| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 深度学习在LDPC译码算法中的研究背景及意义 | 第11-15页 |
| 1.2.1 LDPC译码与现代通信研究现状及背景 | 第11-13页 |
| 1.2.2 深度学习的研究现状及背景 | 第13-15页 |
| 1.3 论文主要工作及结构安排 | 第15-18页 |
| 第二章 LDPC码概述 | 第18-28页 |
| 2.1 LDPC码的原理介绍 | 第18-21页 |
| 2.2 LDPC码的编码 | 第21-23页 |
| 2.2.1 生成矩阵直接编码法 | 第21-22页 |
| 2.2.2 基于近似下三角形的编码算法 | 第22-23页 |
| 2.2.3 循环码和准循环码的快速编码算法 | 第23页 |
| 2.3 LDPC码的译码算法 | 第23-26页 |
| 2.3.1 硬判决译码算法 | 第23-24页 |
| 2.3.2 软判决译码算法 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 深度学习理论及模型分析 | 第28-43页 |
| 3.1 深度学习简介 | 第28-30页 |
| 3.1.1 深度学习的基本思想 | 第29页 |
| 3.1.2 深度学习的训练过程 | 第29-30页 |
| 3.2 受限玻尔兹曼机 | 第30-36页 |
| 3.2.1 玻尔兹曼机的简介 | 第30-31页 |
| 3.2.2 受限玻尔兹曼机的定义 | 第31-32页 |
| 3.2.3 受限玻尔兹曼机的学习算法 | 第32-36页 |
| 3.3 深度玻尔兹曼机 | 第36-39页 |
| 3.3.1 深度玻尔兹曼机的定义 | 第36-37页 |
| 3.3.2 深度玻尔兹曼机的预训练过程 | 第37-39页 |
| 3.4 深度置信网 | 第39-41页 |
| 3.4.1 深度置信网的定义 | 第39-40页 |
| 3.4.2 深度置信网的学习算法 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于深度学习的LDPC译码算法应用研究 | 第43-71页 |
| 4.1 神经网络与线性分组码译码 | 第43-46页 |
| 4.1.1 线性分组码最大似然译码与神经网络能量函数的关系 | 第43-44页 |
| 4.1.2 一般线性分组码的神经网络译码 | 第44-46页 |
| 4.2 基于深度学习的LDPC码译码模型 | 第46-51页 |
| 4.2.1 基于深度学习的LDPC码通信系统模型 | 第46-49页 |
| 4.2.2 DBN模型译码器预训练与微调 | 第49-51页 |
| 4.3 实验数据集与参数设置 | 第51-55页 |
| 4.3.1 实验数据集 | 第51-53页 |
| 4.3.2 误码率统计 | 第53页 |
| 4.3.3 DBN模型的参数初始化设置 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-59页 |
| 4.4.1 不同学习率对LDPC译码性能的影响与分析 | 第55-56页 |
| 4.4.2 不同隐藏层单元个数对LDPC译码性能的影响与分析 | 第56页 |
| 4.4.3 基于深度学习的LDPC译码性与LLR-BP译码性能对比与分析 | 第56-59页 |
| 4.5 基于深度学习译码模型的通用性应用研究 | 第59-70页 |
| 4.5.1 汉明码及扩展汉明码的原理介绍 | 第59-62页 |
| 4.5.2 基于深度学习的汉明码译码的实验结果与分析 | 第62-64页 |
| 4.5.3 BCH码的原理介绍 | 第64-69页 |
| 4.5.4 基于深度学习的BCH码译码的实验结果与分析 | 第69-70页 |
| 4.6 本章总结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
