Hopfield神经网络非线性纠三错码的研究

本文设计了一种高散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性（权值矩阵是主对线为１的的对称矩阵）。将这种网络应用于编码技术，得到了纠三错的非线性（ＴＥＣ—ＦＥＤ）码，同时对非线性码的旋转平移性进行了研究。这种网络原理简单，译码复杂性低，所得码具有一定的规律性     

神经网络非线性纠单错码的研究

本文采用神经网络吸引子编译码方法，设计了一种新的离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵具有较强的规律性。由这种网络得到了ＳＥＣ－ＤＥＤ非线性码。码的种类较多，无监督元。译码复杂性低且网络一步收敛，网络的存储容量、纠错性能大大高于文献［２］。     

一种BCH码编译码的实现

提出一种用可编程逻辑器件和单片机实现BCH码编、译码的方案.本方案是用软件和硬件结合的方法实现BCH码的编码和译码.     

一种RS码与LDPC码的交织迭代编译码方案

为了提高通用战术数据链的信道纠错能力,同时降低编译码时延,设计了一种RS码与LDPC码的交织迭代编译码方案。该方案通过RS码与LDPC码的交织编码,有效提高码字相关性;通过RS码硬判决译码和联合迭代软译码相结合,能在保证译码性能前提下降低译码时延。仿真结果表明,该方案在一定译码时延下,明显提高译码性能。     

利用对偶码的捕错译码

当g(r)是x~n+1的既约多项式,n为奇素数,g(x)是(n,(n+1)/2)循环码C的生成多项式,利用C的对偶码C′生成多项式(x+1)g(x)构造捕错译码器.该方法能提高原捕错译码器的纠错能力,可以识别C(x)中的码型(对偶码和非对偶码)。     

基于卷积码、LDPC码、Turbo码的BICM—ID性能的研究

比特交织编码调制迭代译码（BICM—ID）是一种编码、调制和迭代译码相结合的技术,主要应用于无线通信中的信道编译码．BICM—ID在结构设计上加入了比特交织器和软输入软输出（SISO）译码器,结合迭代译码,最终实现次优译码．不同的编码方法在BICM—ID系统中也有着很大的性能差异,针对几种常见纠错编码方法——卷积码、Turbo码、LDPC码,在BICM—ID系统下的误码率性能进行比较．仿真得到系统在AWGN信道和Rayleigh衰落信道下的误码率曲线,表明不同纠错编码的BICM-ID系统性能与理论分析相一致．     

一种单片机控制的差错编译码系统

本文提出了一种运用单片机实现纠多位随机错码的编译码系统。该系统可作为编码器或译码器使用,并可根据用户对传输效率与可靠性的不同要求,选择分组码长ｎ＝１５以下,纠错位数ｔ＝３以下的不同组合。它适用于数字遥控、数据采集及数据通信等方面的数据传输。本文在讨论系统所选码型的基础上,着重分析了系统的编码和译码算法,给出了系统的软件框图和硬件电路原理图。     

Reed—Solomon码的快速译码

研究了 Ｒｅｅｄ－Ｓｏｌｏｍｏｎ码的快速译码问题。译码中，利用了有限域ＧＦ（Ｆｎ）上的 ＦＦＴ变换，并采用了本文提出的改进的 Ｂｅｒｌｅｋａｍｐ－Ｍａｓｓｅｙ算法求差错定位多项式．从而减少了迭代次数，提高了译码速度。此法为使用较长 Ｒｅｅｄ－Ｓｏｌｏｍｏｎ码提供可能性，使之具有更强的纠错能力。文中还给出了计算机模拟计算结果。     

Z8上的自自偶码

求出Ｚ８上码的生四及校验矩阵，并由此得到了Ｚ８上的码为自对偶码的必要条件是其码长为偶数；证明了满足一定条件的一对４元码可以构造出Ｚ８上的自对偶码，并给出了构造８元自对偶码的一个方法。     

一种有利于硬件实现的LDPC码的研究

本文根据LDPC的编译码原理,提出一种新颖的有利于硬件实现的编译码结构。这种译码结构采用准循环的编码构造方法,对于在计算和存储方面较为便利,采用简化的译码算法,硬件实现简单,且编码增益较高,所有的性能在BPSK调制和AWGN信道中得到估值。     

线性分组码在纠错编解码的应用

当今社会通信及高速通信数据网的飞速发展,数据的交换、处理和存储技术得到了广泛的应用,人们对数据传输和存储系统的可靠性提出了越来越高的要求。本系统介绍在纠错编解码中很常用的一种方法——线性分组码,并通过单片机编程实现这种纠错码,模拟通信过程中出现的错误并纠正错误。在这个系统中利用单片机编程实现线性分组码的编码和伴随式译码过程。     

矩阵码的自组织特征映射识别研究

基于Ｋｏｈｏｎｅｎ自组织特征映射网的自组织性、自适应性及对输入信号的高容错能力，运用无导师动态竞争学习方法对较模糊的矩阵码进行识别，取得了较好的效果．对网络的训练采用了带噪声的矩阵码数据，大大提高了系统的辨识能力．试验表明，该方法为矩阵码的识别提供了一条有效的途径．     

神经网络在分组码软判决译码中的应用

本文探讨了神经网络与纠错编码之间的关系,将神经网络引入分组码软判决译码中.通过映射变换α→(Q-1)-2α,建立了分组码软判决译码与神经网络之间的关系;证明了线性分组码软判决最小距离译码等效于寻找对应的神经网络能量函数最大值,神经网络优化算法可用于分组码软判决译码中.     

用于位置误差处理的CMAC神经网络系统

提出一种用ＣＭＡＣ神经网络进行位置误差分析的系统，阐述了特征量提取、数据压缩的方法以及神经元网络学习和数据处理的计算机仿真，讨论了ＣＭＡＣ神经元网络的结构、系统的输出精度、学习速度及步长的关系。     

非线性、大滞后系统神经网络辨识研究

基于神经网络的非线性、大滞后系统辨识是当前研究的热点之一,介绍了神经网络辨识的基本原理,研究了BP与RBF神经网络两种典型网络的设计和算法,最后通过MATLAB进行了仿真分析与比较。仿真结果表明:一致性方面RBF优于BP神经网络,RBF神经网络收敛速度更快,辨识效果更好;泛化性能方面RBF网络较差,不如BP网络。由此得出两种网络各自的优缺点,在实际应用中可以此作为神经网络模型辨识的参考。     

非线性位移时间序列分析的遗传神经网络方法

岩土结构的位移大都具有非线性动力学演化特征,针对目前所采用的时间序列分析方法中存在的模型选择和参数确定困难问题,用人工神经网络建模来取代传统的分析方法,提出了一种能自动确定输入时步长度和网络模型结构的遗传神经网络方法,而且也解决了神经网络结构选择和“过训练”问题,提高了网络学习的效率和网络预测的能力·该方法可以对位移演化规律进行智能识别,获得全局最优解·     

量子纠错码的研究

以经典纠错码为基础阐述了量子纠错码的基本思想、基本原理、基本方案和量子编码定理等内容的研究与进展,提出了在量子信息学中理论与实现急需解决的问题。     

非线性函数逼近的神经网络方法

针对工程实际中一类典型的非线性函数逼近问题，本文阐述了单层函数型网络及双层网络在应用时各自的特点，并提出了对网络输入节点进行优化选择，可提高网络的逼近精度，简化网络结构．文中给出了具体的选择方法，计算机模拟结果验证了该方法的有效性。