改进的LDPC译码算法研究

基于LDPC码的BP译码简化算法,结合RMP调度和Offset最小和算法,提出了一种改进的LDPC译码算法。在相同的前提下,改进的译码算法在计算复杂度方面,与Offset最小和算法相比,改善了算法的收敛特性;采用优化的存储方式,降低了存储需求,适合硬件实现。仿真结果表明,改进的译码算法降低了平均迭代次数,减少了量化实现占用的存储单元。     

VSPC-LDPC串行级联码的结构与性能分析

提出了一种基于LDPC码和纵向单奇偶校验(VSPC)乘积码的级联编码方法。该方法利用LDPC码能否成功地译码的判定信息以取代常规乘积码中的横向校验,使单奇偶校验乘积码的复杂度获得较大的降低,提高了纠错能力。对新级联码的误码性能进行了理论分析。数值仿真结果表明,新编码方法的硬件实现复杂度较低,在AWGN信道和Raleigh衰落信道中其译码性能好于原LDPC码,且能有效地改善原LDPC码的误码平层问题。     

利用神经网络完成码道编码译码的方法研究

运用神经网络BP算法实现绝对码值的译码,经过读数头得到绝对式编码尺或光电接收器状态代码,其代码运用神经网络BP算法,得到译码的数学模型,状态代码经过数学模型实现译码。     

一种适用于ARQ系统的码率兼容IRA码

提出用不规则重复累积(IRA)码构造码率兼容码。该码由删除法和扩展法两种方法构造。扩展法由高码率IRA码为母码,以RA码为扩展子码,克服了删除法在删除率较高时性能下降的缺点。仿真结果表明,RC-IRA码在HARQ系统中的吞吐率接近码率兼容turbo码,但译码复杂度远远低于Turbo码。     

Turbo码在第三代移动通信中的译码实现研究

在分析ＴＵＲＢＯ码输入量化的基础上,结合已有的译码ＭＡＰ算法实现结构,给出了第三代移动通信建议（３ＧＰＰ）中ＴＵＲＢＯ码的译码实现电路和译码迭代电路,并提出了将ＴＵＲＢＯ码运用于多级调制的码设计和多步译码方法。并将每级ＴＵＲＢＯ码设计出不同码率,提高了低层码的纠错能力,使高层码具有较高的传输信息能力。对ＴＵＲＢＯ码在第三代移动通信中的译码也进行了分析,并讨论了延迟问题,研究了ＦＰＧＡ实现规模。该电路结构具有好的译码性能,并达到了３ＧＰＰ的译码增益要求。     

基于V码的一种数据布局研究

提出一类新的双容错编码――V阵列码,冗余数据均匀分布在每个磁盘中,能容许任意两个磁盘同时故障。并证明基于V码阵列布局是最优双容错数据布局方法,给出了恢复任意两个磁盘同时故障的快速译码算法。与其他的编码方案相比,基于V码阵列布局同时具有较高的可靠性和吞吐量、较好的I/O性能、简单的编码和解码算法,以及编译码的复杂度最低和较好的平衡特性。     

多维奇偶校验乘积码性能分析

相对于Turbo码,乘积码在高码率情况下具有性能优势,且无错误平层,其应用广泛。以奇偶校验码为分量码的乘积码译码算法简单,可适应不同的数据大小要求。通过分析多维奇偶校验乘积码的码多样性,得出高信噪比下该码的性能公式;计算机仿真表明:该性能公式结果与最大似然译码算法及迭代译码算法性能相符。通过分析码率、维数、分量码码长等参数对码性能的影响,得出码率、维数相同时,码性能相近;码率相同、维数不同时,高维乘积码具有性能优势。该结果为码参数选择提供依据,可在相同的信息传输有效性下,选择性能更好的码。     

多基站协作下行系统中异步空时码构造与分析

基于天线集中配置的多输入多输出无线通信系统同步环境下应用的现有正交空时分组码,提出并讨论了应用于多基站协作下行传输的天线分布式配置系统异步环境中基站发射空时编码结构和接收端用户译码实现算法,该码仅要求用户接收端知道信道信息状态即可,通过预设不同的循环前缀大小可对分布在多基站不同地理位置天线具有相对时延差的异步传输信号实现可靠接收。最后,分析了该异步空时码的性能特性,在异步环境下以牺牲部分码速率和编码增益能够获得全空间分集和低复杂度接收译码等性能。     

多维累加型交叉并联单奇偶校验码的性能分析

多维累加型交叉并联单奇偶校验(M-ACPC-SPC)码是一种新的纠错编码,该码具有较低的编、译码复杂度及较好的误比特率性能。推导了M-ACPC-SPC码的平均输入冗余重量枚举函数,由此提出了该码的误比特率性能上界及该码在高信噪比条件下误比特率的近似表达式,其近似结果与仿真值匹配良好。分析表明,随着交织长度及交织器数目的增加,M-ACPC-SPC码的错误平层逐渐降低,为M-ACPC-SPC码的设计提供了有效的参考依据。     

LDPC码与RS码的联合迭代译码

针对LDPC码与RS码的串行级联结构,提出了一种基于Chase的联合迭代译码方法。软入软出的RS译码器与LDPC译码器之间经过多次信息传递,性能可以逼近最大似然译码。模拟结果显示:AWGN信道下这种基于Chase的RS码与LDPC码的联合迭代译码方案可以获得约0．5 dB的增益。     

并行支路卷积碼譯碼算法之簡化

本文主要工作:(1)从算法上证明了对于TCM用的一类有并行转移支路的卷积玛,其VITERBI译码算法可以作很有效的简化,而且简化不影响译码性能。(2)给出了表征算法复杂性的公式,讨论了简化效果。简化算法的复杂性约为常规算法的1/2~P。(3)用计算机模拟验证了简化算法和常规算法的等效性。因而,算法的简化不影响译码性能。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

TD-SCDMA系统中MAP Turbo联合检测的一种简化应用

研究了最优MAPTurbo联合检测(JD)技术在TD-SCDMA系统中的应用,并在此基础上提出了简化方案。在TD-SCDMA上行链路系统中对该简化方案进行仿真模拟,结果显示:相比于线性联合检测算法简化MAPTurbo联合检测有很大的性能改善,且其实现复杂度相比最优MAPTurbo联合检测算法大大降低。     

基于GA-BP 算法的旋转控制头轴承温度预测

旋转控制头轴承组件要承受很大的动载荷,由于摩擦力的作用,使轴承发热和磨损非常严重,极易发生轴承 温度过高而导致轴承失效。针对旋转控制头轴承温度影响因素多、精确计算困难、不易测量等特点,提出了一种基于 遗传算法优化的神经网络（the optimized algorithm of BP neural network based on genetic algorithm,GA-BP）进行旋转控 制头轴承温度预测的方法,利用某无外挂冷却润滑泵站式旋转控制头台架实验数据进行训练和测试,并与传统神经网 络模型（BP）进行对比。结果表明,GA-BP 预测模型实现了控制头轴承温度预测过程的自适应控制,预测得到的轴承 温度与期望值之间的线性相关度达到0.991 48;通过95% 置信区间以及平均、最大、最小绝对百分比误差的对比得到, GA-BP 模型在逼近能力、收敛和泛化能力上都要优于BP 预测模型。GA-BP 预测模型预测精度高、稳定性好,对掌 握轴承运行状态,优化旋转控制头冷却润滑方式和结构,提高旋转控制头的整体性能有重要指导意义。     

一种改进EM算法的联合信道估计与数据检测

最近的一些研究表明,在接收机利用可用的信道估计误差的统计时,可以显著提高检测性能.对此,提出了一种基于改进期望最大化(EM)算法的数据辅助信道估计,它通过在每次迭代中提供估计误差的统计信息,减少在各自的接收器信道估计误差的影响.仿真结果表明,与传统的EM及VBEM算法相比,在不需增加接收机复杂程度的情况下,改进的EM算法在估计精度上优于其对应的传统估计方法,有效降低了信道估计误差,其误码性能接近理想信道时的性能.     

适合于BP学习的共轭梯度法

基于ＬＭＳ的标准ＢＰ算法收敛速度极慢，而共轭梯度法要求精确的线性搜索，这在神经网络的高维权空间中是难以实现的。本文提出了一种新的ＢＰ学习算法，它采用一种对线性搜索要求不高的改进的共轭梯度法与一种简单的不精确线性搜索相结合，极大地提高了ＢＰ学习速度。经多次测试表明，与标准ＢＰ算法相比，该算法的效率提高了二个数量极。     

基于EEOD码的一种有效的数据分布策略

在EVENODD码的基础上,提出一种新的基于EEOD码的数据布局分布策略。该策略只需要三个额外的存储设备保存校验信息,能容许任意三个存储设备同时故障。策略中的校验方程组用图的回路表示,可将其顶点逐步消除,把译码过程归结为图回路的叠加。讨论了基于EEOD码数据分布策略的性能,与其他策略相比,其容灾能力大幅度提高,编码和译码过程只需要简单的异或运算,但空间利用率和系统吞吐量的影响非常小。     

一种有效的丰满树算法

本文提出了一种新的有效的丰满树数据结构及其插入、删除、查询、中序周游等的基本算法。这种数据结构不用指针场,而用顺序地址标法来保持树中结点的联系,从而使空间复杂度大为减少,而且其算法也得以简化。在插入、删除的结点个数相对于文件规模不算太大的情况下,该算法的时间复杂度也是比较好的。