基于深度学习的纠错编码方式识别

作者：刘洁; 刘凯

来源：电子测量技术, 2019, 42(16): 154-158.

DOI：10.19651/j.cnki.emt.1902788

• 信道编码识别
• 卷积神经网络
• 改进LeNet-5网络
• 特征提取

引入卷积神经网络(CNN)用于解决信道编码方式识别问题,提出了一种基于改进LeNet-5网络的编码方式自动识别方法,该方法将接收机端接收到的信号进行预处理,预处理之后的数据作为深度卷积神经网络(DCNN)的输入,根据训练好的模型对时域编码信号进行直接特征提取与识别分类。针对ldpc码、卷积码、汉明码三种典型的编码方式进行了仿真实验,信噪比大于8时,编码方式的识别准确率大于80%。不同码率的卷积码之间,信噪比大于8时,识别准确率可以达到95%以上。实验结果表明,基于DCNN的时域编码信号识别是可行的。

• 单位
  通信与信息工程学院; 上海大学