Sequence modeling benchmarks and temporal convolutional networks

DSP卷积算法的实现实验报告.docx

基于RISCV64果核处理器的卷积神经网络加速器研究.zip

MSDNet 多尺度密集卷积网络的有效预测

fftw-convolution-example-1D 使用库中实现的快速傅立叶变换 (FFT) 执行实向量一维离散卷积的简单 C++ 示例。 这段代码是著名的卷积定理的简单直接应用。 它效率不高，但意味着易于理解。 算法说明 设 v1, v2 是两个实数向量。 这些向量的离散（线性）卷积可以通过以下过程计算： 将两个向量零填充到长度 size(v1)+size(v2)-1。 计算填充向量的离散傅立叶变换。 计算这些傅立叶变换的逐点乘积。 即 result[i] = Fourier(pad(v1))[i] * Fourier(pad(v2))[i] 通过逆傅里叶变换变换结果。 必须预先填充向量的原因是没有填充，此过程将计算 v1 和 v2 的循环卷积。 由于我们对线性卷积感兴趣，我们需要添加足够的填充，以便环绕不会混合线性卷积的不同部分。 有关更多信息，请参阅。 实施说明

分析了卷积码及由其发展出的Turbo码的编码原理,给出了这2种编码方法的结构特征和最大后验概率(MAP)的译码算法;分别对卷积码和Turbo码进行仿真,得到在码长1024尽可能多的迭代次数情况下的Turbo码误码率(BER)曲线和采用维特比译码方法的卷积码误码率曲线。通过比较2种编码方法的仿真结果验证了Turbo码编码和译码系统的性能比传统的卷积码系统性能优异的结论,提出并描述了尽可能多次迭代的Turbo 码对卷积码在性能上的具体优势。

基于VHDL语言的卷积码编解码器的设计，学习VHDL的同学做实习，实验可能会用的着哦。。。

介绍并用VHDL语言实现了卷积编码和维特比译码。根据编码器特征设计了一种具有针对性的简洁的维特比译码器结构，并通过ModelSim平台验证了该设计的正确性。

卷积码213编译码课程设计

No.15 (2,1,3)卷积码的编码及译码