基于粒子群的数据协调优化算法

根据非规则低密度奇偶校验码(LDPC)的密度进化基本原理,结合高斯近似算法和粒子群优化(PSO)算法对校验矩阵H进行智能优化,以得到性能更好的H.应用基于相干态的连续变量量子密钥分发的数据协调,可得到更低的收敛信噪比,提高协调效率,从而延长了密钥分发的通信距离.用C语言对该算法进行仿真的结果表明,当连续变量分组数为2×105时,在收敛性噪比SNR=4.9dB以上实现可靠的数据协调,协调效率可达92.06%,传输距离最大可达35.5公里.     

基于低密度奇偶校验码的数据协调技术

低密度奇偶校验码(LDPC)是一种(n,k)线性分组码。当分组码码长较短时,利用常规的编码方法可以完成编码工作。但随着分组码码长的增加,利用常规LDPC的编码方式编码,计算机的内存难以承担。为了解决以上问题,提出两种有效的编译码方案。首先,该数据协调方案不同于传统校验位译码,利用边信息和原始数据产生的校验子进行联合译码;其次,将校验矩阵以稀疏矩阵的形式存储,利用双向十字循环链表只记录1的位置的方式存储校验矩阵,这样可极大地节省内存空间;最后,通过C语言实现可提高编译码的有效性。实验中选取码长105的分组长度,译码器误码率(BER)收敛于1.0dB,每一分组译码时间仅需4s,译码收敛后速率达到24.85kb/s,时效性较强。     

基于校验子的Turbo码编译码原理

在Turbo码的编译码过程中,为了降低计算码字的复杂度,减少在公共信道中信息的泄露,采用一种计算Turbo码字的新的方法,即利用离散变量的线性卷积和二进制解卷积的方法完成Turbo码的码字生成。在译码过程中,使用了校验子和边信息联合的译码方式,使得信息在公共信道中得以保护和约束。仿真结果表明,可分别在信噪比1dB的条件下实现100000个二进制序列的误码率达到了10-4以下。