- 航天智能通信原理与应用(航空航天新兴领域高等教育教材高等院校通信与信息专业系列教材)
- - 作者：编者:代健美|责编:李馨馨
  - 出版社：机械工业
  - ISBN：9787111768807
  - 出版日期：2025/04/01
  - 页数：220
- 售价：27.6

内容大纲
本书面向航天智能通信的发展与变化，首次系统介绍了航天智能通信的基本概念、原理和技术。着重介绍了人工智能方法在航天通信系统中的各种应用。全书共8章，主要概述了航天智能通信的相关概念、系统组成、功能特点，以及面临的挑战和发展趋势等，介绍了可用于航天通信各环节的机器学习、深度学习、强化学习、联邦学习、元学习等核心技术，按照通信系统分层思想重点介绍了基于人工智能的信道估计、数字调制信号解调、信道解码、频谱感知、资源调度和抗干扰等技术、方法及应用实例。
本书可作为高等院校通信工程、网络工程、信息工程、电子信息等专业高年级本科生和研究生教材，也可供相关专业的工程技术人员参考。
作者介绍
目录
前言
二维码索引
第1章  概述
  1.1  航天通信的概念与特点
    1.1.1  基本概念
    1.1.2  航天通信的特点
  1.2  航天智能通信的概念与特点
    1.2.1  基本概念
    1.2.2  航天智能通信的特点
  1.3  航天智能通信系统
    1.3.1  点对点航天通信系统模型
    1.3.2  点对点航天智能通信系统模型
    1.3.3  卫星智能通信系统
  1.4  航天智能通信的挑战与发展
    1.4.1  航天智能通信面临的挑战
    1.4.2  航天智能通信的发展趋势
第2章  航天智能通信技术基础
  2.1  机器学习
    2.1.1  机器学习的分类
    2.1.2  用机器学习解决通信问题的一般流程
    2.1.3  特征工程
    2.1.4  模型的评估和选择
  2.2  深度学习
    2.2.1  人工神经网络
    2.2.2  深度神经网络
    2.2.3  卷积神经网络
    2.2.4  循环神经网络
  2.3  强化学习
    2.3.1  传统强化学习算法
    2.3.2  深度强化学习算法
  2.4  联邦学习
    2.4.1  联邦学习过程
    2.4.2  联邦学习架构
    2.4.3  联邦学习类型
    2.4.4  存在的问题
  2.5  元学习
    2.5.1  元学习问题设置
    2.5.2  MAML
第3章  基于人工智能的信道估计
  3.1  传统物理模型信道估计
    3.1.1  信道估计原理
    3.1.2  基于导频的非盲信道估计
  3.2  基于压缩感知的多天线信道估计
    3.2.1  压缩感知理论
    3.2.2  基于压缩感知的信道估计算法
  3.3  数据驱动的智能卫星信道估计
    3.3.1  基于DNN的多天线时域信道估计模型
    3.3.2  基于CNN的多天线频域信道估计模型
    3.3.3  基于RNN的时变信道估计模型
  3.4  模型驱动的智能卫星信道估计

    3.4.1  深度残差网络辅助的OMP信道估计模型
    3.4.2  基于深度展开的AMP迭代信道估计模型
  3.5  基于元学习的小样本时变信道估计
    3.5.1  基于元学习的信道估计模型
    3.5.2  元学习的实现流程
第4章  基于人工智能的数字调制信号解调
  4.1  典型数字调制解调原理
    4.1.1  PSK调制解调
    4.1.2  QAM调制解调
  4.2  基于机器学习的数字调制信号解调
    4.2.1  基于机器学习的信号解调基本流程
    4.2.2  基于SVM的QPSK信号解调
    4.2.3  基于随机森林的16QAM信号解调
  4.3  基于深度学习的数字调制信号解调
    4.3.1  基于MLP的解调器
    4.3.2  基于CNN的解调器
    4.3.3  基于SAE的解调器
    4.3.4  深度学习解调仿真示例
第5章  基于人工智能的信道译码
  5.1  基于神经网络的线性分组码译码
    5.1.1  基本概念
    5.1.2  编码原理
    5.1.3  经典译码方法
    5.1.4  基于RBF的通用译码方法
  5.2  基于深度学习的LDPC码译码
    5.2.1  编码原理
    5.2.2  经典译码算法
    5.2.3  基于置信传播-深度学习网络的LDPC码译码算法
  5.3  基于深度学习的卷积码译码
    5.3.1  编码原理
    5.3.2  经典译码算法
    5.3.3  基于CNN的卷积码译码方法
  5.4  基于深度学习的Turbo码译码
    5.4.1  编码原理
    5.4.2  经典译码算法
    5.4.3  基于RNN的Turbo码译码方法
第6章  基于人工智能的卫星资源调度
  6.1  资源调度基本原理
    6.1.1  资源的概念
    6.1.2  传统资源调度方法
    6.1.3  智能资源调度方法
  6.2  基于DRL的跳波束系统资源调度
    6.2.1  跳波束系统概述
    6.2.2  基于DDQN的单智能体DRL资源调度
    6.2.3  基于迁移学习的单智能体DRL资源调度
    6.2.4  合作式多智能体DRL资源调度
  6.3  基于联邦学习的卫星物联网系统资源调度
    6.3.1  支持多任务联邦学习的卫星物联网系统概述
    6.3.2  基于信道条件与本地训练效果的客户端选择
    6.3.3  基于KM算法的功率和带宽分配

  6.4  基于DRL的星地缓存资源调度
    6.4.1  星地两级异构缓存网络概述
    6.4.2  基于DRL的缓存决策
第7章  基于人工智能的频谱感知
  7.1  基本概念
    7.1.1  无线频谱分配
    7.1.2  电磁频谱感知
  7.2  传统电磁频谱感知方法
    7.2.1  单用户频谱感知
    7.2.2  协作频谱感知
  7.3  基于深度学习的单用户频谱感知
  7.4  基于深度学习的协作频谱感知
  习题
第8章  基于人工智能的卫星抗干扰通信1
  8.1  抗干扰原理与方法
    8.1.1  干扰与抗干扰
    8.1.2  传统抗干扰方法
    8.1.3  智能抗干扰方法
  8.2  干扰认知技术
    8.2.1  干扰检测技术
    8.2.2  干扰识别技术
    8.2.3  干扰参数估计
  8.3  抗干扰波形重构技术
  8.4  快速适变的鲁棒传输技术
  8.5  实时抗干扰通信智能决策技术
    8.5.1  决策模型
    8.5.2  学习推理和智能决策

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目