幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

航天智能通信原理與應用(航空航天新興領域高等教育教材高等院校通信與信息專業系列教材)

  • 作者：編者:代健美|責編:李馨馨
  • 出版社：機械工業
  • ISBN：9787111768807
  • 出版日期：2025/04/01
  • 裝幀：平裝
  • 頁數：220
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書面向航天智能通信的發展與變化，首次系統介紹了航天智能通信的基本概念、原理和技術。著重介紹了人工智慧方法在航天通信系統中的各種應用。全書共8章，主要概述了航天智能通信的相關概念、系統組成、功能特點，以及面臨的挑戰和發展趨勢等，介紹了可用於航天通信各環節的機器學習、深度學習、強化學習、聯邦學習、元學習等核心技術，按照通信系統分層思想重點介紹了基於人工智慧的通道估計、數字調製信號解調、通道解碼、頻譜感知、資源調度和抗干擾等技術、方法及應用實例。
    本書可作為高等院校通信工程、網路工程、信息工程、電子信息等專業高年級本科生和研究生教材，也可供相關專業的工程技術人員參考。
作者介紹
編者:代健美|責編:李馨馨
目錄
前言
二維碼索引
第1章  概述
  1.1  航天通信的概念與特點
    1.1.1  基本概念
    1.1.2  航天通信的特點
  1.2  航天智能通信的概念與特點
    1.2.1  基本概念
    1.2.2  航天智能通信的特點
  1.3  航天智能通信系統
    1.3.1  點對點航天通信系統模型
    1.3.2  點對點航天智能通信系統模型
    1.3.3  衛星智能通信系統
  1.4  航天智能通信的挑戰與發展
    1.4.1  航天智能通信面臨的挑戰
    1.4.2  航天智能通信的發展趨勢
第2章  航天智能通信技術基礎
  2.1  機器學習
    2.1.1  機器學習的分類
    2.1.2  用機器學習解決通信問題的一般流程
    2.1.3  特徵工程
    2.1.4  模型的評估和選擇
  2.2  深度學習
    2.2.1  人工神經網路
    2.2.2  深度神經網路
    2.2.3  卷積神經網路
    2.2.4  循環神經網路
  2.3  強化學習
    2.3.1  傳統強化學習演算法
    2.3.2  深度強化學習演算法
  2.4  聯邦學習
    2.4.1  聯邦學習過程
    2.4.2  聯邦學習架構
    2.4.3  聯邦學習類型
    2.4.4  存在的問題
  2.5  元學習
    2.5.1  元學習問題設置
    2.5.2  MAML
第3章  基於人工智慧的通道估計
  3.1  傳統物理模型通道估計
    3.1.1  通道估計原理
    3.1.2  基於導頻的非盲通道估計
  3.2  基於壓縮感知的多天線通道估計
    3.2.1  壓縮感知理論
    3.2.2  基於壓縮感知的通道估計演算法
  3.3  數據驅動的智能衛星通道估計
    3.3.1  基於DNN的多天線時域通道估計模型
    3.3.2  基於CNN的多天線頻域通道估計模型
    3.3.3  基於RNN的時變通道估計模型
  3.4  模型驅動的智能衛星通道估計

    3.4.1  深度殘差網路輔助的OMP通道估計模型
    3.4.2  基於深度展開的AMP迭代通道估計模型
  3.5  基於元學習的小樣本時變通道估計
    3.5.1  基於元學習的通道估計模型
    3.5.2  元學習的實現流程
第4章  基於人工智慧的數字調製信號解調
  4.1  典型數字調製解調原理
    4.1.1  PSK調製解調
    4.1.2  QAM調製解調
  4.2  基於機器學習的數字調製信號解調
    4.2.1  基於機器學習的信號解調基本流程
    4.2.2  基於SVM的QPSK信號解調
    4.2.3  基於隨機森林的16QAM信號解調
  4.3  基於深度學習的數字調製信號解調
    4.3.1  基於MLP的解調器
    4.3.2  基於CNN的解調器
    4.3.3  基於SAE的解調器
    4.3.4  深度學習解調模擬示例
第5章  基於人工智慧的通道解碼
  5.1  基於神經網路的線性分組碼解碼
    5.1.1  基本概念
    5.1.2  編碼原理
    5.1.3  經典解碼方法
    5.1.4  基於RBF的通用解碼方法
  5.2  基於深度學習的LDPC碼解碼
    5.2.1  編碼原理
    5.2.2  經典解碼演算法
    5.2.3  基於置信傳播-深度學習網路的LDPC碼解碼演算法
  5.3  基於深度學習的卷積碼解碼
    5.3.1  編碼原理
    5.3.2  經典解碼演算法
    5.3.3  基於CNN的卷積碼解碼方法
  5.4  基於深度學習的Turbo碼解碼
    5.4.1  編碼原理
    5.4.2  經典解碼演算法
    5.4.3  基於RNN的Turbo碼解碼方法
第6章  基於人工智慧的衛星資源調度
  6.1  資源調度基本原理
    6.1.1  資源的概念
    6.1.2  傳統資源調度方法
    6.1.3  智能資源調度方法
  6.2  基於DRL的跳波束系統資源調度
    6.2.1  跳波束系統概述
    6.2.2  基於DDQN的單智能體DRL資源調度
    6.2.3  基於遷移學習的單智能體DRL資源調度
    6.2.4  合作式多智能體DRL資源調度
  6.3  基於聯邦學習的衛星物聯網系統資源調度
    6.3.1  支持多任務聯邦學習的衛星物聯網系統概述
    6.3.2  基於通道條件與本地訓練效果的客戶端選擇
    6.3.3  基於KM演算法的功率和帶寬分配

  6.4  基於DRL的星地緩存資源調度
    6.4.1  星地兩級異構緩存網路概述
    6.4.2  基於DRL的緩存決策
第7章  基於人工智慧的頻譜感知
  7.1  基本概念
    7.1.1  無線頻譜分配
    7.1.2  電磁頻譜感知
  7.2  傳統電磁頻譜感知方法
    7.2.1  單用戶頻譜感知
    7.2.2  協作頻譜感知
  7.3  基於深度學習的單用戶頻譜感知
  7.4  基於深度學習的協作頻譜感知
  習題
第8章  基於人工智慧的衛星抗干擾通信1
  8.1  抗干擾原理與方法
    8.1.1  干擾與抗干擾
    8.1.2  傳統抗干擾方法
    8.1.3  智能抗干擾方法
  8.2  干擾認知技術
    8.2.1  干擾檢測技術
    8.2.2  干擾識別技術
    8.2.3  干擾參數估計
  8.3  抗干擾波形重構技術
  8.4  快速適變的魯棒傳輸技術
  8.5  實時抗干擾通信智能決策技術
    8.5.1  決策模型
    8.5.2  學習推理和智能決策

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032