |
| 3.1.2 SC译码的判决及化简 | 第32-33页 |
| 3.2 BP译码方案 | 第33-35页 |
| 3.2.1 BP译码的过程单元 | 第33-34页 |
| 3.2.2 Polar码的BP译码迭代计算 | 第34-35页 |
| 3.3 基于全连接神经网络的译码方案 | 第35-36页 |
| 3.3.1 关于Polar码的神经网络译码方案的可行性分析 | 第35-36页 |
| 3.3.2 基于全连接神经网络译码方案的网络结构 | 第36页 |
| 3.4 研究短码长Polar码的译码方案的必要性 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于深度学习的Polar码译码系统 | 第39-57页 |
| 4.1 深度学习的框架 | 第39-48页 |
| 4.1.1 激活函数 | 第39-43页 |
| 4.1.2 反向传播算法 | 第43-45页 |
| 4.1.3 损失函数的选择 | 第45-46页 |
| 4.1.4 梯度的计算 | 第46-48页 |
| 4.2 基于卷积神经网络的多天线Polar码联合解调-解码方案 | 第48-55页 |
| 4.2.1 系统模型 | 第48-49页 |
| 4.2.2 数据集的生成 | 第49-51页 |
| 4.2.3 CNN网络的搭建 | 第51-53页 |
| 4.2.4 联合解调-解码网络的学习过程 | 第53-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 实验平台搭建及仿真分析 | 第57-65页 |
| 5.1 实验平台的搭建 | 第57-58页 |
| 5.1.1 Keras深度学习框架 | 第57页 |
| 5.1.2 Theano深度学习架构 | 第57-58页 |
| 5.1.3 GPU和Docker联合的深度学习平台 | 第58页 |
| 5.2 实验仿真及分析 | 第58-64页 |
| 5.2.1 短码长Polar码译码性能比较 | 第58-61页 |
| 5.2.2 不同码率的译码性能比较 | 第61-62页 |
| 5.2.3 损失函数性能比较 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 下一步工作的方向 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况说明 | 第71-73页 |
| 致谢 | 第73页 |
