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