并行级联卷积码基于软输入硬输出的迭代译码

以递归卷积系统码为分量码构造的并行级联卷积码具有优良的距离特性,本文提出一种新的迭代译码算法,通过引入校正因子α(n)和β(n),对viterbi译码输出和原始接收信息进行线性叠加,从而将当前的硬判决译码输出转化为下一次译码的软输入。仿真结果表明,该算法与乘积码相比,具有更强的纠错性能和更快的译码速度。     

码分多址信道中的迭代译码及干扰消除技术

提出了一种码分多址在高斯白噪声信道中的迭代译码和干扰消除方案，在译码过程中，每个用户译码器的输出用来生成用户信号的软预测，预测值通过迭代译码和干扰消除得以改进，直到迭代收敛为止，然后对用户信号进行硬判决输出，最后，给出了模拟结果。结果表明系统性能将得到改善。     

码分多址信道中的迭代译码及干扰消除技术

提出了一种码分多址在高斯白噪声信道中的迭代译码和干扰消除方案,在译码过程中,每个用户 译码器的输出用来生成用户信号的软预测,预测值通过迭代译码和干扰消除得以改进,直到迭代收敛为 止,然后对用户信号进行硬判决输出,最后,给出了模拟结果*结果表明系统性能将得到改善.     

基于AWGN多次迭代的Turbo码与卷积码性能比较

分析了卷积码及由其发展出的Turbo码的编码原理,给出了这2种编码方法的结构特征和最大后验概率(MAP)的译码算法;分别对卷积码和Turbo码进行仿真,得到在码长1024尽可能多的迭代次数情况下的Turbo码误码率(BER)曲线和采用维特比译码方法的卷积码误码率曲线.通过比较2种编码方法的仿真结果验证了Turbo码编码和译码系统的性能比传统的卷积码系统性能优异的结论,提出并描述了尽可能多次迭代的Turbo码对卷积码在性能上的具体优势.     

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．     

基于滑动窗译码的不规则原模图LDPC卷积码的构造(英文)

时延是现代通信系统的一个重要指标。滑动窗译码能够在保证性能的基础上降低时延。基于滑动窗译码提出了一种不规则原模图低密度奇偶校验(low density parity check,LDPC)卷积码的构造方法。通过对基于AR4JA(accumulate-repeat-by-4-jagged-accumulate)的LDPC卷积码在AWGN(additive white Gaussian noise)信道下的P-EXIT性能分析发现,利用这种构造方式能够设计出多码率并且在BP译码和滑动窗译码方式下都能逼近容量限的LDPC卷积码。计算机仿真证明了基于AR4JA的LDPC卷积码性能优于规则的LDPC卷积码,而且在滑动窗译码方式下在降低至少56.7%时延的同时表现出了很好的性能。结合提出的不规则原模图LDPC卷积码的构造方法和滑动窗译码得到了一种能够实现译码时延与码字性能良好折中的码字构造有效方式。     

基于滑动窗译码的不规则原模图LDPC卷积码的构造

时延是现代通信系统的一个重要指标。滑动窗译码能够在保证性能的基础上降低时延。基于滑动窗译码提出了一种不规则原模图低密度奇偶校验(low density parity check,LDPC)卷积码的构造方法。通过对基于AR4JA(accumulate-repeat-by-4-jagged-accumulate) 的LDPC卷积码在AWGN（additive white Gaussian noise）信道下的P-EXIT性能分析发现,利用这种构造方式能够设计出多码率并且在BP译码和滑动窗译码方式下都能逼近容量限的LDPC卷积码。计算机仿真证明了基于AR4JA的LDPC卷积码性能优于规则的LDPC卷积码,而且在滑动窗译码方式下在降低至少56.7％时延的同时表现出了很好的性能。结合提出的不规则原模图LDPC卷积码的构造方法和滑动窗译码得到了一种能够实现译码时延与码字性能良好折中的码字构造有效方式。     

光通信中纠错码在乘性噪声信道下译码性能分析

针对经典的基于加性高斯白噪声(additive white Gaussian noise, AWGN)模型下的软判决译码算法不适用于光通信乘性噪声信道的问题,分析了雪崩光电二极管（avalanche photodiode,APD）接收机和掺铒光纤放大器（erbium-doped fiber amplifier,EDFA）接收机信道的非对称特性。仿真结果表明,乘性噪声信道的非对称特性可用发送“1”,“0”码的标准差之比来衡量,且两者比值越大,说明信道的非对称性越强。接着分别给出卷积码、Turbo码和低密度奇偶校验码（low-density parity-check,LDPC）码在乘性噪声信道下的译码方法,并仿真了纠错码在非对称高斯模型下的译码性能和在AWGN模型下的译码性能差异。仿真结果表明,译码算法做相应的修正后,纠错码在2种信道模型下皆具有较好的净编码增益,同时在非对称高斯模型下的译码性能要优于在AWGN模型下的译码性能。     

Turbo码新译码算法

Ｔｕｒｂｏ码是一种新的纠错编码,具有十分突出的纠错能力。Ｔｕｒｂｏ码编码端由两个或更多个卷积码并行级联构成,译码端则采用了一种基于软判决信息输入／输出的反馈迭代结构。介绍了Ｔｕｒｂｏ码原理以及现有主要的两种Ｔｕｒｂｏ码译码算法－ＭＡＰ和ＳＯＶＡ,推导并提出了两种改进的译码算法：ＡＬ－１和ＡＬ－２。计算机模拟和定性讨论表明,在白高斯噪声信道下,ＡＬ－１和ＡＬ－２算法既可大大减少计算杂度,又保持了良好     

数字通信中卷积码Viterbi译码算法的研究及软件实现

介绍了数字通信系统中一种卷积码为特比译码的软件实现算法,在CCS环境实现了(2,1,7)卷积码Viterbi译码功能,在程序实现中充分利用了卷积码的特性,运用网格图和回溯以得到译码输出。     

基于Simulink的GMSK跳频通信系统设计

为了寻找最佳跳频调制方式,通过分析各种调制方式下不同信噪比对误码率的影响和不同BT值对GM-SK(Gauss filtered Minimum Shift frequency Keying)调制系统误码率的影响,说明GMSK调制方式的合理性和必要性。经仿真得出,在低信噪比-4 dB条件下,系统选用GMSK方式可获得0.03%的误码率,优于2FSK(2-ary Frequency Shift Keying)(3.33%),略差于BPSK(Binary Phase Shift Keying)(0.017%)和MSK(MinimumShift frequency Keying)(0.02%);同时频带利用方面GMSK为最优。利用Matlab中的Simulink通信工具箱模拟仿真GMSK跳频信号的调制与解调过程,设计出一种GMSK跳频通信系统。测试结果表明,该系统可在没有差错控制的条件下得到误码率为0.5%的通信效果,解决了由于器件和传输信道影响产生的衰耗和偏差补     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。     

基于FPGA的GMSK调制器的设计实现

介绍了一种基于FPGA的GMSK调制器的设计实现.该设计充分利用FPGA内部丰富的Block RAM资源,采用DDS查表法对GMSK基带调制信号进行了实现,然后通过正交调制将基带信号变换到所需的中频频率上.经过测试验证,本设计实现的GMSK调制信号的EVM(RMS)在6%以下,能有效的满足系统性能指标.     

基于卷积神经网络的脑电信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。     

一种实用的数字集群方案的研究

结合第二代移动通信系统GSM蜂窝网及陆地集群无线通信集群网提出了一种实用的数字集群移动通信方案．即采用TETRA系统的信源编解码和信道编解码技术，调制解调采用GsM蜂窝移动通信系统的GMSK技术，对国内成熟的模拟集群系统稍加改进，如将基带话音处理及载波调制数字化，就成为国内企业可批量生产的数字集群系统．并用硬件及软件对此方案进行了仿真，分析结果表明这是一种易于实现，性能良好的数字集群移动通信系统方案．     

移动通信系统中的GMSK调制模型

为了论证高斯最小频移键控(GMSK)信号在时域和频域的相互关系,分析了GMSK信号调制原理和滤波器传递函数,建立了GMSK调制和解调模型.在BT=0.2、0.3、0.4时.对系统误码率进行仿真.结果表明:不同BT值的信号调制性能差别不大.随着信噪比的增大,BT=0.3与BT=0.4的系统性能基本一致.当BT=0.3时,既可以使频域带宽很窄,时域持续时间适当,又使时域信号容易实现.该研究进一步明确了高斯信号在时域、频域间的关系,为调制解调技术的深入研究奠定了基础.     

基于分段抛物线滤波器的GMSK定时恢复方法

基于Gardner的定时恢复能应用于GMSK的定时恢复,而且能获得较好的定时同步性能。较传统的定时恢复技术而言,Gardner定时恢复具有非数据辅助、较低的复杂度、环路结构简单等优点。在分析Gardner定时恢复环路的基础上,提出了一种改进的GMSK定时恢复方法,进一步降低了计算复杂度,简化了滤波器结构。仿真结果表明,改进的定时恢复方法不仅能使原有的定时性能有所提高,而且其结构更为简单,因此更适合GMSK系统的定时恢复。     

基于AWGN信道下Turbo码的性能仿真及分析

给出Turbo码在AWGN信道下的仿真系统结构。仿真系统的Turbo编码器由2个相同的分量编码器通过交织器并行级联而成，编、译码器中所用的交织器为随机交织器，SISO译码算法采用Log—MAP算法，通过计算机仿真，对RSC结构、交织器长度、凿孔和循环迭代次数等主要因素进行分析。结果表明：由于Turbo码很好利用迭代译码方法以及香农信道编码定理中的随机性编码译码条件，在AWGN信道的低倍噪比条件下Turbo码能发挥良好性能。     

Low complexity Chase-2 decoding of concatenated codes

The concatenated codes are widely used in current communication systems, such as satellite communication systems and WiMAX system. The objective of this study was to present a low complexity iterative soft decoding algorithm for concatenated codes. The concatenation was between a Reed-Solomon (RS) code and recursive systematic convolutional (RSC) code. The reduction in computational complexity was achieved by simplifying the Chase-2 decoder for RS codes with limited usage of test patterns. The processing of soft information between inner and outer decoders was also discussed. Simulation results showed that the proposed algorithm could achieve a good trade-off between complexity and performance.     

基于多信息融合的GIS局部放电类型识别方法研究

为了实现气体绝缘开关(gas insulated switchgear, GIS)局部放电故障类型的识别,利用GIS局部放电试验采集的特高频(ultra-high frequency, UHF)和超声波信号得到了局部放电相位解析(phase resolved partial discharge, PRPD)图和格拉姆角场(Gramian angular field, GAF)图,提出了基于自适应卷积神经网络的GIS局部放电类型识别算法,优化了卷积神经网络(convolutional neural network, CNN)超参数,建立了基于决策级多信息融合的GIS局部放电类型识别模型框架,研究了不同GIS局部放电类型识别方法的准确性及内在影响因素。结果表明：基于超高频和超声波信号的决策级多信息融合方法能够进一步提高GIS局部放电类型的识别准确性,识别准确率在98%以上,提出的决策级多信息融合方法的识别准确率高于特征级多信息融合方法,研究成果可为GIS局部放电类型识别提供技术支撑。