文章介绍一种结合权重学习的Turbo解码器,同时集成了传统的Turbo解码方法Max-Log-MAP,和传统的Max-Log-MAP方法具有相同的复杂度。基于传统的解码方法结合神经网络计算更为精确的权重,可实现误码率更低的解码结果,和传统解码方式Max-Log...文章介绍一种结合权重学习的Turbo解码器,同时集成了传统的Turbo解码方法Max-Log-MAP,和传统的Max-Log-MAP方法具有相同的复杂度。基于传统的解码方法结合神经网络计算更为精确的权重,可实现误码率更低的解码结果,和传统解码方式Max-Log-MAP进行对比,在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道上具有更好的解码效果。通过仿真结果证明,该网络的解码误码率比传统的解码方法更小。展开更多
本文作者从Turbo RS级联码的结构剖析了级联RS码提高Turbo码特性的原因;给出了Tur bo RS级联码的各种编译码方案,并对其中的完全迭代型RS硬判决译码方法做了详细的分析与模拟,结果显示:Turbo RS级联码的帧错率和误码率改善明显,时间... 本文作者从Turbo RS级联码的结构剖析了级联RS码提高Turbo码特性的原因;给出了Tur bo RS级联码的各种编译码方案,并对其中的完全迭代型RS硬判决译码方法做了详细的分析与模拟,结果显示:Turbo RS级联码的帧错率和误码率改善明显,时间复杂度比Turbo码有所降低。展开更多
文摘文章介绍一种结合权重学习的Turbo解码器,同时集成了传统的Turbo解码方法Max-Log-MAP,和传统的Max-Log-MAP方法具有相同的复杂度。基于传统的解码方法结合神经网络计算更为精确的权重,可实现误码率更低的解码结果,和传统解码方式Max-Log-MAP进行对比,在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道上具有更好的解码效果。通过仿真结果证明,该网络的解码误码率比传统的解码方法更小。