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 PDF
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
Read Print
Internet Authorized users SPbPU
Read Print
Internet Anonymous

Access count: 0 
Last 30 days: 0

Detailed usage statistics