Детальная информация
Название | 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» |
---|---|
Авторы | Воронков Михаил Константинович |
Научный руководитель | Павлов Виталий Александрович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций |
Выходные сведения | Санкт-Петербург, 2025 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | faster-than-nyquist ; спектрально-эффективные сигналы ; межсимвольная интерференция ; глубокое обучение ; нейронные сети ; spectrally effective signals ; intersymbol interference ; deep learning ; neural networks |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 11.03.01 |
Группа специальностей ФГОС | 110000 - Электроника, радиотехника и системы связи |
DOI | 10.18720/SPBPU/3/2025/vr/vr25-1401 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\36401 |
Дата создания записи | 08.08.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
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.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0