一种基于动态学习的通用纠错译码方法.pdfVIP

维普资讯 2 第 0期 戈 线 遁 信 技 术 V。1．2O Ko．0 W USIAN D!AN TONGXIN JISHU 一 1094年10胃 Radio Cornrnunlea}ionsTechnology Oet．1094 ． · 论文 · 一 种基于动态学习的通用纠错译码方法 王 俊 胜 7 ．2乙 (上海 交通大学 电子工程 系 ) A 摘要 本文提 出_一种讯神经同络进行动患软判决译码的新方法。该方法把纠 错译码看作网络在最小均方误 差：任则下对接收码字不断动志学习的过程。一旦网络 学习收敛到一稳定点，谊译码器就完成7最大似然译码 。计算机模拟姑 果显示，该 方法的译码性能 良好，且计算 复杂虚选 中， ． ， ．， 8 关键词 登璺耄习算法 龋 五麓 当数据在噪声信道中传输时，纠错码技术提供了一种镍证信息可靠传输的有效方法 【]。 对于高斯 白噪声 (AWGN)信道，如果接收机送给译码器的信号是硬J削决信 号，系统将损 失大量的波形蔚息。与保留这些波形信息相比，它相当于约2dB的信号能量损 耗。为了更好 地利用已有的信号能量，有必要寻求一种模拟信号 (钦判擞)译码方法，使整个译码过程建立 在模拟信号处理基础上。神经网络具有强大的模拟信号处理能力。它在许多领域都显示 出了 广阔的应用前景c3。用前向神经网络进行纠错译码的研究 已有许多报道 (：[ 。逸些方法 犬都建立在由接收到的码字空间向信息空间的静态映射基础上。其缺点为网络所需神经元数 目太多。本文提出了一种利用网络 自适应动态学习的译码嚣。当给定一个受刭噪声千扰的码 字时，网络的输出就会按照最小欧几垦德距离 自动地帔化为一个标准的码字，逸就是译码的 输 出。在后面的几苇里，我们将详细讨论该译码器的学习舞法。 1 分组码的连续实值表达 为了方便开发模拟信号译码算法，这里必须将分组码用连续实值表达。码字和惰息向量 中每个分量允许用连续的实数值表示，而非局限在二谯表达。这个结论可以直接由文献 [8] 中的方法推广而来。 对于二值表达，假定C为 (n，k)二进制线性分组码。该码字 由k n的生成矩阵G定义 一 个信息向量B= (b￡，b2，…，b )可以按照下式的规 卿编码为码字C= (e1，c2，…， c )， 本文 于1994年 7月4 日收到 维普资讯 26 羌 钱 电通 信 拄 木 簟lO● K cl= 0 bi-gii 1≤j≤n i= l 式中，0表示异或运算，或GF (2)中的加法运算， g-I为生成矩阵G中的第 (i，i)个元素。 如果仅考虑二值信号表达，加群{0， 1}中的符号可以用 乘群 {l，一1 的符号来表 示。加群判乘群的变换为， a一十 (一1)- (2 ) 印0— 1， 1一一 1。在该变换下，信息向量B：(bl，b2，…，bt)可I表示X= ( l， x2，…，x1)，这 里 Xj= (一1) “，同 样，码 字 C= (C1，。2， ·“，c )可 以 表 示 为 V= ( r，v“…，v )。因此，编码规则式 (1)在变换式 (2)下改写为l