發(fā)布時(shí)間：2021-12-11 09:36

　　針對(duì)LDPC碼的BP譯碼器比最大似然譯碼器譯碼準(zhǔn)確性低,提出了基于遺傳算法改進(jìn)的LDPC碼譯碼器結(jié)構(gòu)。該譯碼器結(jié)構(gòu)首先引入卷積神經(jīng)網(wǎng)絡(luò)來(lái)去除傳統(tǒng)BP譯碼器在譯碼中的估計(jì)誤差,然后將遺傳算法應(yīng)用到BP譯碼中,仿照遺傳算法的過(guò)程,將所有變量節(jié)點(diǎn)作為一個(gè)種群,每一個(gè)變量節(jié)點(diǎn)作為一個(gè)個(gè)體,對(duì)應(yīng)的變量節(jié)點(diǎn)傳遞給校驗(yàn)節(jié)點(diǎn)的概率信息作為基因,通過(guò)對(duì)優(yōu)勢(shì)個(gè)體的優(yōu)秀基因進(jìn)行加強(qiáng)或者對(duì)劣勢(shì)個(gè)體的交叉基因進(jìn)行削弱,以達(dá)到整個(gè)種群更加適應(yīng)環(huán)境,從而提高譯碼性能。仿真實(shí)驗(yàn)結(jié)果表明,GABP-CNN譯碼器比標(biāo)準(zhǔn)的BP譯碼器可以獲得更好的糾錯(cuò)性能,尤其是在高信噪比環(huán)境下譯碼性能有較大的提升;但是改進(jìn)的譯碼器結(jié)構(gòu)在提高譯碼性能的情況下,系統(tǒng)運(yùn)行時(shí)間上較傳統(tǒng)BP譯碼器略多。 

【文章來(lái)源】：探測(cè)與控制學(xué)報(bào). 2020,42(03)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

校驗(yàn)矩陣的Tanner圖表示

這可以看作是信道噪聲的估計(jì),并作為CNN的輸入數(shù)據(jù),CNN的輸出為 n ～ , 從y中減去它,即得到碼字經(jīng)過(guò)CNN訓(xùn)練后,得到對(duì)BP譯碼有利的數(shù)據(jù)。CNN是一種多層前饋神經(jīng)網(wǎng)絡(luò),其基本結(jié)構(gòu)包括:輸入層、卷積層、池化層、全連接層和輸出層。以計(jì)算機(jī)視覺(jué)為例,從圖像識(shí)別[16-17]、目標(biāo)檢測(cè)[18]等高級(jí)任務(wù)到圖像去噪[19]、圖像超分辨率[20]等低級(jí)任務(wù),深度卷積神經(jīng)網(wǎng)絡(luò)在各種應(yīng)用中都得到了驗(yàn)證,表明CNN具有很強(qiáng)的局部特征提取能力,且其性能明顯優(yōu)于傳統(tǒng)方法。因此在模型中,將噪聲看作是一個(gè)特征,利用CNN在解碼中恢復(fù)出真實(shí)的信道噪聲。如圖3所示,將CNN每一層的輸入改為一維向量。詳細(xì)的參數(shù)設(shè)置列于表1。

CNN結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]LDPC碼譯碼算法及性能分析[J]. 李秀花,高永安,馬雯.  現(xiàn)代電子技術(shù). 2014(01)
[2]改進(jìn)的LDPC譯碼算法研究[J]. 陳旭燦,劉冬培.  電子科技大學(xué)學(xué)報(bào). 2010(02)
[3]兩種LDPC譯碼算法在OFDM系統(tǒng)應(yīng)用中的改進(jìn)[J]. 屈蘭,謝顯中,張德民.  計(jì)算機(jī)工程與應(yīng)用. 2007(07)



本文編號(hào)：3534440