| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 缩略语 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 多进制LDPC码研究现状 | 第15-17页 |
| 1.3 调制模式识别研究现状 | 第17页 |
| 1.4 论文内容安排 | 第17-19页 |
| 第二章 多进制LDPC码概述 | 第19-36页 |
| 2.1 有限域 | 第19-24页 |
| 2.1.1 域的定义 | 第19-21页 |
| 2.1.2 域元素的表示及运算 | 第21-24页 |
| 2.2 多进制LDPC码定义及其表示 | 第24-27页 |
| 2.2.1 多进制LDPC码定义 | 第24-25页 |
| 2.2.2 Tanner图表示 | 第25-27页 |
| 2.3 多进制QC-LDPC码 | 第27-28页 |
| 2.4 多进制LDPC码编译码算法 | 第28-35页 |
| 2.4.1 编码算法 | 第28-30页 |
| 2.4.2 译码算法 | 第30-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 多进制QC-LDPC码编码调制系统实现 | 第36-64页 |
| 3.1 基于有限域构造多进制准循环校验矩阵 | 第37-43页 |
| 3.1.1 IEEE802.16e标准下的LDPC码 | 第37-39页 |
| 3.1.2 拓展基矩阵获得校验矩阵 | 第39-43页 |
| 3.2 多进制QC-LDPC码快速编码 | 第43-47页 |
| 3.3 多进制LDPC码的星座图映射 | 第47-50页 |
| 3.4 译码算法实现 | 第50-58页 |
| 3.5 系统性能仿真与分析 | 第58-63页 |
| 3.5.1 译码器纠错性能 | 第58-59页 |
| 3.5.2 迭代次数对译码性能的影响 | 第59-60页 |
| 3.5.3 码长对译码性能的影响 | 第60-61页 |
| 3.5.4 不同进制LDPC码译码性能 | 第61-62页 |
| 3.5.5 相同调制方式下不同进制码译码性能比较 | 第62-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 基于深度学习的调制模式识别研究 | 第64-79页 |
| 4.1 卷积神经网络 | 第64-68页 |
| 4.1.1 人工神经元 | 第64-66页 |
| 4.1.2 CNN基本模型 | 第66-68页 |
| 4.2 基于深度学习的调制模式识别算法 | 第68-74页 |
| 4.2.1 算法整体实现 | 第68-69页 |
| 4.2.2 样本图片制作 | 第69-71页 |
| 4.2.3 实验数据库的选取 | 第71-73页 |
| 4.2.4 深度神经网络设计 | 第73-74页 |
| 4.3 仿真结果及分析 | 第74-77页 |
| 4.3.1 训练次数对模型识别性能的影响 | 第74-75页 |
| 4.3.2 模型识别性能分析 | 第75-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间的研究成果 | 第88-89页 |
| 学位论文评阅及答辩情况表 | 第89页 |