|
基于深度学习的神经网络技术在信息通信领域的应用研究
|
Abstract:
深度学习神经网络技术是人工智能技术的前沿领域,该技术的应用在政治学、国民经济、军队、社区乃至人们本身都产生深远的影响,在信息通信领域的应用对提升部队战斗力也有着重要的意义。本文介绍了深度学习神经网络技术以及在军事领域的应用,概述了该技术在信息通信领域的应用,分析发现通过该技术的应用不仅可以提升通信抗干扰能力、提升通信质量,还能在网络故障预警中提升排障效率,该技术在信息通信领域的研究具有重要意义。
Deep learning neural network technology is the frontier field of artificial intelligence technology. The application of this technology has a profound impact on political science, national economy, army, community and even people themselves. The application in the field of information communication is also of great significance to improve the combat effectiveness of the army. This paper introduces the deep learning neural network technology and its application in the military field, and summarizes the application of this technology in the field of information and communication. It is found that the application of this technology can not only improve the communication anti-interference ability and communication quality, but also improve the troubleshooting efficiency in network fault warning. This technology is of great significance in the field of information and communication research.
[1] | 刘杰. 军事领域中现代通信技术的应用探究[J]. 数字通信世界, 2019, 10(2): 183. |
[2] | 周晟颐. 深度学习技术综述[J]. 科技传播, 2018, 10(20): 116-118. |
[3] | 王亚珅. 2020年深度学习技术发展综述[J]. 无人系统技术, 2021, 4(2): 1-7. |
[4] | 林椿珉, 曾烈康, 陈旭. 边缘智能驱动的高能效无人机自主导航算法研究[J]. 物联网学报, 2021, 5(2): 87-96. |
[5] | 夏乐, 李长安, 江涛, 龙强, 张杰. 基于深度卷积神经网络的遥感图像船只识别[J]. 地理空间信息, 2021, 19(9): 7-9+157. |
[6] | 宋佰霖, 许华, 蒋磊, 饶宁. 一种基于深度强化学习的通信抗干扰智能决策方法[J]. 西北工业大学学报, 2021, 39(3): 641-649. |
[7] | 梁天棋. 基于深度学习的通信抗干扰接收算法研究[D]: [硕士学位论文]. 哈尔滨: 哈尔滨工业大学, 2020. |
[8] | 徐建业, 杨霄鹏, 李伟, 王泓霖. 基于动态学习率深度神经网络的抗干扰信道编码算法[J]. 计算机应用研究, 2020, 37(7): 2171-2174. |
[9] | 刘佩璋, 杨博, 刘江春, 崔丽丽, 丛子林. 基于深度学习的卫星通信抗干扰方法[J]. 电子测试, 2020(1): 86-87. |
[10] | 缪巍巍, 吴海洋, 陈鹏, 李伟, 蒋春霞, 朱鹏宇. 基于深度强化学习的通信网故障智能感知与预警模型研究[J]. 机械设计与制造工程, 2021, 50(6): 102-104. |
[11] | 赵明, 谢萍, 赵志军, 武孟. 基于深度学习的网络故障诊断[J]. 计算机与网络, 2020, 46(9): 64-67. |
[12] | 王菲. 基于深度学习的光网络故障定位技术研究[D]: [硕士学位论文]. 北京: 北京邮电大学, 2019. |
[13] | 张雷. 基于深度学习的网络故障诊断方法研究[D]: [硕士学位论文]. 南京: 南京邮电大学, 2018. |
[14] | 张清, 胡国兵, 赵嫔姣. 基于AlexNet卷积神经网络的5G信号调制方式识别[J]. 信息化研究, 2020, 46(2): 36-43. |
[15] | 张佳炜. 基于卷积神经网络的数字信号调制方式识别及参数估计[D]: [硕士学位论文]. 哈尔滨: 哈尔滨理工大学, 2021. |
[16] | 张子威. 基于深度学习的通信信号调制识别研究[D]: [硕士学位论文]. 哈尔滨: 黑龙江科技大学, 2021. |
[17] | 崔凯. 基于深度学习的卫星信号调制样式识别算法研究[D]: [硕士学位论文]. 北京: 中国科学院大学(中国科学院国家空间科学中心), 2021. |
[18] | 乔元健. 基于深度学习的MIMO-OFDM自适应传输技术研究[D]: [硕士学位论文]. 济南: 齐鲁工业大学, 2021. |
[19] | 孙汝杰. 基于卷积神经网络的短波信道质量分类[J]. 现代信息科技, 2021, 5(6): 70-72+76. |
[20] | 廖勇, 花远肖, 姚海梅. 基于深度学习的OFDM信道估计[J]. 重庆邮电大学学报(自然科学版), 2019, 31(3): 348-353. |