摘要
本发明提供了一种删余卷积码的多种未知参数识别方法、系统及存储介质,涉及卷积码参数识别技术领域;方法包括:确定卷积码候选集,从卷积码候选集中随机选择部分卷积码元素作为闭集候选集,并将卷积码候选集中剩下的卷积码元素作为开集候选集;基于闭集候选集和开集候选集中卷积码元素的元素参数生成多个样本数据,将多个样本数据划分对应得到闭集样本数据集和开集样本数据集;构建深度学习模型,深度学习模型包括主干网络和多个分支网络;利用闭集样本数据集和开集样本数据集对深度学习模型进行训练;将待识别信息输入到训练好的深度学习模型中进行识别,输出多种未知参数组合。本发明解决了目前无法识别多种未知参数组合的问题。
技术关键词
卷积码
参数识别方法
样本
分类网络
元素
标签
数据
深度学习模型训练
参数识别技术
分支
计算机系统
处理器
笛卡尔
矩阵
误码率
可读存储介质
系统为您推荐了相关专利信息
储能设备
历史监测数据
充放电策略
负荷预测模型
短期负荷预测
梯度提升机
数据
计算机可读指令
欺诈检测
计算机设备
滚动优化方法
路口车流量
神经网络预测模型
神经网络算法
优化调度模型
图像分割模型
分割图像数据
分割医学图像
医学图像分割方法
噪声图像