Details
Title | Методы глубокого обучения для приёма FTN сигналов: выпускная квалификационная работа бакалавра: направление 11.03.01 «Радиотехника» ; образовательная программа 11.03.01_01 «Космические и наземные радиотехнические системы» |
---|---|
Creators | Воронков Михаил Константинович |
Scientific adviser | Павлов Виталий Александрович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций |
Imprint | Санкт-Петербург, 2025 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | faster-than-nyquist ; спектрально-эффективные сигналы ; межсимвольная интерференция ; глубокое обучение ; нейронные сети ; spectrally effective signals ; intersymbol interference ; deep learning ; neural networks |
Document type | Bachelor graduation qualification work |
File type | |
Language | Russian |
Level of education | Bachelor |
Speciality code (FGOS) | 11.03.01 |
Speciality group (FGOS) | 110000 - Электроника, радиотехника и системы связи |
DOI | 10.18720/SPBPU/3/2025/vr/vr25-1401 |
Rights | Доступ по паролю из сети Интернет (чтение, печать) |
Additionally | New arrival |
Record key | ru\spstu\vkr\36401 |
Record create date | 8/8/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
В ходе работы кратко были рассмотрены спектрально-эффективные FTN сигналы, а также классические методы их приёма. Помимо этого, были рассмотрены алгоритмы приёма FTN сигналов, базирующиеся на методах глубокого обучения, после чего был проведен их анализ. В последствии рассмотренные алгоритмы приёма были сравнены с классическими алгоритмами. Из полученных после сравнения данных, было определено, что внедрение методов глубокого обучения, в процесс приема, является перспективной нишей при передаче FTN сигналов.
In this work, spectral-efficient FTN signals, as well as classical methods of their reception, were briefly considered. In addition, algorithms for receiving FTN signals based on deep learning methods were considered, after which their analysis was carried out. Subsequently, the reception algorithms considered were compared with classical algorithms. From the data obtained after comparison, it was determined that the introduction of deep learning methods into the reception process is a promising niche in the transmission of FTN signals.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 0
Last 30 days: 0