LDPC码串行译码收敛性分析

介绍了低密度校验码（LDPC码）的TANNER图表示和洪水译码算法后,引入基于校验节点的串行译码算法 及半串行译码算法,通过密度进化和树的深度两方面来讨论串行译码的消息收敛特性,证明其消息收敛速度比洪 水译码算法约快2倍,并且降低了译码复杂度。分别应用洪水译码算法和串行译码算法在AWGN信道下进行计 算机仿真。理论分析与仿真结果均表明,串行译码算法明显改善了译码性能。     

基于量化修正的低复杂度LDPC译码算法

为进一步降低基于可靠度的(Low Density Parity Check, LDPC)译码算法复杂度,提出一种基于量化修正的低复杂度LDPC译码算法,该算法在对信道信息预处理时引入量化信息修正处理策略,从而避免在译码迭代过程中进行译码信息修正处理操作,在保持译码性能的同时,较大幅度地降低译码复杂度。针对均匀和非均匀量化方案,本文实现了基于修正系数的均匀量化和基于列重修正的非均匀量化两种译码方案。仿真实验结果表明,所提出的两种译码方案在算法复杂度明显较低的情况下,仍然与MRBI-MLGD译码算法具有相同的译码性能与收敛速度。特别地,在基于列重修正的非均匀量化方案中,只需3-4 bits的低比特量化即可达到均匀量化中高比特量化(8 bits)相同的迭代次数和误比特率性能。     

基于串行消息传递机制的LDPC码译码算法研究

在介绍LDPC码概念和基于洪水消息传递机制和积译码算法的基础上,引入基于串行消息传递机制的LDPC译码算法.该串行译码算法可基于校验节点或变量节点一定的顺序进行消息处理和传递,保证更新的消息能够快速进入迭代过程,从而改善消息传递的收敛特性;同时充分利用消息间相互关联的特点,融合消息传递步骤,可以降低所需的存储容量.分析了两种串行译码算法的算法复杂度,证明基于校验节点的串行译码算法能在很大程度上简化译码复杂度,并对比洪水译码算法,在AWGN信道下进行了性能仿真,仿真结果表明两种串行译码算法都使译码性能得到明显提高.     

Tutbo码并行译码算法的研究

Turbo码的译码算法大致可分为串行译码算法和并行译码算法两大类。串行译码算法如MAP、LOG MAP等的研究已比较深入。但并行译码算法 ,尚有许多问题有待探讨。研究了Turbo码的并行译码算法 ,将Turbo码译码和图论结合起来 ,利用Bayesian网络图模型描述了Turbo码的译码过程 ,基于模型使用Pearl的信息传播算法 ,建立了Turbo码的并行译码算法。并对所讨论的并行译码算法进行了模拟 ,模拟结果表明 :该并行译码在译码性能等方面比串行译码优越     

LDPC码串行译码收敛性分析

介绍了低密度校验码（LDPC码）的Tanner图表示和洪水译码算法后，引入基于校验节点的串行译码算法及半串行译码算法，通过密度进化和树的深度两方面束讨论串行译码的消息收敛特性，证明其消息收敛速度比洪水译码算法约快2倍，并且降低了译码复杂度。分别应用洪水译码算法和串行译码算法在AWGN信道下进行计算机仿真。理论分析与仿真结果均表明，串行译码算法明显改善了译码性能。     

一种基于分支度量标准的新卷积码译码算法

提出了一种新的门限可调的序列译码算法和一种新的遍历译码树图的方法.取代了传统序列译码算法的路径度量,该算法使用基于最大似然准则的分支度量.算法引入了2个新参数:跳回距离和来回距离.该算法的性能与其他序列译码算法和Viterbi算法相比,适合于长约束长度卷积码译码.结果表明,该算法是一种很好的可以用来对卷积码译码的方法,其译码速度快,并且具有良好的误码率(BER)性能.     

低密度奇偶校验码加权大数逻辑译码研究

针对低密度奇偶校验(LDPC)码加权大数逻辑(WMLG)译码物理意义问题,提出了一种基于最大对数最大后验概率(max-log MAP)译码的推导方法。该方法利用幂求和的对数近似表达式给出信息位的对数似然比(LLR),理论证明了WMLG译码与max-log MAP译码的等价性。仿真结果也进一步表明,与MAP译码相比,max-log MAP译码的复杂度大为降低,而译码性能的损失微乎其微。WMLG译码与max-log MAP译码的等价关系表明,基于WMLG译码的混合译码算法都可看作max-log MAP算法的改进,这对于设计LDPC码的新型混合译码算法有较好的指导作用。     

飞行数据快速译码系统实现

飞行数据译码分析是进行飞机状态监控、故障诊断与维修、飞行品质分析等的重要技术手段.介绍了QAR记录的原理,在分析了传统译码算法及译码的缺点的基础上,针对ARINC717协议中的飞行参数类型,提出了基于参数类型的动态链表快速译码算法,并开发了基于实时数据库技术的快速译码系统软件,显著提高了飞行数据的译码效率,扩展性好,能满足飞行记录数据新应用的实时快速译码要求.     

高码率多进制LDPC码在AWGN信道中的性能分析

为了解决多进制LDPC码原有译码算法复杂度较高,不利于硬件实现的问题,研究了多进制LDPC码的2种简化译码算法:基于快速傅里叶变换的信度传播译码算法(FFT-BP)和基于对数运算的Log-BP译码算法.同时分析了基于这2种译码算法的高码率(1/2～1)多进制LDPC码在AWGN信道中的性能优势.仿真结果表明:当多进制LDPC码采用这2种不同的译码算法时,随着码率的下降,编码增益和性能曲线与香农限的距离都会随之而增大,即多进制LDPC码适合于高码率情况下的应用.并在牺牲一定的信噪比时,Log-BP算法能够使多进制LDPC码的硬件复杂度得到较大的改善.     

基于新迭代策略的IRA码改进译码算法

IRA码的译码通常采用BP译码算法,然而BP译码算法复杂度高,硬件电路实现困难。最小和译码算法虽然降低了运算复杂度和硬件实现难度,但是其牺牲了部分译码性能。五线段近似算法对BP算了做了近似简化,然而其复杂度依然偏高。提出了一种基于五线段近似和最小和的改进译码算法,在降低系统译码复杂度的同时,保持较高的译码性能。仿真结果表明,改进的译码算法在降低了复杂度的情况下,仍能得到较高的译码性能。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

一种改进的BNS网络论坛搜索算法

为了提高网页在互联网中的搜索效率,基于非结构化P2P网络的多种搜索算法和网络蜘蛛搜索算法,提出了一种广度优先搜索(BFS)和非贪婪性搜索(NGS)相结合的改进搜索算法(BNS)。并通过该算法的性能分析与大理学院校园BBS的应用测试,结果表明,BNS算法在搜索速率、相关度和准确率上都优于BFS和NGS算法,该算法的实际应用提高了网络论坛运行效率。     

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法．通过对二维波动方程的数值试验，发现该算法具有无条件稳定性，其数值计算结果与整个区域上采用隐格式的计算结果相当，计算精度明显好于Kuznetson算法和改进的Kuznetson算法，计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少，且小于隐格式计算时间的一半．     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

一种改进的SVM算法及其在证券领域中的应用

根据传统的SVM算法原理，提出一种新的基于连续的和过程化的SVM算法，该算法在分类结果上不再局限于两类分类问题的离散情况，是一种支持向量的动态选择算法．将该算法应用于证券领域中，结果表明该算法是有效且正确的．