Hamming神经网络在最小加权距离译码中的应用

研究Ｈａｍｍｉｎｇ神经网络在分组码的最小加权距离译码中的应用，首先构造出用于发组码最小加权距离译码的Ｈａｍｍｉｎｇ神经网络，然后给出利用所构造的Ｈａｍｍｉｎｇ神经网络实现分组码的最小加权距离译码的算法，最后通过计算机模拟用这种算法实现了（７，４）线性分组码的最小加权距离译码。     

前向神经网络在图论码译码中的应用

构造了两个分别用于图论码的硬判决译码和软判决译码的前向神经网络,并证明所构造的前向神经网络能够实现图论码的最小汉明距离译码和最小软距离译码。最后给出采用所构造的前向神经网络进行一个图论码的硬判决译码和软判译码的计算机模拟结果。     

神经网络与非线性码最小加权距离译码算法

讨论了二值非线性码和多值非线性码的最小加权距离译码与神经网络能量函数的关系。     

神经网络与非线性分组码软判决译码

讨论了神经网络与纠错编码之间的关系，指出非线性分组码软判决最小距离译码等价于求神经网络能量函数最大值。     

一种多层前向神经网络译码器的实现

本文提出了和种源于汉明类多层前向神经网络分组码译码器。它不需要改变结构和参数，根据输入可完成硬判决，软判决和最小距离译码，该网络不存在漫长的过程。计算机模拟表明，在加性高斯噪声下，使用该神经网络可以达到最大似然译码。     

一种多层前向神经网络译码器的实现

本文提出了一种源于汉明类多层前向神经网络分组码译码器。它不需要改变网络结构和参数,根据输入可完成硬判决、软判决和最小距离译码。该网络不存在漫长的学习过程。计算机模拟表明,在加性高斯噪声下,使用该神经网络可以达到最大似然译码。     

一种神经网络均衡器/译码器

均衡与译码是通信中两个重要问题。通常,均衡与译码是各自完成的,本文利用神经网络的特点,提出了能同时完成均衡和译码两种功能的自适应神经网络均衡器/译码器。计算机仿真表明其误码率较低,它能适合于最小相位信道、非最小相位信道,也能适合于非线性信道。     

基于PEG算法的LDPC线性时间编码

引入PEG(Progressive-edge-growth)算法来构造适合线性时间编码的LDPC校验矩阵,译码时采用简化最小和Min-Sum译码算法实现简化译码.仿真结果表明,该方法能够构造适合LDPC码的线性时间编码的下三角校验矩阵H,并且用此方法构造的LDPC码性能非常接近原来PEG算法构造的LDPC码.同时通过采用最小和Min-Sum算法降低译码复杂度.     

基于A*算法的快速软判决译码

指出最小序列增量译码等价于最小多氏距离译码,并建立序列增量的广义门限;把最小序列增量译码转化为有向树上的搜索过程,采用带广州门限的启发式搜索索Ａ＊算法,实现有向上的最佳软判决译码。模拟计算表明,该译码算法在保持最优译码性能的同时,能进一步加快译码速度。     

基于拉丁方的最优局部修复码构造

使用构造的具有(r,t)-局部性的局部修复码(LRCs)难以同时实现最小距离最优和码率最优。对此，提出一种基于拉丁方的LRCs构造算法，将拉丁方中的数字元素按照一定规律转换为二进制元素，再结合矩阵的克罗内克积构造所需的校验矩阵，从而构造具有(r,2)-局部性的单校验二元局部修复码(BLRCs)。进一步提出了基于正交拉丁方的LRCs构造算法，并用于构造具有任意可用性t的BLRCs。理论分析结果表明，构造的这2种LRCs的最小距离均达到了最优的最小距离界。与基于直积码和基于阵列低密度奇偶校验码构造的LRCs相比，所提算法实现了更优的码率。     

OFDM系统中LDPC编码调制的对数似然比译码

根据IEEE 802．11a无线局域网标准，构造了低密度校验码LDPC编码的正交频分复用OFDM无线通信系统，针对LDPC编码调制的对数似然比译码，提出了一种基于距离的简化初始化算法，此算法不需估计信道噪声功率，译码速度快，最大迭代次数为10时即可获得满意的效果。     

基于前馈神经网络的分组码译码方案

在构造出分组码格图的基础上,利用一种基于前馈神经网络的多输入最小值选择网络实现分组码分组码的软判决及硬判决译码。计算结果表明,前馈神经网络总能找到全局最优解,从而使该译码算法的性能同于最大似然译码。由于该前馈网络的计算时延非常短,且基于它的译码器与传统译码器相比硬件实现简单,从而使译码的复杂性降低,时延减小。     

基于LS-SVM和BP神经网络组合模型的GPS高程拟合

提出了最小二乘支持向量机（LS-SVM）与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法（TLS）的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。     

适用LDPC码的基于最小均方误差准则的改进译码算法

提出了一种适用于LDPC码的基于最小均方误差准则的UMP BP-based改进译码算法。该算法结合了两种UMP BP-based改进译码算法(normalized UMP BP-based译码算法和offset UMP BP-based译码算法)的处理方法，并基于最小均方误差准则得到相应的归一化因子和偏移量因子。仿真结果表明，当使用码长为1008，码率为1/2的(3,6)规则LDPC码时，所提算法和上述两种算法相比，在BER=10-6时，可以节省0.03dB。     

一种有效的FG-LDPC译码方法

基于有限几何低密度奇偶校验码（FG-LDPC）译码性能、复杂度和时延，提出了一种混合比特翻转（BF）和大数逻辑译码（MLG）的译码方法。在比特翻转译码过程中，一种有效度量相关校验可靠性的方法被提出。经过BF迭代译码后，再由MLG译码。译码过程不涉及浮点运算，降低了复杂度，减小时延。仿真表明新的译码方法比原有加权比特翻转（WBF）算法性能提高了0.3dB。     

Turbo空时分组码系统信道编译码方法

为抵抗无线通信信道的选择性衰落以及提高系统的通信质量，提出了一种多发射天线多接收天线系统的信道编译码方法.Turbo 空时分组码系统的译码算法综合了2种码字的译码算法.采用多发射天线的系统结合空时分组码（STBC）码字矩阵和无线通信信道特性，推导了Turbo码译码过程所需的对数似然比（LLR）；采用多接收天线的系统将各天线计算所得的对数似然比最大比合并（MRC）再进行迭代译码.仿真结果表明，Turbo空时分组码系统能够综合Turbo码的编码增益和空时分组码的分集增益，编译码复杂度不高，性能优异；在同等条件下，此译码算法所需信噪比优于基于最小欧式距离的译码算法近0.5 dB.     

一类线性分组码的神经网络译码

讨论了线性分组码互补码的特性及分解,提出了基于神经网络的互补码分解译码方案,此方案利用神经网络的吸收子和吸收域进行纠错译码,并把互补码分解为子码及其若干陪集,更进一步减小神经网络译码的复杂性及规模,从而实现高效实时硬判决译码。给出了实现原理及步骤,并对其译码性能进行了分析比较。     

LDPC码的分层类拟合修正最小和译码算法

低密度奇偶检验码（LDPC）是一种广泛使用的信道编码,尤其在长码时性能更佳。与编码相对应的便是译码,起初LDPC译码算法的复杂度很高,因此在最小和（MS）译码算法中为了降低算法的复杂度,采用了近似运算,虽然有效地降低了算法的复杂度,却牺牲了部分的误码性能。针对这一现象,本文在最小和译码算法的基础上,再一次作出近似运算,提出类拟合修正最小和（CFMMS）译码算法。该算法会根据MS算法中的非线性函数构造出一种类拟合函数,可以对不同阈值内的变量节点信息作出不同的处理,尽可能实现对校验节点更新过程的准确补偿,使得到的结果更加接近于置信传播算法;在此基础上,应用分层式调度策略,提出一种分层类拟合修正最小和（LCFMMS）译码算法,改变了节点信息的更新顺序,提升了迭代更新中节点信息的可靠度,使得译码的收敛速度得以提升,同时节省了存储空间。仿真和数值结果表明,该文提出的译码算法在一定程度上提升了误码性能,且运算复杂度低、译码收敛速度快。     

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。     

针对特定LDPC码的多子译码器并行组合译码方法

对于分组纠错码的译码,由多个子译码器构建的并行译码系统比单译码器系统有较大的性能提升,但是可实现并行译码处理的子译码器的构造却是一个挑战性难题.为此,该文提出一种针对特定LDPC码的适于BP译码算法运用的多子译码器并行组合译码方法.该方法针对基于本原多项式构造的一类LDPC码的译码尤其有效,其特点是:各个子译码器所依赖...