新書推薦：
《
从概念到思维——写给法科新生的12堂法学导读课
》
售價：HK$
347
《
甲骨文丛书·尼罗河的源头：非洲大湖地区两千年
》
售價：HK$
500
《
一语胜万言
》
售價：HK$
230
《
朱子的穷理工夫论 , 香江哲学丛书
》
售價：HK$
485
《
雾越邸暴雪谜案：全2册（綾辻行人作品）
》
售價：HK$
658
《
数据资产：从价值评估到价值管理（数字化转型与企业高质量发展）
》
售價：HK$
347
《
时代狂澜与士人心波：晚明传奇中的情与理研究
》
售價：HK$
449
《
日本侵华战争及其战后遗留问题和影响
》
售價：HK$
347
|
| 內容簡介： |
|
近年来，人工智能（AI）技术取得了快速发展，在包括电子信息行业在内的各行各业都展现了巨大的应用潜力。AI在通信业中也得到大量的研究与应用，被用在处理复杂的资源调度等环节。但是，这些应用大都集中在通信系统功能之上，如何利用AI技术处理通信信号的研究工作还有待全面开展。 通信技术经过近几十年的高速发展，学术界和产业界建立了大量看起来近乎完美的信号处理模型，维持着从电报到5G通信系统的发展。但是，需要明确的是，我们的通信系统是建立在一个不确定的且越来越复杂的传输环境中，我们无法为这个不确定的世界预先构建一个完美的模型。 传统的通信物理层设计从将信道影响构建统计模型开始，再将功能划分为不同的模块如调制、信道编码等，从而分别进行设计与优化。但我们不禁要问，这种发展了数十年的基于理想假设与分块优化的思路，是否能够产生最优的信号处理机制？而另一方面，神经网络是否能生成人们无法轻易基于传统方法构想到的信号？ 本书结合当前国际学者与作者研究团队近年来的研究成果，将探讨这一有望改变延续了几十年的通信底层设计的新范式，激发底层通信与人工智能联合设计的更多研究。
|
| 關於作者： |
|
孙卓，北京邮电大学副教授及博士生导师，中国通信学会信创技术委员会委员，军队二等功获得者，国家级精品课程《通信原理》教学团队骨干教师，主要研究方向为智能信号处理与通信安全。
|
| 目錄：
|
第一篇 用神经网络单元重构信号处理
第1章 神经网络滤波3
1.1 神经网络滤波简介3
1.2 余弦基神经网络滤波4
1.2.1 原理分析4
1.2.2 余弦基神经网络模型5
1.2.3 余弦基神经网络滤波器6
1.2.4 训练流程7
1.2.5 结果分析7
1.3 卷积神经滤波9
1.3.1 原理分析9
1.3.2 简单的验证10
1.3.3 增加注意力机制的卷积神经滤波12
1.4 小结15
本章参考文献16
第2章 信号增强神经网络17
2.1 概述17
2.2 基于时序学习实现干扰检测17
2.2.1 信号预测模型18
2.2.2 干扰检测23
2.3 基于生成对抗实现信号增强24
2.3.1 基本原理25
2.3.2 模型设计26
2.3.3 应用与性能分析27
2.4 小结31
本章参考文献31
第3章 时频分析神经单元32
3.1 时频变换神经单元概述32
3.2 短时傅里叶变换的神经网络设计方法32
3.2.1 短时傅里叶变换32
3.2.2 基于神经网络的时频变换学习33
3.2.3 性能分析38
3.3 小波变换的神经网络设计方法41
3.3.1 问题描述41
3.3.2 小波变换41
3.3.3 拟合DWT的融合特征学习算法42
3.4 小结46
本章参考文献47
第二篇 端到端学习构建通信模型
第4章 端到端学习通信51
4.1 传统通信系统的框架与设计原则51
4.2 基于端到端学习的物理层通信系统51
4.2.1 端到端学习通信系统设计原理51
4.2.2 端到端学习通信系统模型搭建53
4.2.3 性能分析53
4.3 利用神经网络优化解调接收55
4.3.1 神经匹配滤波55
4.3.2 基于神经匹配滤波的端到端学习通信系统设计60
4.4 小结66
本章参考文献67
第5章 学习调制星座成形68
5.1 调制星座成形技术68
5.1.1 信息论基础68
5.1.2 几何星座成形69
5.1.3 概率星座成形70
5.2 端到端学习优化星座成形：以最小化误码率约束72
5.2.1 问题分析72
5.2.2 网络模型结构73
5.2.3 基于最小化误符率的星座成形算法74
5.2.4 基于最小化误符率的星座成形仿真分析77
5.3 端到端优化设计星座成形：以最大化互信息为目标82
5.3.1 问题分析82
5.3.2 网络模型结构83
5.3.3 基于最大化互信息的星座成形算法84
5.3.4 性能仿真模型训练方法85
5.4 小结90
本章参考文献90
第6章 学习物理层安全通信92
6.1 经典窃听信道模型92
6.2 物理层通信安全研究存在的挑战94
6.3 端到端学习安全通信模型95
6.3.1 模型设计96
6.3.2 互信息估计96
6.3.3 模型损失函数设计及训练方法98
6.4 模型测试结果和性能评估99
6.5 与现有相关研究方法的性能对比102
6.6 小结104
本章参考文献104
第7章 学习语义通信106
7.1 端到端联合语义与信道编解码框架106
7.2 基于自训练Transformer的语义编解码器设计108
7.2.1 系统架构108
7.2.2 模型参数设计109
7.2.3 模型训练流程112
7.3 基于预训练模型的语义编解码器设计113
7.3.1 系统架构113
7.3.2 编解码器分解使用预训练语言模型115
7.3.3 编解码器重用预训练语言模型119
7.4 性能评价指标设计124
7.4.1 文本相似性124
7.4.2 语义相似性125
7.5 性能分析125
7.5.1 数据集125
7.5.2 抗噪声性能分析127
7.5.3 语义保真性能分析131
7.5.4 跨场景性能分析135
7.5.5 训练复杂度分析137
7.6 小结139
本章参考文献139
第三篇 数据与模型联合驱动的应用设计
第8章 调制方式识别应用143
8.1 集成时频分析神经单元的调制识别143
8.1.1 识别模型143
8.1.2 信号数据集构成145
8.1.3 模型参数146
8.1.4 结果分析147
8.2 集成信号增强神经单元的调制识别148
8.2.1 卷积神经网络识别模型148
8.2.2 基于可嵌入自适应增强滤波单元的调制识别网络149
8.2.3 基于生成对抗网络的无线信号增强模型的调制识别网络149
8.2.4 结果分析150
8.3 小结152
本章参考文献153
第9章 辐射源识别应用154
9.1 基于深度学习的辐射源特征提取154
9.1.1 通信辐射源射频指纹信号建模154
9.1.2 特征提取网络设计156
9.1.3 模型训练及评估158
9.2 未知类型通信辐射源个体识别算法159
9.2.1 特征选择及可视化分析160
9.2.2 未知类型辐射源识别算法设计161
9.2.3 识别性能评估方法161
9.2.4 识别结果及分析162
9.3 基于迁移学习的动态信道下通信辐射源个体识别165
9.3.1 构建基于迁移学习的辐射源个体识别模型166
9.3.2 动态信道环境对辐射源个体识别的影响167
9.3.3 模型设计基本思想168
9.3.4 基于迁移学习的辐射源个体识别网络169
9.3.5 实验结果及分析171
9.4 小结174
本章参考文献174
第10章 盲信号分离应用176
10.1 问题提出176
10.1.1 ICA算法中非线性函数的优化调整176
10.1.2 数据驱动思路的引入177
10.2 基于可解释学习的ICA增强网络178
10.2.1 原理分析178
10.2.2 模型设计179
10.2.3 分离结果182
10.3 基于多项式参数优化的ICA增强网络186
10.3.1 原理分析187
10.3.2 模型设计188
10.3.3 结果分析189
10.4 小结191
本章参考文献191
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
