基于外信息符号差的LT码串行译码算法

在无线通信系统中,LT码采用置信传播(BP)译码算法进行译码,缺少有效的迭代控制机制。针对这一问题,首先将串行置信传播(SBP)算法应用于LT码的译码,极大地提高了译码收敛速度。其次,通过对LT码在加性高斯白噪声(AWGN)信道下的外信息转移(EXIT)曲线的分析,提出了一种基于外信息符号差的串行置信传播(ESD-SBP)译码算法,即根据一次完整迭代前后符号节点译码器(SND)的外信息符号变化情况来快速判断译码收敛情况、控制迭代停止。最后对固定迭代次数、互熵算法(CE)、循环冗余校验(CRC)以及外信息符号差算法(ESD)进行了性能对比。仿真结果表明,在不降低串行译码(SBP)算法性能的前提下,可以有效减小迭代次数。

面向人脑功能划分的人工水母搜索优化算法

人脑功能划分是揭示人脑功能分离性的重要方式。然而,现有的大多数划分方法因不能较好地处理功能磁共振影像(fMRI)数据的高维性和低信噪比性,表现出搜索能力较弱和划分结果较差的问题。为了减轻此问题,提出一种基于人工水母搜索优化(AJSO)的人脑功能划分方法。该方法首先基于预处理的fMRI数据计算功能相关矩阵,并将其映射到低维空间。然后将食物编码为由多个功能簇中心构成的聚类解,利用改进型人工水母搜索优化算法搜索更优的食物,采用融入迭代停滞的时间控制机制调控人工水母执行主动运动或被动运动,以提高全局搜索能力;针对主动运动设计适应度引导的步长确定策略,增强人工水母搜索的科学性和针对性。最后根据最小距离原则得到相关矩阵中每行数据的簇标,并将其映射到相应的体素上。在真实fMRI数据上的实验表明:与其他一些划分方法相比,新方法不仅拥有较高的搜索能力,而且可得到具有更好空间结构和更强功能一致性的划分结果。这项研究将人工水母搜索优化算法应用于人脑功能划分,提供了一种更有效的人脑功能划分方法。