基于原模图LDPC码的联合信源信道译码器的硬件实现

采用FPGA(field programmable gate array)设计基于原模图低密度奇偶校验(low density parity check,LDPC)码的联合信源信道译码器,信道部分和信源部分都是由原模图LDPC码组成.在原模图LDPC码联合译码器的硬件实现架构中,通过2步循环扩展得到了适合硬件实现的准循环原模图LDPC码,译码器信息的迭代更新采用TDMP (Turbo decoding message passing)分层译码算法,采用的归一化最小和算法使得P-JSCD(photograph-based joint source and channel decoding)具有部分并行结构.最后,为了降低资源消耗和译码延迟,采用了提前终止迭代策略.基于FPGA平台的硬件实现结果表明,该联合译码器的译码性能非常接近相应的浮点算法,并且最大时钟频率达到193.834 MHz,吞吐量为24.44 Mbit/s.     

变长码的抗误码扩散能力分析

给出了一种基于离散无记忆信源模型的分析变长码抗误码扩散能力.该方法通过分析序列中某一时刻某个码字出现的概率,以及该码字发生错误后正好变成与该码字同码长的另一码字的概率,得到该时刻不发生误码扩散的概率.而整个序列不发生误码的概率为该概率的序列长次幂.模拟计算结果显示,该方法可在不增加平均码长和码方差的情况下,选择出抗误码扩散能力最好的码组.     

基于传播因子的分布式信源中心波达方向估计

采用传播因子估计分布式信源中心波达方向的算法,尤其是对于不相干分布式信源,利用泰勒级数将其方向向量进行一阶近似,得到形式上与点信源类似的分布式信源方向向量,再利用传播因子算法来估计其中心波达方向,有效地解决了角度扩散较小且角度信号密度不同的相干和不相干分布式信源中心波达方向估计问题.不仅计算简单,而且适用于多个分布式信源中心波达方向的估计.仿真实验验证了所提算法的有效性,与MUSIC算法相比,本文提出的算法有更好的信噪比性能.     

普适信源,普适划分及语义识别信息

本文通过分析仙农(Shannon)测度,得出“划分”是获取信息的依据和根本方法.利用连续划分由离散信源熵推导连续信源熵,可消除 log△→∞的矛盾.通过讨论模糊划分,得到划分的信息客观度和信息散失度,定量解决了正确选择‘划分’的问题.针对仙农信源及其划分的缺陷,本文提出了普适信源和普适划分,从而可以认知信源输出的语法信息及语义识别信息;并且证明:仙农信息只是后者的近似.     

未雨多绸缪 任重而道远

“科技市场会消失吗?”这是科技市场管委会听到的最尖锐、最痛心的话了。然而,在现实的危机到来之前已经意识到危险毕竟是一件让人庆幸的事情。未雨绸缪,总有解决危机的办法。事在人为,天道酬勤。只是这种谋划,要更加科学、更加慎重,更加费神。     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.     

离散加权信源与熵密度偏差的极限性质

利用熵密度偏差,研究了服从几分分布的离散加权信源的极限性质,其主要结果推广了离散信源Shannon－Mcmillan定理。     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

一种基于鲁棒矢量量化的信源-信道联合编码算法

信源-信道联合编码是数字通信中编码与传输的关键技术之一。在分析经典算法的基础上,结合语音编码中的声道参数,提出了采用似然比作为测度的信源-信道联合编码算法,同时通过多级分裂矢量量化进一步提高编码参数的量化精度。定点仿真结果表明,该算法的量化精度较传统方法性能提高了近41％,且可以在不增加额外比特开销的基础上进一步提高系统的鲁棒性。     

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。