基于深度学习的神经归一化最小和LDPC长码译码AET-电子技术应用-最丰富的电子设计资源平台

基于深度学习的神经归一化最小和LDPC长码译码
所属分类：技术论文
上传者：wwei
文档大小：4407 K
标签： LDPC 深度学习神经网络
所需积分：0分积分不够怎么办？
文档介绍：LDPC码是一种应用广泛的高性能纠错码，近年来基于深度学习和神经网络的LDPC译码成为研究热点。基于CCSDS标准的（512，256）LDPC码，首先研究了传统的SP、MS、NMS、OMS的译码算法，为神经网络的构建奠定基础。然后研究基于数据驱动（DD）的译码方法，即采用大量信息及其经编码、调制、加噪的LDPC码作为训练数据在多层感知层（MLP）神经网络中进行训练。为解决数据驱动方法误码率高的问题，又提出了将NMS算法映射到神经网络结构的神经归一化最小和（NNMS）译码，取得了比NMS更优秀的误码性能，信道信噪比为3.5 dB时误码率下降85.19%。最后研究了提升NNMS网络的SNR泛化能力的改进训练方法。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动