乘积码迭代译码算法研究

介绍了在分组码的软输入软输出译码基础上以扩展BCH码为子码的乘积码的迭代译码算法,提出了在高带宽利用率调制方式下的算法应用方式,并给出了仿真结果。最后与传统的并联卷级码代译码方案比较,发现在高编码效率时,乘积码迭代译码方案有着较好的应用性。     

Turbo码软判决输出维持比译码方案的改进

Turbo码是一种新的纠错编码，具有十分强的纠错能力，Turbo码编码端采用两个或两个以上的卷积并行级联构成，译码端则采用以基于软判决信息输入/输出的反馈迭代译码结构。译码算法是Turbo码设计的核心，现巳有的两种主要的译码算法-MAP和SOVA。SOVA是一种改进的维持比算法，使其可以逐比特输出与MAP算法类似的软判决信息。该文综述了Turbo码SOVA译码的几种改进方式，并分析了这几种改进方式及仿真结果。     

Turbo码软判决输出维特比译码方案的改造

Turbo码是一种新的纠错编码，具有十分强的纠错能力。Turbo码编码端采用两个或两个以上的卷积并行级联构成，译码端则采用以基于软判决信息输入／输出的反馈迭代译码结构。译码算法是Turbo码设计的核心，现已有的两种主要的译码算法——MAP和SOVA。SOVA是一种改进的维特比算法，使其可以逐比特输出与MAP算法类似的软判决信息。该文综述了Turbo码SOVA译码的几种改进方式，并分析了这几种改进方式及仿真结果。     

高速通信系统中两种Turbo迭代译码算法的比较

1993年提出的Turbo码因其优异的性能而引起编码界的关注.之后不久提出的乘积码,是Turbo码的一个分支,他是一种分组纠错码,具有良好的性能.但是多年来大多数学者将研究集中于卷积Turbo码,而很少有人关注考虑分组Turbo码（即乘积码）,事实上乘积码相比卷积Turbo码在牺牲较小性能的情况下很大程度地降低了译码复杂度.本文将基于软输入/输出的Turbo译码算法,提出并分析了传统的卷积Turbo码和分组Turbo码（乘积码）的迭代译码算法,并对比分析了两者的译码性能,最后结果表明,两类码非常适合于未来的高速移动通信系统应用,尤其对乘积码,不仅具有较高的码率,同时可以获得更好的误比特率性能,在实际应用中更具有吸引力.     

Turbo码软判决输出维特比译码方案的改进

Turbo码是一种新的纠错编码,具有十分强的纠错能力。Turbo码编码端采用两个或两个以上的卷积并行级联构成,译码端则采用以基于软判决信息输入/输出的反馈迭代译码结构。译码算法是Turbo码设计的核心,现已有的两种主要的译码算法——MAP和SOVA。SOVA是一种改进的维特比算法,使其可以逐比特输出与MAP算法类似的软判决信息。该文综述了Turbo码SOVA译码的几种改进方式,并分析了这几种改进方式及仿真结果。     

Turbo乘积码及其在无线传输中的应用

Turbo乘积码不是通常人们所说的Turbo码,它是在乘积码的基础上发展起来的,1954年Elias提出乘积码概念,由于当时硬件水平的限制,几十年来它的应用受到限制。随着1993年Berrou等人提出Turbo码概念和迭代译码算法的应用后,乘积码再次受到广泛关注。在编码过程中,Turbo乘积码不需要交织器,译码时采用类似于Turbo码的软输入/软输出次优迭代译码算法。文中简单介绍了Turbo乘积码基本原理,重点讨论Turbo乘积码技术在无线传输中的应用,最后展望Turbo乘积码的应用前景。     

高速通信系统中Turbo乘积码的研究

Turbo乘积码是一类易于硬件实现高速迭代译码的分组码。对Turbo乘积码软输入软输出迭代译码算法进行了分析。将Turbo乘积码与QAM调制结合起来,提出了一种简化的、便于硬件实现的联合解调译码方案。仿真结果表明这种简化方案对译码性能影响很小。     

Turbo乘积码在无人机测控技术中的应用分析

Turbo乘积码是一种易于硬件实现的分组码,具有延时短和纠错性能好等优越性。通过对Turbo乘积码Chase软输出改进算法的分析和仿真,得出了不同码率和测试序列个数等参数对Turbo乘积码译码性能的影响。结合无人机常用的BPSK测控信号进行了仿真实验,对仿真结果进行了性能分析,验证了Turbo乘积码在无人机测控系统中应用的可行性,并给出了Turbo乘积码在无人机测控领域应用的建议参数。     

类卷积译码的容错解扰算法

针对自同步扰码系统的联合信源信道译码问题,本文将自同步扰码看作一种特殊的卷积编码,提出了类似卷积译码的软输入软输出(SISO)自同步去扰算法。该算法利用信源冗余更新扰码序列的外信息,在信道译码时作为先验信息进行译码,实现了自同步去扰与信道译码之间的软信息交互,充分利用了信源冗余信息,使得接收系统的性能得到了有效提升。仿真结果表明,在TPC编码条件下,当信源冗余度为70%时,联合信源信道译码的性能增益约为4.1dB。相比于单一纠错编码系统,当通信系统中存在自同步扰码时,联合信源信道译码具有更大的性能增益。      

软输入/软输出迭代译码算法的研究与设计

对软输入/软输出迭代译码算法进行了理论研究,分析该算法的共性,并以Turbo 乘积码的性能仿真说明迭代译码对译码性能的影响,还以理论研究为基础,对迭代译码算法进行了硬件设计,重点探讨了Turbo 乘积码的译码算法硬件设计.     

一种新的缩短RS码迭代译码方案

为了在EPON中应用GF(256)标准RS码对信息帧长大于255位的信息流进行编码,并提高RS码的编码增益,提出了一种新的缩短RS码的编译码方案。该方案通过两个缩短RS码的交叠编码和互相迭代译码,可以提高编译码增益。RS码BM硬判决译码和chase软判决译码的计算机仿真表明,该方案对缩短RS码的软硬判决译码性能都有明显提高。     

RS码与LDPC码的联合迭代译码

针对RS码与LDPC码的串行级联结构,提出了一种基于自适应置信传播(ABP)的联合迭代译码方法.译码时,LDPC码置信传播译码器输出的软信息作为RS码ABP译码器的输入;经过一定迭代译码后,RS码译码器输出的软信息又作为LDPC译码器的输入.软输入软输出的RS译码器与LDPC译码器之间经过多次信息传递,译码性能有很大提高.码长中等的LDPC码采用这种级联方案,可以有效克服短环的影响,消除错误平层.仿真结果显示:AWGN信道下这种基于ABP的RS码与LDPC码的联合迭代译码方案可以获得约0.8 dB的增益.     

线性分组码与时空分组码级联的迭代译码

提出了线性分组码与时空分组码的级联编码方案,推导了时空分组码在比特级上的软输入软输出译码算法,进而给出了在线性分组码和时空分组码之间进行迭代译码的算法。仿真结果表明这种方案与现有方案相比在能够获得最大分集增益的同时还能获得更大的编码增益。     

线性分组码的神经网络译码

介绍了神经网络与线性分组码之间的关系，并在文献[1]的基础上证明了软判决译码与求解能量函数最大值之间的等价性，然后以(7，4，3)汉明码为例介绍了神经网络在循环码硬判决、软判决译码中的应用。     

一种基于SOVA的改进的Turbo码译码方案

本文在研究Ｔｕｒｂｏ 码反向ＳＯＶＡ（Ｓｏｆｔ－Ｏｕｔｐｕｔ ＶｉｔｅｒｂｉＡｌｇｏｒｉｔｈｍ ）译码性能的基础上,提出了一种同时利用正向和反向ＳＯＶＡ译码软输出信息的基于ＳＯＶＡ 的改进译码结构及其相应的软输出修正公式。计算机模拟结果表明,所提出的改进方案与传统的ＳＯＶＡ算法相比,其译码性能有明显的改善,并略优于Ｍａｘ－Ｌｏｇ－ＭＡＰ的性能     

Turbo码SOVA译码的一种新的改进算法

SOVA算法由于低复杂度和低译码延时,已成为Turbo码的实用译码算法。该文针对SOVA译码算法的软判决值不精确对译码性能的影响,借鉴非均匀量化思想,提出了一种新的改进算法。仿真结果表明,在几乎不增加译码复杂度的情况下能够明显地改善译码性能。     

一类循环码的神经网络软判决译码算法

本文分析了一类循环码的结构特性，提出了这类循环码的神经网络软判决译码算法。新算法的复杂度比现有一般的神经网络译码算法要低得多，而其译码性能接近大似然译码。     

基于SISO的LDPC码盲译码算法研究

针对传统BP译码算法需要初始条件的缺点,本文提出了一种基于软输入软输出(SISO)的LDPC码盲译码算法,所提算法采用类似BP迭代译码算法步骤,通过对距离信息进行迭代处理,实现无需接收信号的信噪比和信道状态即可译码;同时,还将所提盲译码算法推广到多进制LDPC码的译码应用中。本文所提盲译码算法在初始状态难以确定以及接收信号信噪比难以估计的通信信道中具有重要价值。仿真结果表明,所提算法不论是在AWGN信道还是在瑞利衰落信道上都能取得优良的性能,不论是与标准BP译码算法还是与分层BP译码算法相比,在性能相近的情况下,计算复杂度都有所降低。     

Turbo Product Codes Based on Convolutional Codes

In this article, we introduce a new class of product codes based on convolutional codes, called convolutional product codes. The structure of product codes enables parallel decoding, which can significantly increase decoder speed in practice. The use of convolutional codes in a product code setting makes it possible to use the vast knowledge base for convolutional codes as well as their flexibility in fast parallel decoders. Just as in turbo codes, interleaving turns out to be critical for the performance of convolutional product codes. The practical decoding advantages over serially‐concatenated convolutional codes are emphasized.     

系统极化码的置信传播译码性能分析

置信传播( BP)算法可以为系统极化码提供软信息作为判决依据,也可以为系统极化码在级联迭代译码中提供交换软信息。在详细描述基于信道极化结构的置信传播算法基础上,比较了系统极化码在软信息判决方法和极化编码判决方法下错误率性能的差异。仿真结果表明,软信息判决方法可以提高系统极化码的误比特率,在高信噪比下误帧率方面也略有提高。