空时-频分组码是采用分集思想对无线通信传输系统性能进行改善的信道编码方式。本书主要介绍了STBC、STBC-OFDM和SFBC-OFDM三种信号的深度学习识别技术，从研究对象和技术路径的基础理论出发，对每类信号的预处理方式、数据集构建方法、深度学习模型架构都进行了详细的描述，并基于仿真数据对各种识别方法进行验证，给出了每种信号的识别流程。本书从深度学习技术在编码识别领域潜力的角度出发，给出了由此产生的针对信道编码识别技术的思考，以期对相关领域的专家学者带来启发。
本书与《空时分组码识别理论与技术》一书相辅相成，能够从传统方法和深度学习两个角度为读者提供理论和技术指导，《空时分组码识别理论与技术》涵盖了空时分组码识别领域大多数的传统算法，具有更强的理论性和系统性，而本书则更具工程化和实践性，专注于采用深度学习的识别方法。本书的专业性和针对性较强，适合作为通信和信号处理相关领域研究生的参考书，还可供从事信道编码识别技术开发应用的工程技术人员参考。

第1章绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1STBC识别研究现状
1.2.2SFBC-OFDM识别研究现状
1.2.3STBC-OFDM识别研究现状
1.3本书的主要内容
1.4本书的结构安排
第2章空时分组码与深度学习的基础理论
2.1空时分组码基础理论
2.1.1空时分集技术
2.1.2Alamouti编码模型
2.1.3一般STBC编码模型
2.2深度学习模型的基本组成
2.2.1卷积层
2.2.2池化层
……