掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
脈沖噪聲信道差錯控制編碼 版權信息
- ISBN：9787302583400
- 條形碼：9787302583400 ; 978-7-302-58340-0
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
脈沖噪聲信道差錯控制編碼 本書特色
匯集脈沖噪聲信道下通信差錯控制編碼的*新研究成果。 本書受國家出版基金資助，是“十三五”國家重點圖書出版規劃項目。通過本書讀者能夠了解噪聲信道的特點，以及脈沖信道下差錯控制編碼*新研究成果。
脈沖噪聲信道差錯控制編碼 內容簡介
本書主要從脈沖噪聲信道特點出發，介紹了脈沖信道下差錯控制編碼**研究成果。全書總共分為8章，分別闡述了脈沖噪聲信道、差錯控制編碼概述、脈沖噪聲信道下的編譯碼方法、聯合信道估計與譯碼、深度學習譯碼以及高速譯碼結構等，為脈沖噪聲信道的編碼設計提供理論基礎。此外本書還重點介紹了LDPC碼在脈沖信道中的研究。 本書適合從事信息通信專業技術人員使用，也可作為高校通信工程、信息工程等專業本科生及研究生的參考書。 ……
脈沖噪聲信道差錯控制編碼 目錄
第1章 緒論
1.1 引言
1.2 脈沖噪聲信道場景
1.3 脈沖噪聲模型
1.3.1 經驗模型
1.3.2 統計物理模型
1.4 脈沖噪聲條件下的LDPC碼編譯碼研究進展
1.4.1 脈沖噪聲消除
1.4.2 針對脈沖噪聲特性的LDPC碼編譯碼
1.4.3 脈沖噪聲條件下的LDPC碼譯碼初始信息處理
1.4.4 脈沖噪聲條件下的聯合信道估計與LDPC碼譯碼
1.4.5 脈沖噪聲條件下的LDPC碼深度學習譯碼
1.4.6 脈沖噪聲條件下的LDPC碼高速譯碼架構
1.5 本章小結
第2章 差錯控制編碼
2.1 引言
2.2 差錯控制編碼的發展歷史
2.3 Turbo碼
2.3.1 Turbo碼的構造方法
2.3.2 Turbo碼的譯碼算法
2.4 LDPC碼
2.4.1 LDPC碼的基本原理與構造
2.4.2 LDPC碼的編碼算法
2.4.3 LDPC碼的譯碼算法
2.5 極化碼
2.5.1 極化理論研究
2.5.2 極化碼的構造方法研究
2.5.3 極化碼的譯碼算法研究
2.6 本章小結
第3章 脈沖噪聲信道碼字構造
3.1 引言
3.2 信道模型介紹
3.2.1 α穩定分布模型
3.2.2 對稱α穩定分布模型
3.2.3 分數低階統計量
3.3 基于EXIT圖分析的LDPC碼度分布優化方法
3.3.1 LDPC碼的基本原理
3.3.2 LDPC碼節點的度分布
3.3.3 LDPC碼的EXIT圖分析
3.3.4 基于離散密度進化的EXIT圖分析
3.3.5 基于EXIT圖的LDPC碼度分布優化設計
3.4 仿真實驗和結果分析
3.4.1 優化的度分布
3.4.2 誤碼率對比
3.5 本章小結
第4章 脈沖噪聲信道估計與譯碼
4.1 引言
4.2 和積譯碼算法
4.3 基于消息傳遞框架的聯合信道估計與LDPC碼譯碼方法
4.3.1 SIR噪聲參數估計算法
4.3.2 采用QDE算法的信道參數失配條件下譯碼漸進性能分析
4.3.3 增強重采樣方法設計
4.4 數值仿真實驗及結果分析
4.5 本章小結
第5章 脈沖噪聲信道對數似然比近似表達
5.1 引言
5.2 對數似然比函數
5.2.1 脈沖噪聲信道模型
5.2.2 信號傳輸模型
5.2.3 脈沖噪聲信道接收符號對數似然比
5.2.4 脈沖噪聲信道幾何信噪比
5.3 脈沖噪聲信道下對數似然比近似方法
5.3.1 非線性對數似然比近似函數
5.3.2 對數似然比近似函數參數選取準則
5.3.3 對數似然比近似函數的參數快速查找方法
5.4 仿真實驗和結果分析
5.4.1 采用LLR近似方法的譯碼漸進性能分析
5.4.2 數值仿真實驗及結果分析
5.5 本章小結
第6章 脈沖噪聲信道硬判決譯碼
6.1 引言
6.2 硬判決算法介紹
6.2.1 比特翻轉算法
6.2.2 梯度下降比特翻轉算法
6.3 基于懲罰因子的梯度下降比特翻轉算法
6.3.1 懲罰因子的下界推導
6.3.2 算法介紹
6.4 基于調整因子的梯度下降比特翻轉算法
6.4.1 基于調整因子的翻轉函數
6.4.2 算法介紹
6.5 仿真實驗與結果分析
6.5.1 對稱α穩定分布噪聲下的不同譯碼算法對比
6.5.2 高斯噪聲條件下的不同譯碼算法對比
6.6 本章小結
第7章 脈沖噪聲信道深度學習譯碼
7.1 引言
7.2 神經網絡譯碼概述
7.2.1 神經網絡模型介紹
7.2.2 神經網絡輔助譯碼
7.2.3 神經網絡譯碼器
7.3 基于前向神經網絡的脈沖噪聲下譯碼算法
7.3.1 系統設計
7.3.2 神經網絡訓練方法
7.3.3 實驗結果
7.4 基于門控神經網絡的脈沖噪聲下譯碼算法
7.4.1 系統設計
7.4.2 門控神經網絡譯碼詳述
7.4.3 神經網絡訓練方法
7.4.4 仿真性能分析
7.5 本章小結
第8章 脈沖噪聲信道圖形處理器高速譯碼實現
8.1 引言
8.2 脈沖噪聲信道LDPC分組碼GPU高速譯碼
8.2.1 *小和TDMP譯碼算法概述
8.2.2 脈沖噪聲信道下采用*小和算法的TDMP譯碼初始化方法
8.2.3 基于GPU的LDPC分組碼譯碼架構優化設計
8.2.4 基于GPU的LDPC分組碼譯碼架構內核函數優化
8.2.5 基于GPU的LDPC分組碼譯碼架構CUDA流執行效率優化
8.3 脈沖噪聲信道LDPC卷積碼GPU高速譯碼
8.3.1 LDPC卷積碼及其構造方法概述
8.3.2 LDPC卷積碼流水線譯碼算法
8.3.3 基于GPU的LDPC卷積碼流水線譯碼架構優化設計
8.3.4 流水線譯碼器的存儲訪問優化設計
8.3.5 流水線譯碼器的執行并行度優化設計
8.4 仿真實驗及結果分析
8.4.1 LDPC分組碼結果分析
8.4.2 LDPC卷積碼結果分析
8.5 本章小結
參考文獻
索引
1.1 引言
1.2 脈沖噪聲信道場景
1.3 脈沖噪聲模型
1.3.1 經驗模型
1.3.2 統計物理模型
1.4 脈沖噪聲條件下的LDPC碼編譯碼研究進展
1.4.1 脈沖噪聲消除
1.4.2 針對脈沖噪聲特性的LDPC碼編譯碼
1.4.3 脈沖噪聲條件下的LDPC碼譯碼初始信息處理
1.4.4 脈沖噪聲條件下的聯合信道估計與LDPC碼譯碼
1.4.5 脈沖噪聲條件下的LDPC碼深度學習譯碼
1.4.6 脈沖噪聲條件下的LDPC碼高速譯碼架構
1.5 本章小結
第2章 差錯控制編碼
2.1 引言
2.2 差錯控制編碼的發展歷史
2.3 Turbo碼
2.3.1 Turbo碼的構造方法
2.3.2 Turbo碼的譯碼算法
2.4 LDPC碼
2.4.1 LDPC碼的基本原理與構造
2.4.2 LDPC碼的編碼算法
2.4.3 LDPC碼的譯碼算法
2.5 極化碼
2.5.1 極化理論研究
2.5.2 極化碼的構造方法研究
2.5.3 極化碼的譯碼算法研究
2.6 本章小結
第3章 脈沖噪聲信道碼字構造
3.1 引言
3.2 信道模型介紹
3.2.1 α穩定分布模型
3.2.2 對稱α穩定分布模型
3.2.3 分數低階統計量
3.3 基于EXIT圖分析的LDPC碼度分布優化方法
3.3.1 LDPC碼的基本原理
3.3.2 LDPC碼節點的度分布
3.3.3 LDPC碼的EXIT圖分析
3.3.4 基于離散密度進化的EXIT圖分析
3.3.5 基于EXIT圖的LDPC碼度分布優化設計
3.4 仿真實驗和結果分析
3.4.1 優化的度分布
3.4.2 誤碼率對比
3.5 本章小結
第4章 脈沖噪聲信道估計與譯碼
4.1 引言
4.2 和積譯碼算法
4.3 基于消息傳遞框架的聯合信道估計與LDPC碼譯碼方法
4.3.1 SIR噪聲參數估計算法
4.3.2 采用QDE算法的信道參數失配條件下譯碼漸進性能分析
4.3.3 增強重采樣方法設計
4.4 數值仿真實驗及結果分析
4.5 本章小結
第5章 脈沖噪聲信道對數似然比近似表達
5.1 引言
5.2 對數似然比函數
5.2.1 脈沖噪聲信道模型
5.2.2 信號傳輸模型
5.2.3 脈沖噪聲信道接收符號對數似然比
5.2.4 脈沖噪聲信道幾何信噪比
5.3 脈沖噪聲信道下對數似然比近似方法
5.3.1 非線性對數似然比近似函數
5.3.2 對數似然比近似函數參數選取準則
5.3.3 對數似然比近似函數的參數快速查找方法
5.4 仿真實驗和結果分析
5.4.1 采用LLR近似方法的譯碼漸進性能分析
5.4.2 數值仿真實驗及結果分析
5.5 本章小結
第6章 脈沖噪聲信道硬判決譯碼
6.1 引言
6.2 硬判決算法介紹
6.2.1 比特翻轉算法
6.2.2 梯度下降比特翻轉算法
6.3 基于懲罰因子的梯度下降比特翻轉算法
6.3.1 懲罰因子的下界推導
6.3.2 算法介紹
6.4 基于調整因子的梯度下降比特翻轉算法
6.4.1 基于調整因子的翻轉函數
6.4.2 算法介紹
6.5 仿真實驗與結果分析
6.5.1 對稱α穩定分布噪聲下的不同譯碼算法對比
6.5.2 高斯噪聲條件下的不同譯碼算法對比
6.6 本章小結
第7章 脈沖噪聲信道深度學習譯碼
7.1 引言
7.2 神經網絡譯碼概述
7.2.1 神經網絡模型介紹
7.2.2 神經網絡輔助譯碼
7.2.3 神經網絡譯碼器
7.3 基于前向神經網絡的脈沖噪聲下譯碼算法
7.3.1 系統設計
7.3.2 神經網絡訓練方法
7.3.3 實驗結果
7.4 基于門控神經網絡的脈沖噪聲下譯碼算法
7.4.1 系統設計
7.4.2 門控神經網絡譯碼詳述
7.4.3 神經網絡訓練方法
7.4.4 仿真性能分析
7.5 本章小結
第8章 脈沖噪聲信道圖形處理器高速譯碼實現
8.1 引言
8.2 脈沖噪聲信道LDPC分組碼GPU高速譯碼
8.2.1 *小和TDMP譯碼算法概述
8.2.2 脈沖噪聲信道下采用*小和算法的TDMP譯碼初始化方法
8.2.3 基于GPU的LDPC分組碼譯碼架構優化設計
8.2.4 基于GPU的LDPC分組碼譯碼架構內核函數優化
8.2.5 基于GPU的LDPC分組碼譯碼架構CUDA流執行效率優化
8.3 脈沖噪聲信道LDPC卷積碼GPU高速譯碼
8.3.1 LDPC卷積碼及其構造方法概述
8.3.2 LDPC卷積碼流水線譯碼算法
8.3.3 基于GPU的LDPC卷積碼流水線譯碼架構優化設計
8.3.4 流水線譯碼器的存儲訪問優化設計
8.3.5 流水線譯碼器的執行并行度優化設計
8.4 仿真實驗及結果分析
8.4.1 LDPC分組碼結果分析
8.4.2 LDPC卷積碼結果分析
8.5 本章小結
參考文獻
索引
展開全部
脈沖噪聲信道差錯控制編碼 作者簡介
劉榮科，男，1973年12月出生，博士、長聘教授、博士生導師，北京航空航天大學電子信息工程學院副院長，北京市教學名師，寶鋼優秀教師，教育部“新世紀優秀人才”，國家級精品課程主講教師，教育部電工電子教指委委員，榮獲國家教學成果獎二等獎。
書友推薦
- >
史學評論
- >
羅庸西南聯大授課錄
- >
隨園食單
- >
月亮虎
- >
山海經
- >
名家帶你讀魯迅:朝花夕拾
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
本類暢銷
