无线信道下基于可译集的喷泉码增量译码算法

针对无线信道中数字喷泉码BP译码算法复杂度高、增量译码效率低下的问题,提出了一种基于可译集的增量译码算法。该算法给出变量节点成功译码时似然比所需达到的合适门限值Tre的理论分析方法,将译码过程中似然比高于门限值的变量节点归入可译集,提前译出以减少计算量;另一方面,若译码失败,增加开销重新译码时可先利用已成功译出的部分变量节点简化Tanner图,只对未达到译码门限的变量节点进行迭代,进一步减少计算量,并给出了算法描述和复杂度分析。最后通过仿真表明,该算法与传统的BP译码算法性能相同,但计算量大大减少,效率显著提高。

基于可译集大小的LT码编码算法的改进

在中、高码率情况下,使用传统随机图法(RG)构造中短码长LT码,其生成矩阵并非一定满秩,所以存在着一定的译码失败率(信源不完全可译)。针对随机图法的这种缺点,提出一种改进的累积边增加法(IPEG),此方法通过控制可译集大小,保证全部信源符号的可译性。实验结果表明,与传统方法相比,经过改进的LT码性能得到了显著提高,而且每帧中错误的码字数量也更加稳定,以这种稳定的LT码作为内码,Raptor码的性能也能得到极大提升。

基于输出可译集的LT码联合度分布优化

喷泉码的编译码性能与其度分布息息相关,基于联合度分布的喷泉码编译码性能明显优于基于单一度分布的喷泉码编译码性能,但目前的联合度分布大多是简单的将两个度分布进行结合。输出可译集的取值波动可以表征喷泉码编译码的性能,本文基于输出可译集的特性设计了优化算法,用以求解泊松分布(poisson distribution,PD)和鲁棒孤子度分布(robust soliton distribution,RSD)结合的最优比例,得到新的度分布。仿真结果表明,相较于RSD,采用优化后的度分布的喷泉码性能有着显著提升。

LT码度分布改进及在认知无线电链路保持中的应用

度分布是影响Luby transform(LT)码性能的关键因素。基于认知无线电链路保持模型,采用双层寻优算法(THOA,two-layer hierarchical optimization algorithm),将译码开销较小时具有高译码成功率的改进的泊松分布(IPD,improved Poisson distribution)与译码开销较大时具有高译码成功率的顽健孤子分布(RSD,robust soliton distribution)的优点进行有机结合,构建新型LT码度分布。仿真结果表明,该新型度分布应用于基于LT码的认知无线电链路保持中,能有效提高次用户通信可靠性和有效性。

基于IBED和仿生算法的LT码度分布设计

度分布是影响Luby变换(Luby transform,LT)码性能优劣的关键因素,为了得到更优的度分布,提出一种基于改进的二进制指数分布(improved binary exponential distribution,IBED)和仿生算法的LT码度分布设计方案.采用IBED度分布进行LT编码,初始译码成功率可高达90%以上,但随着译码开销增大,译码成功率上升速度减缓,而此时鲁棒孤子分布(robust soliton distribution,RSD)的译码性能表现更佳.为了将IBED和RSD的优点有机结合,利用人工鱼群算法(artificial fish swarm algorithm,AFSA)在两种度分布间寻优,基于期望可译集构建该算法的目标函数,通过最大化目标值得到更优的度分布.仿真结果表明,与类似方法及传统的RSD相比,采用新度分布进行LT编码可明显降低译码开销,并节约编译码耗时.

一种用于LT码的改进IPEG算法研究

提出了一种改进的IPEG算法,该算法增加了编码符号节点的连通性,减小了小的停止集。仿真结果表明,该算法使得LT码不但具有更低的错误平层,而且在AWGN信道条件下的性能明显优于瑞利块衰落信道。

Out-of-core clustering of volumetric datasets

In this paper we present a novel method for dividing and clustering large volumetric scalar out-of-core datasets. This work is based on the Ordered Cluster Binary Tree (OCBT) structure created using a top-down or divisive clustering method. The OCBT structure allows fast and efficient sub volume queries to be made in combination with level of detail (LOD) queries of the tree. The initial partitioning of the large out-of-core dataset is done by using non-axis aligned planes calculated using Principal Component Analysis (PCA). A hybrid OCBT structure is also proposed where an in-core cluster binary tree is combined with a large out-of-core file.