一类线性分组码的神经网络译码*

北京邮电大学学报 ›› 1998, Vol. 21 ›› Issue (2): 46-50.

一类线性分组码的神经网络译码^*

马晓敏¹, 杨义先¹,章照止²

¹北京邮电大学信息工程系, 北京 100876; 第一作者33岁, 男, 博士生;²中国科学院系统科学研究所, 北京 100080

收稿日期:1997-06-09 出版日期:1998-03-10
基金资助:
国家自然科学基金资助项目

Decoding a Kind of Linear Block Codes Using Neural Network

Ma Xiaomin¹, Yang Yixian¹, Zhang Zhaozhi²

¹Department of Information Engineering, Beijing University of Posts and Telecommunications, Beijing 100876;²Institute of System Science, Academic Simica, Beijing 100080)

Received:1997-06-09 Online:1998-03-10
Supported by:

摘要/Abstract

摘要： 讨论了线性分组码互补码的特性及分解, 提出了基于神经网络的互补码分解译码方案, 此方案利用神经网络的吸引子和吸引域进行纠错译码, 并把互补码分解为子码及其若干陪集, 更进一步减小神经网络译码的复杂性及规模, 从而实现高效实时硬判决译码.给出了实现原理及步骤, 并对其译码性能进行了分析比较.

关键词: 信道译码, 纠错编码, 分组码, 神经网络

Abstract: After characteristics and decomposition of complementary codes are discussed, A decomposition decoding strategy for complementary codes based on neural network is presented. The attractors of neural network are introduced to implement error correction decoding. The complementary codes are decomposed into a subcode and several cosets of the subcode, which can further decrease complexityof decoding using neural networks, carrying out high efficiency decoding in realtime. The paper demonstrates the principle and the procedure of the decoding structure, and analysis the performance of the decoding.

Key words: channel decoding, error correcting coding, block codes, neural networks

中图分类号:

TN919.32

马晓敏,杨义先,章照止. 一类线性分组码的神经网络译码^*[J]. 北京邮电大学学报, 1998, 21(2): 46-50.

Ma Xiaomin, Yang Yixian, Zhang Zhaozhi. Decoding a Kind of Linear Block Codes Using Neural Network[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 1998, 21(2): 46-50.

[1]	蒲悦逸王文涵朱强陈朋朋. 基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[2]	谢晓燕赵欢蒋林. 基于视频数据特性的动态手势识别[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[3]	李威陈曙东欧阳小叶杜蓉王荣. 基于高速多核网络的远监督关系抽取方法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[4]	王彬志李卓罗蓬马天祥刘开华. 面向多模态数据的混合型FIB研究[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[5]	韦娟顾兴权宁方立. 基于EEMD的一种新的异常声音识别方法[J]. 北京邮电大学学报, 2020, 43(5): 0-0.
[6]	戴剑勇, 邓先红, 王彬, 汪恒浩. 基于改进萤火虫优化神经网络的WSNs分簇路由协议[J]. 北京邮电大学学报, 2020, 43(3): 131-137.
[7]	宁方立, 韩鹏程, 段爽, 李航, 韦娟. 基于改进CNN的阀门泄漏超声信号识别方法[J]. 北京邮电大学学报, 2020, 43(3): 38-44.
[8]	蒋芳, 张南飞, 胡艳军, 王翊. 基于BP神经网络的CSI无源目标分类方法[J]. 北京邮电大学学报, 2020, 43(1): 40-45.
[9]	雷维嘉, 李环. 全双工系统中基于神经网络的自干扰消除方案[J]. 北京邮电大学学报, 2020, 43(1): 61-67.
[10]	王小玉, 胡鑫豪, 韩昌林. 基于卷积神经网络的彩色铅笔画算法[J]. 北京邮电大学学报, 2020, 43(1): 129-134.
[11]	郭文明, 刘凯, 渠慧帆. 基于Faster R-CNN模型X-射线图像的焊接缺陷检测[J]. 北京邮电大学学报, 2019, 42(6): 20-28.
[12]	李鹏, 王德勇, 师文喜, 姜志国. 大数据环境下基于深度学习的行人再识别[J]. 北京邮电大学学报, 2019, 42(6): 29-34.
[13]	王雅青, 郭彩丽, 楚云霏, 周洪弘, 冯春燕. 面向会话型推荐系统的个性化分层循环模型[J]. 北京邮电大学学报, 2019, 42(6): 142-148.
[14]	罗涛, 李剑峰, 韩家辉, 王艺宁, 雷璐. 一种基于多模态特征融合的骨质疏松评估方法[J]. 北京邮电大学学报, 2019, 42(6): 84-90.
[15]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.