当前位置:主页 > 科技论文 > 网络通信论文 >

脉冲信道下基于深度学习的BP译码方法

发布时间:2021-09-12 18:01
  在脉冲信道下,针对置信传播(belief propagation,BP)算法对短码长的低密度奇偶校验(low-density parity-check,LDPC)码译码性能差的问题,提出了一种基于深度学习的BP译码方法。首先,根据Tanner图构建两种深度神经网络模型,通过对Tanner图中边的权重重新赋值来提升译码性能。然后,简化信道对数似然比(log-likelihood ratio,LLR)的计算方法,通过模型训练优化近似计算参数,得到对参数γ鲁棒的译码模型。最后,构造鲁棒训练集,训练得到对参数a和γ鲁棒的译码模型。仿真结果表明,在高码率时,该方法相对于传统BP译码算法性能显著提升,且在近似计算信道LLR值时,译码性能在不同参数的脉冲信道下均具有鲁棒性。 

【文章来源】:系统工程与电子技术. 2020,42(09)北大核心EICSCD

【文章页数】:7 页

【参考文献】:
期刊论文
[1]准循环LDPC好码设计[J]. 肖扬,徐丹.  系统工程与电子技术. 2009(05)
[2]Alpha稳定分布的参数表征及仿真[J]. 李旭涛,朱光喜,王首勇,曹汉强.  信号处理. 2007(06)



本文编号:3394685

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/3394685.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户53e95***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com