分組Turbo碼RBF神經(jīng)網(wǎng)絡(luò)譯碼方法研究.pdf

1、Turbo碼是糾錯(cuò)編碼技術(shù)的一個(gè)突破，它使用了一種全新的譯碼思想：迭代譯碼。雖然分組Turbo碼的性能優(yōu)異，但同時(shí)也有運(yùn)算復(fù)雜度高和譯碼時(shí)延大等缺點(diǎn)。為了降低譯碼的運(yùn)算量和譯碼所帶來(lái)的時(shí)延，本文把神經(jīng)網(wǎng)絡(luò)與分組Turbo碼的譯碼相結(jié)合，使用神經(jīng)網(wǎng)絡(luò)模型來(lái)簡(jiǎn)化分組Turbo碼的譯碼，利用神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)來(lái)降低譯碼復(fù)雜度和減少譯碼時(shí)延。 本文通過(guò)對(duì)Turbo乘積碼(TPC)外信息的推導(dǎo)，利用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)模型，對(duì)Turb

2、o碼分量譯碼器進(jìn)行了修改，提出了一種新的基于RBF神經(jīng)網(wǎng)絡(luò)的迭代譯碼算法。并針對(duì)分組Turbo碼(BTC)-BCH(n，k)BTC碼和Turbo乘積碼——BCH(n，k)2TPC碼分別提出了相應(yīng)的RBF神經(jīng)網(wǎng)絡(luò)迭代譯碼方案。這兩種方案譯碼復(fù)雜度相差不大，比起MAP類(lèi)算法均大大地降低了譯碼運(yùn)算復(fù)雜度，提高了譯碼處理速度，并獲得了很好的誤比特率(BitErrorRate，BER)性能。在碼率較高的情況下，RBF神經(jīng)網(wǎng)絡(luò)譯碼Turbo乘積碼的