一种基于模糊分类网络的卷积码解码方法.pdfVIP

维普资讯 1997年 9月 通 信 学 报 Vo1．18N0．9 第 18卷第 9期 JOURNALOFCHINA INSTITUTEOFCOMMUNICATIONS September1997 一 种基于模糊分类网络的卷积码解码方法 ‘ 一 7 南(京墨邮电学鐾院南酆京广2增10903) 摘 要 本文提出一种基于模糊神经分类网络的卷积码译码方法，把译码工作转换为网络的分类 工作。网络按照卷积码的编码方式由聚类 自动生成，并且在网络中使用逻辑算子，因而网络的训练 速度非常快，只需一次或几次迭代。而且对每个隐节点均定义了模糊隶属度函数，借以增加网络的 联想能力，从而提高网络的纠错能力。在小约束度情况下，我们测试了该算法的性能，并与Viterbi 算法的性能进行了比较。 J ~Wi,1 7／-／0 A FuzzyClassificationNetworkBased DecodingM ethodforConvolutionalCodes W uM eng FengGuangzeng (NanJinginstituteofPostsandT ．Nanjing210003) HuAiqun (SoutheastUniversky，Nanjing210096) Abstract In thispaperweproposeafuzzyneuralclassification networkbased decodingmethod ofrconvo]utiona]codes．Tbedecodingworkistransformedintoclassificationofnetwork．According totheencodingmodeofconvolutionalcodes，thesizeofthenetworkisdeterminedthroughcluster— ing．Logicoperationsarealsousedinthenetwork，sothetrainingspeedofnetworkisveryfast：on— lyoneorseveraliterationsarerequired．Moreoverwedefinefuzzymembershipufnctionforeach hiddennode．whichenhancestheassociativecapabilityofthenetwork，thusimprovestherectifing capabilityofnetwork．Forthesmallconstraintlengthwestudy theperformanceoftheproposed methodandcomparewithVherbireceiverindetail． Keywords convolut[onalcodestfuzzyclassificationnetwork，error—correctingdecoding 1 引言 模糊神经网络 (FNN)目前已受到广泛的关注 ，并且该技术已成功地应用到各种领域，如 控制、模式识别和决策，在通信领域也得到了广泛的应用。模糊集的引入，可以把许多问题的解 决并入神经网络的框架中，并且模糊集之间可 以进行各种逻辑运算，因而可以实现同络复杂的 ·国家 863基金资助项目