分組Turbo碼RBF神經網絡譯碼方法研究.pdf

1、Turbo碼是糾錯編碼技術的一個突破，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，但同時也有運算復雜度高和譯碼時延大等缺點。為了降低譯碼的運算量和譯碼所帶來的時延，本文把神經網絡與分組Turbo碼的譯碼相結合，使用神經網絡模型來簡化分組Turbo碼的譯碼，利用神經網絡的優(yōu)點來降低譯碼復雜度和減少譯碼時延。 本文通過對Turbo乘積碼(TPC)外信息的推導，利用徑向基函數(shù)(RBF)神經網絡模型，對Turb

2、o碼分量譯碼器進行了修改，提出了一種新的基于RBF神經網絡的迭代譯碼算法。并針對分組Turbo碼(BTC)-BCH(n，k)BTC碼和Turbo乘積碼——BCH(n，k)2TPC碼分別提出了相應的RBF神經網絡迭代譯碼方案。這兩種方案譯碼復雜度相差不大，比起MAP類算法均大大地降低了譯碼運算復雜度，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神經網絡譯碼Turbo乘積碼的