卷积LDPC码编译码研究

卷积LDPC码编译码研究

论文摘要

LDPC码是1962年由Gallager提出的,故又称Gallager码。上世纪90年代中期,MacKay,Luby等人重新发现了LDPC码,并指出其逼近香农极限的性能且其译码操作相对简单且易于实现。近些年由于LDPC码表现出的优异性能,使得其在通信领域倍受青睐,而将其应用于4G、卫星通信和深空通信已成为时下研究热点。卷积LDPC码是LDPC码的一种,其校验矩阵不仅是稀疏的且具有卷积性质,由于其特殊的结构使得其可以传输任意长度的信息。这就使得卷积LDPC码相比其他结构的LDPC码适合某些特定通信系统,例如,IEEE802.11的无线标准,该标准要求传输以太网帧长度介于64bit至1518bit之间。本文主要对卷积LDPC码的编译码算法进行了比较深入的研究。论文研究了卷积LDPC码的概念;LDPC码校验矩阵的构造方法,其中主要介绍PEG构造方法;LDPC码译码算法,主要介绍了LLR BP算法、BP-Based译码算法以及一些BP-Based算法衍生算法。论文通过对卷积LDPC码的概念的进一步分析,给出了卷积LDPC码的编码方法,并给出相应的仿真;重点研究卷积LDPC码的译码实现,首先给出卷积LDPC码译码器结构,并给出整体仿真流程,然后针对译码过程校验节点的处理方法的不同,分别给出LLR BP算法以及BP-Based算法的校验节点处理的仿真流程,并分析比较不同译码算法的复杂度。论文建立针对卷积LDPC码误码性能的仿真系统,建立仿真流程;分析译码算法、码结构、迭代次数对卷积LDPC码误码性能的影响;研究使用归一化BP-Based译码算法以及偏移BP-Based译码算法的卷积LDPC码的误码性能,并讨论具体归一化参数以及偏移参数的选择。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景及研究意义
  • 1.2 LDPC码国内外研究现状
  • 1.2.1 LDPC码的码结构研究
  • 1.2.2 LDPC译码算法及译码结构改进
  • 1.2.3 LDPC码在实际中的应用
  • 1.2.4 卷积LDPC码研究现状
  • 1.3 本文主要研究内容与结构安排
  • 第2章 卷积LDPC码原理及LDPC码编译码方法
  • 2.1 卷积LDPC码原理
  • 2.1.1 LDPC码的定义
  • 2.1.2 卷积LDPC码的定义
  • 2.2 LDPC码校验矩阵构造方法
  • 2.2.1 Gallager构造方法
  • 2.2.2 PEG构造方法
  • 2.2.3 ACE构造方法
  • 2.3 LDPC码译码算法
  • 2.3.1 MP算法
  • 2.3.2 概率BP译码算法
  • 2.3.3 LLR BP译码算法
  • 2.3.4 迭代APP译码算法
  • 2.3.5 降低BP译码算法复杂度的算法
  • 2.3.6 基于BP-Based译码算法算法的改进算法
  • 2.3.7 BPSK调制的AWGN 信道信号BP算法初始化
  • 2.4 本章小结
  • 第3章 卷积LDPC码编译码仿真设计
  • 3.1 卷积LDPC码校验矩阵设计
  • 3.2 卷积LDPC码编码仿真设计
  • 3.2.1 卷积LDPC码编码实现过程
  • 3.2.2 卷积LDPC码编码仿真设计
  • 3.3 卷积LDPC码译码仿真设计
  • 3.3.1 卷积LDPC码译码过程
  • 3.3.2 BP译码算法的仿真
  • 3.3.3 不同BP译码算法的仿真
  • 3.3.4 译码算法的复杂度比较
  • 3.4 本章小节
  • 第4章 卷积LDPC码误码性能仿真与分析
  • 4.1 卷积LDPC码误码性能仿真系统的建立
  • 4.2 卷积LDPC码误码性能分析
  • 4.2.1 译码算法对误码性能的影响
  • 4.2.2 码结构对误码性能的影响
  • 4.2.3 迭代次数对误码性能的影响
  • 4.3 BP-Based算法改进算法误码性能分析
  • 4.3.1 归一化BP-Based算法的误码性能分析
  • 4.3.2 偏移BP-Based算法的误码性能分析
  • 4.4 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].基于深度可分离卷积的轻量级时间卷积网络设计[J]. 计算机工程 2020(09)
    • [2].卷积神经网络中的激活函数分析[J]. 科学技术创新 2019(33)
    • [3].基于分组卷积的密集连接网络研究[J]. 江苏科技大学学报(自然科学版) 2020(01)
    • [4].基于符号图卷积网络的药物互作用关系预测[J]. 现代计算机 2020(16)
    • [5].关于深度卷积神经网络在计算机视觉中的应用研究[J]. 数码世界 2020(06)
    • [6].卷积等价分布簇的推广及其分布卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2013(04)
    • [7].L(γ)族卷积的封闭性[J]. 安庆师范学院学报(自然科学版) 2011(01)
    • [8].一维量子卷积计算[J]. 计算机工程与应用 2020(08)
    • [9].基于时间卷积网络的机器阅读理解[J]. 福州大学学报(自然科学版) 2020(03)
    • [10].局部卷积等价分布簇的扩张及其卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2015(04)
    • [11].用于室内环境语义分割的全卷积网络[J]. 长春理工大学学报(自然科学版) 2020(04)
    • [12].基于卷积自编码器的心电压缩方法[J]. 电子设计工程 2019(22)
    • [13].卷积神经网络综述[J]. 中原工学院学报 2017(03)
    • [14].基于卷积神经网络的图像识别[J]. 科技创新导报 2019(24)
    • [15].基于分组卷积和空间注意力机制的单幅图像去雨方法[J]. 电脑知识与技术 2020(20)
    • [16].基于深度可分离卷积结构的人脸表情识别研究[J]. 电脑与电信 2020(06)
    • [17].多通道融合分组卷积神经网络的人群计数算法[J]. 小型微型计算机系统 2020(10)
    • [18].用于行为识别的通道可分离卷积神经网络[J]. 信号处理 2020(09)
    • [19].卷积等价分布簇的推广及其分布卷积根的封闭性[J]. 伊犁师范学院学报(自然科学版) 2018(01)
    • [20].“数字信号处理”中分段卷积的教学探讨[J]. 电气电子教学学报 2011(02)
    • [21].一种面积与功耗优化的卷积器设计[J]. 计算机工程 2010(22)
    • [22].基于深度卷积网络与空洞卷积融合的人群计数[J]. 上海师范大学学报(自然科学版) 2019(05)
    • [23].基于3D半密度卷积神经网络的断裂检测[J]. 地球物理学进展 2019(06)
    • [24].全卷积神经网络研究综述[J]. 计算机工程与应用 2020(01)
    • [25].淋巴结转移检测的八度卷积方法[J]. 计算机应用 2020(03)
    • [26].基于时域卷积网络精细化光伏发电功率预测[J]. 供用电 2020(10)
    • [27].基于FPGA的卷积神经网络定点加速[J]. 计算机应用 2020(10)
    • [28].基于轻量级卷积神经网络的人脸检测方法研究(英文)[J]. 机床与液压 2020(18)
    • [29].一种新型2-D卷积器的FPGA实现[J]. 微电子学与计算机 2011(09)
    • [30].普通型Bell多项式与卷积多项式序列的若干恒等式[J]. 科学技术与工程 2010(03)

    标签:;  ;  ;  ;  

    卷积LDPC码编译码研究
    下载Doc文档

    猜你喜欢