收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

神经网络技术在大气激光信道反演分析及信道编码译码中的应用研究

肖伟  
【摘要】:本论文分为两个部分,第一个部分为自由空间光通信领域的信道反演研究,尤其是对雨信道进行了分析。在第二部分,主要研究了信道编码和信道译码技术。采用神经网络技术,最终完成具有智能的编码过程。第一章,我们对大气激光通信信道研究的瓶颈进行了阐述,尤其采用传统数学方式,对信道反演存在的困难进行了演绎;另一方面,对传统的信道编码技术,译码技术做了简要介绍,包含常用的LDPC编码、RS编码。第二章,提出了权值特征提取技术,是一种从训练好的多层感知器网络中反演提取训练样本组特征信道的一种全新的数据分析工具,这种技术能够实现数据集的深度分析研究。首先,把大气激光通信实验数据集转化为多层感知器网络的训练样本集;其次,利用该训练样本集来训练多层感知器网络,此时,样本集中的核心信息在训练结束后将充分转移到网络中去;最后,采用权值特征提取技术在训练好的网络中提取特征信息,并计算权值能量通道以及数据集的关联度。实际测试的结果表明:季节因素强于降雨量因素,雨强对大气激光雨信道质量影响最大。这个结果对大气激光雨信道研究具有重要参考意义。第三章,对青藏高原大气激光雨信道进行了反演分析。对于这方面的研究,由于缺乏原始的实验数据和合适的数据分析手段,这方面的研究一直都很少有人问津。在本章,采用了神经网络群与初始权值优化相结合的分析处理手段。首先,根据不同的季节条件来构造神经网络群;其次,采用初始权值优化算法,通过已有的大气激光雨信道的原始实验数据集来选择匹配的初始权值;再次,训练神经网络群,直至神经网络群达到期望的收敛要求;最后,加载青藏高原降雨气象数据(以拉萨为例)到训练好的神经网络群中,从而反演出最终的信道质量。最后的结论表明,在春季的降雨,青藏高原大气激光雨信道质量最佳,紧接着是冬雨、夏雨和秋雨。第四章,采用神经网络技术对LDPC信道编码进行了信道反演分析。由于缺乏合适的数据分析工具,尤其是在大气激光雨信道的条件下,LDPC编码性能的研究很少受人关注。在本章中,提出了前向权值特征提取算法,这种算法是在训练好的多层感知器网络中提取特征信息的一种新方法。首先,大气激光雨信道环境下,LDPC信道编码的原始实验数据集,需要通过预处理,转换为多层感知器网络能够使用的训练样本集;其次,根据训练样本集的大小建立网络,并用初始权值优化技术选择与训练样本集相匹配的初始权值;再次,利用误差反传算法训练多层感知器网络直至总误差达到要求;最后,利用前向权值特征提取算法从训练完成的网络中提取特征信息,即:最终可以计算出雨信道中各个因素对LDPC信道编码性能的影响程度。实验表明,雨强对LDPC性能的关联度为39,这与对实验数据的直接分析结论是一致的;季节的关联度第二,为24;信道质量位列第三,为19;降雨量的关联度最小,为18第五章,提出了一种新型通用神经网络译码器,该译码器为对称自组织映射结构,能够完成对任意纠错码的译码。这种对称自组织映射结构的译码器,采用LDPC编码进行了测试,并与传统译码器进行了性能的比较,仿真。实际的结果表明,对称自组织映射结构的译码器能够完成边学习,边译码的功能,并且不需要事先知道对应的编码规则。码字出现的概率越高,则译码纠错的质量越好。相比传统的纠错译码器,它更易于构造,针对不同类型码字的普适性高,在未来通信信道编码领域具有一定的前景。第六章,提出了前向神经网络编码器的设计,这种信道编码器采用自组织映射的神经网络作为编码器的主要结构。首先,根据源消息位的维度和码字的维度建立自组织映射神经网络;其次,选择合适的权值分布来初始化神经网络;最后,检测码字的唯一性,直至达到要求。在译码阶段,多层感知器网络作为对应的译码器。首先,根据源消息位数和码字位数的维度来构建对应的多层感知器网络;其次,利用前向神经网络编码器产生的码字组作为样本组训练多层感知器网络,直至网络的总误差达到预设值;最后,利用训练好的多层感知器网络来完成译码工作。实际的仿真测试表明,神经网络编码器和译码器方案是可行的。在合适的前向神经网络结构和输出节点度的情况下,能够获得较好的编码译码效果。总之,由神经网络编码器生成的码字组,是无法用传统的数学方面完成译码工作的,因此,这种编译码方式在安全通信领域具有一定的市场前景。第七章,提出了一种改进型的神经网络编码器,这种编码器采用SOM神经网络单独产生校验位。而最终的完整码字由N个源消息位和K个校验位共同组成。在本项目中,全连接模式与部分连接模式都进行了仿真。在译码端,多层感知器网络被用作译码器。具体步骤如下:(1)根据码字组与源消息位的大小构建多层感知器网络;(2)利用神经网络编码器产生的码字组来训练多层感知器网络,直至网络收敛;(3)训练好的多层感知器网络开始接受码字并译码。实际测试表明:(1)全连接模式与部分连接模式在性能上没有明显的差异;(2)采用Tanner Graph模式来构造权值的部分连接,能够降低运算复杂度,并获得较好的编码译码效果。总之,神经网络编码器具有以下几个优势:(1)神经网络的结构和对应的权值组就是编码算法本身,这种模式具有一定的保密性;(2)神经网络结构简化为部分连接模式,则可以较小的计算复杂度获得较好的编码特性;(3)这种编码译码的方法在保密通信领域具有一定的市场前景。第八章,对信道反演算法进行了总结。不同的信道反演分析算法各自有其合适的应用场合,对此,进行了归纳。权值特征提取技术和前向权值特征提取具有相似之处,即:都是从训练好的神经网络中提取关键信息;而神经网络群技术,则适于受限的原始实验数据集,即:数据集中缺乏原始关键信息。另一方面,对不同信道反演算法进行了比较总结。在权值特征提取技术中,数据集关联的反演是通过权值迭代偏移量来实现的;而在前向权值特征提取中,采用了前向计算的方式去建立数据集内部各个数据之间的联系;神经网络群则是根据数据集内存有间接因果关系,事先划分。进一步,针对不同的编码译码算法,根据其各自的特点进行了总结。每一个算法都有适合其特点的应用场合。另一方面,本文对各个算法进行了比较、研究。对称自组织映射结构的译码器适用于低维度的情况,而多层感知器结构的译码器在实际应用中取得了较好的效果。在神经网络编码器领域,改进型、部分连接模式的编码器,具有计算复杂度低,性能好的特点,在未来应用中有好的前景。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
8 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
9 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
10 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
11 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
12 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
13 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
14 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
15 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
16 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
17 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 徐鹏;基于深度学习的结构健康监测[D];暨南大学;2017年
2 韩韬;基于深度学习的柔性压力阵列信息的压缩采样、重构和预测[D];东华大学;2018年
3 刘宏建;基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题研究[D];东华大学;2018年
4 肖伟;神经网络技术在大气激光信道反演分析及信道编码译码中的应用研究[D];武汉大学;2018年
5 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
6 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
7 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
8 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
9 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
10 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
中国硕士学位论文全文数据库 前10条
1 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
2 齐照辉;基于TensorFlow的卷积神经网络应用[D];武汉大学;2018年
3 陈健;基于深度学习的汉字笔迹自动比较检验与鉴别研究[D];浙江理工大学;2019年
4 张玮;基于深度学习的织物面料成分分类算法研究[D];浙江理工大学;2019年
5 罗梦研;基于卷积神经网络的女装图像分类算法研究[D];浙江理工大学;2019年
6 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
7 刘芳;合体女西装样板的自动生成[D];浙江理工大学;2019年
8 别海楠;铝合金6061微铣削加工有限元仿真研究[D];东北大学;2017年
9 郑江龙;基于卷积神经网络的隐式篇章关系识别模型[D];厦门大学;2017年
10 邵建军;基于神经网络和遗传算法的激光选区熔化成形工艺优化研究[D];华中科技大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978