基于改进型比特翻转准则的LDPC码硬译码算法

由Gallager最早提出的比特翻转算法是LDPC码中最主要的硬判决译码算法。目前,在该原始比特翻转算法基础之上又相继涌现出了许多改进型的加权比特翻转算法,这些算法通过引入不同的比特权重计算方式,进一步提高了此类算法寻找并定位错误比特的能力,从而有效地增加了硬判决算法的译码性能。在Jian Li等人提出的快速多比特翻转算法的基础上进一步优化了比特翻转准则,将其限定地应用在硬译码算法的第一次迭代译码过程中。仿真结果表明,该改进算法可以在误码率性能损失较小的情况下,降低译码迭代次数,从而节省整体译码过程的时间,减轻硬件的能耗负担,提升硬判决译码的效率。

基于改进LDPC码的深空通信优化过程仿真

传统深空通信过程中的LDPC码设计结构具有随机性,使得译码和编码的复杂度增加,具有较高的运算复杂度,不能实现译码性能和复杂度间的平衡,会在临界处产生较大的误码率,无法确保深空通信的顺利传输,提出基于删除塑造法以及WBF算法的LDPC码深空通信优化方法,采用删除塑造法获取既能实现线性编码,又包含最小环长的LDPC码,确保LDPC码原有的度序列分布,通过WBF算法实现LDPC码的译码,提高深空通信信道的纠错性能,将码字规范当成LDPC译码算法的终止规则,在每次迭代后分析译码器尝试性译码结果是否以大概率正确,进而降低译码的迭代次数,优化深空通信性能。通过融入加性高斯白噪声的深空通信信道的仿真结果说明,改进的LDPC译码算法极大提高了译码的效率,在最大迭代次数、码长、码率以及平均运行时间减少的比例等指标都优于传统算法。

基于改进的Cascade-RCNN网络的人员检测算法

为解决人员密集情景下行人检测存在大量的目标误检、漏检的情况,本文提出了一种改进的基于Cascade-RCNN的目标检测网络,提高了人员检测的准确率。对目前检测效果较好的Cascade-RCNN做了一些改进:选用ResNeXt101代替ResNet作为骨干网络,以便提取更加充分的特征;为了获得更好的标记框,用kmeans聚类算法得到更符合目标形态的anchor长宽比例,通过WBF算法融合多个模型的结果得到更精确的边界框,同时引入多尺度训练以提高对小尺度目标的检测能力。实验结果表明,在CrowdHuman公开数据集上,用ResNeXt101提取特征其得分提高了3.7%,用kmeans聚类算法生成anchor比例和WBF算法融合多预测框其准确率提升了0.7%和1.2%,最终整体性能较基础Cascade-RCNN提升近6%。