前言:
此刻姐妹们对“ldpc码bp译码算法研究”都比较关心,看官们都需要剖析一些“ldpc码bp译码算法研究”的相关文章。那么小编在网络上搜集了一些对于“ldpc码bp译码算法研究””的相关资讯,希望看官们能喜欢,同学们一起来了解一下吧!根据《基于深度残差收缩网络的LDPC译码算法》所述,为了研究瑞利衰落信道下提高低密度奇偶校验码(low density parity check,LDPC)信道译码算法纠错性能的方法,结合神经网络技术,有学者提出了一种基于深度残差收缩网络(deep residual shrinkage networks,DRSN)的归一化最小和(normalized min-sum,NMS)译码算法(简称DRSN-NMS译码算法)。
首先,本译码算法使用深度残差收缩网络预测信道增益;然后结合接收信号计算对数似然比(log likelihood ratio,LLR),将其作为译码算法的输入进行译码,深度残差收缩网络通过学习接收信号中噪声的相关特征,以抑制噪声的方法使预测结果更加接近真实信道增益;最后使用实现较简便的NMS算法进行译码。
深度残差收缩网络在提取特征的过程中,会通过抑制无关噪声来提高特征提取的准确率。它的核心思想是神经网络在学习的过程中,在残差块结构中添加一个小型的子网络用于自适应阈值设置,以去除与当前任务无关的特征信息,提高神经网络预测的准确率。在残差块的基础上加入子网络,用于清除冗余信息,新结构即残差收缩块,其结构如图所示。
仿真试验结果表明,在高信噪比环境下,本译码算法的误码率最低时接近常规算法误码率的1/3,译码性能得到一定的提高。本研究结果可为译码算法降低误码率提供参考。
标签: #ldpc码bp译码算法研究