用比例因子改善Turbo码的译码性能

Turbo码译码算法中对分支度量的计算,默认信道软信息与信源信息(先验信息)的比例关系为1,这种均等的比例关系并不能使译码性能达到最佳。在研究这2种信息关系的基础上,引入了共用的比例因子,发现比例因子与暗示译码性能的交叉熵(cross entropy)有着密切的联系;给出了比例因子的算法结构及计算机仿真结果,仿真结果表明:比例因子的引入可加速交叉熵的收敛,减少译码迭代次数,进一步提高Turbo码的译码性能。     

分块并行Turbo码译码算法的研究

Turbo码译码采用迭代译码思想,译码时延较大是其应用于实时性要求较高的通信系统中的一大障碍.为了减少译码计算的时延,利用递推迭代的思想,给出一种分块并行译码的方法,即将接收的整个码字分成若干子块,各子块进行并行处理,其中各子块的前后向递推公式的初始值由相邻子块的前一次迭代译码的边界计算值传递.实验仿真结果表明这种并行译码方法可以取得较好的译码性能,在硬件实现方面可以大大降低译码计算复杂度和时延,从而降低整个Turbo码译码时延.     

Turbo码的最优和准最优译码算法

最近提出的并行级联卷积码,以其惊人的性能,引起了国际上的广泛重视。介绍了Ｔｕｒｂｏ码的编、译码原理,特别讨论了适用于Ｔｕｒｂｏ码译码的最大后验概率（ＭＡＰ）和最大对数后验概率译码算法,在ＡＷＧＮ信道中,对两种算法的比 左错率（ＢＥＲ）进行了比较。ＭＡＰ算法对Ｔｕｒｂｏ码是最优的,但硬件实现验度大。Ｍａｘ－ｌｏｇ－ＭＡＰ算法性能比ＭＡＰ略有下降,但运算量大为减小,应用性强。     

莱斯衰落信道下Turbo码的译码算法研究

研究了莱斯衰落信道下Turbo码的译码算法。首先介绍了莱斯衰落信道模型，Turbo码的编码器和译码器。接着将AWGN信道下的MAP算法、Max-Log-MAP算法和SOVA算法3种算法进行了修正，并将它们的性能进行了比较。     

Turbo码译码算法的研究与改进

基于译码算法是影响新型信道编码方案Turbo码性能的主要因素之一,分析研究了Turbo码的译码算法,并对其几种译码算法进行了比较,用Matlab得出了仿真下的性能特性曲线。根据Turbo码编码结构和迭代译码的特点,还对Log-MAP算法进行了改进。     

Turbo码不同译码算法中的量化性能分析

针对Turbo码的不同译码方法，提出了不同情况下的中间变量的量化方式。在已完成接收比特、附加信息和输出似然值的量化情况下，着重讨论了不同译参政方式的中间变量的量化范围、量化级别和量化方法对译码性能的影响。仿真结果表明，对于改进的Turbo码的译码算法（LOG-MAP，MAX-LOG-MAP，SOVA），中间变量的量化可以不采用非均匀量化，而且中间变量量化的级别也可以大大减小，不仅降低译码复杂度，而且减少了硬件实现时所需要的存储空间。     

基于OSD的Turbo乘积码迭代译码算法

Turbo乘积码(TPC)由于其优越的性能在当前许多系统中得到了应用。本文在介绍TPC基本编译码方法的基础上给出了一种新的基于OSD的迭代译码算法,在分量码SISO译码时采用Order-1OSD与Chase相结合的方法产生候选码字,提高了输出码字和软信息的准确度。仿真结果表明,这种基于OSD的迭代译码算法性能要优于基于Chase的迭代译码算法,与基于Max-Log-MAP的迭代译码性能接近,在性能和复杂度之间获得了良好的折中。     

Turbo码多级调制及性能分析

提出了将Turbo码运用于多级调制的码设计和多步译码方法。根据信息理论,将每级Turbo码设计出不同码率,使低层码具有较高的纠错能力,而高层码具有较高的传输信息能力,从而提高系统传输率。对Turbo码多级调制的误码性能进行了分析,得出误码率计算公式,并对Turbo码调制方案进行了仿真,证明了结论的正确性。     

神经网络算法在Turbo码译码错误检测中的应用

经统计分析,Turbo码译码输出的交叉熵与译码错误之间有着十分密切的关系,且该关系具有非线性性质。神经网络技术具有独特的非线性输入、输出映射能力,因此可通过对神经网络进行某种训练来检测Turbo码译码数据中出现的错误。在训练过程中,将交叉熵作为神经网络输入端的样本值,译码错误作为期望输出值进行自适应模拟。另外,考虑到Turbo码译码的实时性和运算量要求,采用了改进型的LevenbergMarquardt神经网络算法对神经网络进行训练,并用以检测译码错误。仿真结果表明:该方法比起传统的循环冗余校验(cyclicredundancycheck,CRC)方法在检测Turbo码译码错误时,检测性能和运算复杂度均得到了很大的改善。     

基于并行预测控制的Turbo码译码结构

提出一种基于并行预测控制的Turbo码译码结构. 通过建立预测控制模块(PCA)来预测分量译码器第n+1次的译码外部信息值. 相比于传统的并行译码方案,基于PCA模块的PPC-Turbo结构可以降低译码算法的复杂度,并减少译码时延. 通过对单次外部信息值预测（6～9次）及复次外部信息值预测（6+8、7+9次）,对比了外部信息预测的变化趋势及不同帧长（1?024、512、256、128、64帧）情况下的译码时延,验证了译码时延的减少. 在帧长为1?024、信噪比为0～2?dB时,对译码器2第6～8次的外部信息进行了单次预测,比较了PPC-Turbo与Turbo的误比特率(BER)性能,结果表明,两者的BER非常接近,预测控制模块可以代替分量译码器的一次译码迭代.     

BCJR算法在Turbo码迭代译码过程中的SNR失配及估计

通过对BCJR译码算法中信噪比失配对Turbo码译码性能影响的分析,证明了Turbo码迭代译码过程中的信噪比估计对Turbo码的译码性能有着直接的影响。对于Turbo码BCJR译码算法中信噪比估计,提出了自适应信噪比估计器来估计BCJR算法中信噪比失配的设计方案。该方案能以较为简单的运算很好地跟踪Turbo码译码过程中信噪比变化,Matlab的模拟仿真试验证明了该方案在底信噪比条件下具有很好的收敛性,且衰落信道的条件下更为有利。     

Turbo编码系统中信噪比盲估计算法

针对盲估计算法复杂度高、运算量大,研究了TURBO译码器中两个成员译码器输出的外部信息与信道信噪比的关系,提出一种基于译码器外部信息量的信噪比盲估计算法。仿真结果说明,采用此信噪比盲估计算法,在较小的系统性能恶化的前提下,大大简化了信道估计器的复杂度。分析了信噪比盲估计算法的误差性能,理论分析表明,发生误判的几率很小,均在1-0 3量级以下,可以认为信噪比估计值十分可靠。     

一种新型的Turbo码编译码结构

本文分析了以非系统反馈卷积码作为子码的Turbo码的距离特性，设计了非系统Turbo码的译码器，并对等价的系统和非系统Turbo码的性能做了比较。     

基于Turbo码的联合迭代解调译码

依据迭代译码的基本思想,研究了联合迭代解调译码原理与方法。在此基础上,给出了基于 Turbo码的迭代解调译码技术的实现方法、接收机的结构以及最大后验概率解调的实现方法。实验和应用结果表明,采用联合迭代解调译码技术,可有效地提高系统的整体性能。     

一种新型低复杂度的Turbo TCM迭代均衡译码结构及算法

提出了一种新型低复杂度的Turbo TCM(TTCM)迭代均衡译码结构,用交织器和解交织器将软输入软输出(SISO)的均衡器与基于符号的TTCM译码器级联起来进行迭代均衡译码,这样不但可获得较高的频带利用率,而且可消除限带信道中的码间干扰(ISI)．在接收端,采用基于最小均方误差的线性均衡器(MMSE-LE)代替基于最大后验概率(MAP)均衡器,这样可大大降低系统的复杂度．通过仿真表明,这种低复杂度的TTCM迭代均衡译码系统的性能可接近于高斯信道下TTCM系统的性能．     

形成传奇本《桃花扇》结局的内外因素

"桃花扇底送南朝"。一部传奇本《桃花扇》,既写了南明的灭亡,又对清朝统治者有所启示。传奇本《桃花扇》是部启示录式的作品。作者孔尚任用了"障眼法",使很多人误以为侯李之间有爱情,从而衍生出建立在这种误解基础上的种种推断。孔氏结局有其内外因素。不可否认,他的写作手法是巧妙的,他的着眼点更是高远的,他的结局是最好的。     

应用于深空通信中Turbo码的研究

在对Turbo码编解码的基本原理和其在深空通信环境下的应用特点分别进行介绍的基础上,以深空通信中用的Turbo码作为纠错码这一编码的码率,对交织长度及跌代次数进行了仿真.仿真结果与理论值较接近.根据仿真探讨了Turbo码在深空环境下应用的优点,有助于进一步研究Turbo码在深空通信中的应用.