广义LDPC码的自适应全并行MAP-BP译码算法

提出了一种广义LDPC码的自适应全并行MAP-BP译码算法,算法中子码采用基于比特栅格的最大后验概率译码,本地码采用基于对数似然比的置信传播译码。算法引入自适应修正因子保证迭代过程中子码和本地码输出信息的匹配。仿真结果表明,与传统广义LDPC译码算法相比,MAP-BP算法可提高译码准确性并能加快译码收敛速度。     

面向芯片实现的LTE Turbo码参数优化设计

该文分析了LTE系统中Turbo码的译码,并针对定点运算的特点进行了改进。通过大量的仿真确定了定点LOG-MAP译码算法的关键参数。量化比特数和AWGN中GAIN值,外在(extrinsic)信息因子以及定点化、归一化、溢出处理等操作,这些处理使得该译码算法在译码性能上接近浮点LOG-MAP译码算法,对于Turbo译码在硬件上的实现具有一定的参考价值。     

极化码串行抵消译码算法延迟性的改进

由Arikan提出的极化码,因其简单的编译码结构引起广泛关注。极化码作为一种高性能的信道编码,编码长度超过2^10会产生优异的性能。在串行抵消（successive cancelation,SC）译码算法结构基础上,其译码延迟随码长增加而加剧。通过分析SC译码算法,提出一种基于冻结比特的改善SC译码算法方案,有效地降低了传统SC译码算法的延迟性。算法改进后相比原来可以降低50%的译码延迟,并引入串行抵消单比特翻转译码算法作为译码补偿,进一步提高译码算法的纠错能力。     

LDPC比特翻转译码算法的分析与改进

利用统计译码思想由LDPC（Low Density Parity Check）码校验矩阵通过矢量的线性组合构造出一个新的低密度校验矢量集合，并结合LDPC码并行比特翻转译码算法的环检测等特点的分析，提出了一种新的硬判决译码方案。仿真结果表明：改进算法在译码性能上接近BP算法，又保持了并行比特翻转算法迭代次数少的优点。     

LogMAP译码算法量化方法研究

为了在数字芯片上实现Turbo码译码时,降低硬件实现代价,提高运算速度,针对LogMAP算法,研究了Turbo码译码过程中接收符号、路径度量值、对数似然比的量化方法,并分析了量化因素对译码性能的影响;提出"3σ准则",确定接收符号进行量化的范围和精度;引入了修正的变量偏移(Modified Variable Shift normalization,MVS)归一化算法,减小路径度量的动态范围;提出了加窗LLR算法,进一步减少内部运算数据动态范围.仿真结果表明,采用提出的定点量化算法,在可接受的译码性能恶化(约0.3dB)的前提下,降低了Turbo码定点实现的复杂度,更加便于工程应用.     

面向电力线通信的RA码自适应迭代译码方法

为降低信息在强干扰电力线信道中传输的误码率,对重复累积（RA）码的置信传播（BP）译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译码效率。在Middleton A类电力线信道模型下仿真结果表明：改进后的译码方法在低信噪比区域与BP算法性能相近,而在较高信噪比区域改进后的算法与BP译码算法相比所需信噪比少约0.8 dB,并且显著减少了译码过程中的迭代次数。     

对流层散射信道中5G-NR LDPC码性能

由于目前衰落信道,特别是时变信道非线性环境下的研究极少,因此研究对流层散射信道应用场景下的5G-NR LPDC编译码性能。5G-NR LDPC码是一种准循环LDPC码,其通过基矩阵构造,可以支持多种码率和码长,便于实现速率自适应。本文提出一种改进的分层归一化最小和译码算法,利用对归一化因子的修正,使该算法更适合应用于散射信道。仿真结果表明,本文算法与传统译码方法相比,译码速度提高了3倍,减少了迭代次数,降低了复杂度;使用16重分集技术且误码率达到10-5时,在低码率和高码率下,改进译码算法比传统译码算法性能分别提升1.3 dB左右和0.6 dB左右。     

基于可信度信息的改进加权比特翻转算法

在研究几种加权比特翻转算法的基础上,提出了一种新的针对LDPC码的改进加权比特翻转算法。加权比特翻转（WBF）算法中的错误度量考虑了校验节点的可信度信息,在此基础上,相关的改进WBF（IWBF）算法考虑了消息本身对符号判决的影响,进一步提高了性能。但是在IWBF算法中,必须通过仿真,才能获得使译码性能较优的符号可信度加权参数。提出了一种同时考虑符号可信度和校验可信度的算法,不需要调整加权参数,即可获得较优性能。仿真显示提出的加权比特翻转算法是可行且有效的。     

基于人类视觉系统的自适应数字图像水印算法

结合人类视觉系统（Human Visual System,HVS）,对离散余弦变换（Discrete Cosine Transform,DCT）域水印算法进行改进,通过修改JPEG（Joint Photographic Experts Group,联合图像专家组）量化表得到自适应量化步长的量化表,用修正后的量化表对DCT系数进行量化,然后按照Zig-Zag扫描顺序实现自适应选择水印图像的嵌入频段（现有的算法大都选用固定步长和固定的嵌入频段）。实验表明,该算法具有很好的不可见性和稳定性。     

自适应量化权重用于通信高效联邦学习

针对联邦学习训练过程中通信资源有限的问题,本文提出了两种联邦学习算法:自适应量化权重算法和权重复用控制算法,前者对权重的位数进行压缩,减少通信过程中传输的比特数,算法在迭代过程中,自适应调整量化因子,不断减少量化误差;后者能阻止不必要的更新上传,从而减少上传的比特数.基于标准检测数据集Mnist和Cifar10,在CNN和MLP网络模型上做了仿真模拟,实验结果表明,与典型的联邦平均算法相比,提出的算法降低了75%以上的通信成本.     

基于置信传播算法的低密度校验码量化译码设计

介绍了二元输入连续输出无记忆AWGN信道下低密度校验 (LDPC)码的置信传播译码算法及其密度进化特性 .根据密度进化规律 ,分析了不同消息空间中的量化译码问题 .得出结论如下 :对于概率和概率差消息 ,只有高阶均匀量化才能获得满意的译码性能 ;似然比消息的适当对数量化可等价于对数似然比消息的均匀量化 ;对数似然比消息易于实现相对信道输入± 1的无偏对称量化 ,并有效利用消息的统计特性 .由非均匀量化在大消息区域分配的量化电平可以有效地促进算法收敛 .仿真结果表明 ,低阶非均匀量化优于均匀量化     

改进型LLR BP译码算法研究

短低密度校验(LDPC)码的Tanner图中通常存在环路,变量节点之间的信息不再相互独立,导致LLR BP算法译码性能的下降。针对上述问题,提出一种改进型LLR BP译码算法,推导出有环时变量节点的真实信息,利用最小均方误差准则计算出有记忆的变量节点信息的权值,通过调整变量节点信息的迭代过程降低变量节点之间信息的相关性。仿真结果表明,改进型LLR BP算法具有比LLR BP算法、归一化BP算法及偏移量BP算法更好的LDPC译码性能。     

DVC中基于DCT系数统计特性的量化算法

针对变换域分布式视频编码问题,提出一种自适应量化算法AQSC。根据视频帧离散余弦变换系数的分布特点,确定各子带的重要性,只对重要的子带进行量化及编解码,不重要的子带不进行量化及编码,且在译码时直接用边信息代替。实验结果表明,AQSC算法可提高分布式视频编码系统的率失真性能,减少译码码率,解码后视频序列的整体质量有所提高。     

考虑数据量化的改进无模型自适应迭代学习控制算法

针对一类存在数据量化的离散时间单输入单输出非线性系统,提出一种带有编码解码量化机制的无模型自适应迭代学习控制(MFAILC)算法.首先使用伪偏导数将受控非线性系统动态线性化,进而考虑系统输出数据经由均匀量化器进行量化处理的过程,并设计了一种编码解码量化机制,最后基于这种编码解码量化机制提出了一种改进的MFAILC算法.理论上给出了算法的收敛性分析,结果表明,当系统存在数据量化时,所提出的算法仍可保证系统收敛.与已有算法相比,所提算法仅利用较少的输入输出数据,就可以实现跟踪误差的零收敛.仿真进一步验证了算法的有效性.     

无线传输中Raptor译码算法研究

研究了在加性高斯白噪声(AWGN)信道中采用最小频移键控(MSK)调制的Raptor码的译码算法设计问题。基于Raptor码和MSK调制的特点,提出了一种改进的Raptor码置信传播译码算法。仿真结果证明该译码算法具有更好的译码性能。     

面向连续生产的供应链联合调度及算法

在连续生产环境下，以最小化完工时间为目标，考虑了原料采购与成品配送过程的车辆共用问题，建立了原料采购-连续生产-成品配送的联合调度模型，并分析了问题特性，设计了改进的人工蜂群优化算法。采用二维矩阵的编码方式表示车辆与物料组合优先权值。为使矩阵初值差异化，设计了将（0，1）间随机数转化成[(0,+∞)]实数值初值的转换函数。在解码过程中，为保证生产的连续性，采用分阶段解码的方式。为实现车辆的高效利用，设计了车辆选择的启发式信息。通过测例及比较实验表明：相对于传统的调度策略，验证了联合调度策略的有效性；在增大物料需求量时，相对于整体解码方式，分步解码方式能得到可行解；启发式信息使改进的人工蜂群算法求解效果提升了0.63%，改进的人工蜂群算法相对于遗传算法，求解效果平均提升了0.35%。     

量化压缩感知在语音压缩编码中的应用

利用语音信号在离散余弦变换（ DCT）域的近似稀疏性和量化压缩感知理论,文中提出一种基于量化压缩感知的语音压缩编码方案。编码端利用压缩感知技术,将语音信号投影成数据量大大减少的观测序列,然后对观测序列采用Lloyd-Max量化得到量化后的观测样值;解码端直接利用量化后的观测样值,结合重构算法重构出原始语音信号的DCT系数,经过DCT反变换得到重构后的语音信号,并采用后置低通滤波器改善重构语音的听觉效果。该编码方案解码端不需要进行反量化,而是直接利用量化后的观测样值进行重构,有效降低了解码端的运算量及复杂度。仿真结果表明：采用量化迭代硬阈值（QIHT）算法重构效果优于迭代硬阈值算法（IHT）,重构语音的信噪比能达到20 dB以上,MOS分达到3.26。     

OSD和Chase的并行互补译码

在研究分阶统计译码（OSD）算法和Chase算法的基础上,提出了一种新的针对中短LDPC码的OSD-Chase并行互补级联译码算法。OSD算法对接收序列的个可信度较高的符号（MRIPs）作为消息位进行比特翻转和重新编码,产生候选码字;而Chase算法则是对接收序列的可信度较低的符号（LRPs）进行比特翻转和代数译码。如果过多的错误出现在MRIPs中,则OSD算法不能成功,而如果过多的错误出现在LRPs部分,则Chase译码不会成功。为此充分利用OSD算法和Chase算法这种互补特性,设计了一种并联级联译码算法。仿真显示该文提出的算法是有效的,相比BP-Chase和BP-OSD算法,译码性能得到提高。     

对人体姿态估计热图误差的再思考

近年来,基于热图的算法一直占据人体姿态估计算法的主导地位。热图解码（即将热图转换为人体关节点坐标）算法是这类算法的基本环节。而当前的热图解码算法并没有考虑系统误差的影响,因此,提出一种基于误差补偿的人体姿态估计热图解码算法。首先在训练过程中评估模型的误差补偿因子,然后在推理阶段用误差补偿因子补偿人体关节点的预测误差,这些误差同时包括系统误差和随机误差。在不同的网络架构、输入分辨率、评估指标和数据集上进行的大量实验的结果表明与目前最佳的热图解码算法相比,所提算法获得了显著的精度增益。具体来说,所提算法使HRNet-W48-256×192模型在COCO（Common Objects in Context）数据集上的平均精度（AP）提升了2.86个百分点,使ResNet-152-256×256模型的相对于头部的正确点百分比指标在MPII（Max Planck Institute for Informatics）数据集上提升了7.8个百分点。此外,由于所提算法不像现存算法需要采用高斯平滑预处理和求导操作,因此速度约为当前最佳算法的2倍。可见,所提算法对于开展高精度、高速度的人体姿态估计具有实际的应用价值。