回歸神經(jīng)網(wǎng)絡(luò)（RNN）卷積碼解碼器在各種通信系統(tǒng)中性能的研究.pdf

1、長期以來，糾錯編碼一直被認(rèn)為是克服由噪聲、自然干擾、人為干擾、衰落以及其他信道損耗所造成的不良影響的一種有效方法。其中卷積碼糾錯編碼是一種有效的、運用較廣泛的糾錯碼，其解碼方法的研究一直是熱點。 卷積碼解碼器的功能是找出與接收端的受噪聲干擾的碼字最相似的信息序列。序貫解碼和Viterbi解碼是卷積碼解碼器中最為常用的兩種，其中Viterbi解碼器被視為良好的最大似然解碼器，但是其復(fù)雜度隨約束長度的增加是指數(shù)上升的。為了解決此問題

2、，需要有新型的結(jié)構(gòu)簡單的解碼器，但其效果要接近甚至要超過Viterbi解碼器。 人工神經(jīng)網(wǎng)絡(luò)(ANNs)由于其非線性和硬件易實現(xiàn)等特點，已經(jīng)被廣泛地應(yīng)用于數(shù)字通信的各個領(lǐng)域。這些ANNs的運用主要集中在現(xiàn)有算法的實現(xiàn)上，研究表明，可以用ANNs來實現(xiàn)卷積碼的解碼工作，從而代替Viterbi解碼器，結(jié)構(gòu)要簡單的多，并且硬件容易實現(xiàn)，從而為卷積碼解碼提供了一個全新的技術(shù)手段。 本文根據(jù)前人的研究，詳細(xì)介紹了一種基于回歸神經(jīng)網(wǎng)

3、絡(luò)(RNN)的1/n卷積碼解碼器的原理與實現(xiàn)，研究結(jié)果表明RNN解碼器與Vterbi解碼器效果很接近，對一些特殊的卷積碼，性能非常好，通過模擬退火(SA)算法對此解碼器的性能進(jìn)行了很大改善。進(jìn)一步研究了迭代次數(shù)和解碼器深度對其性能的影響，在原有的硬判決和軟判決解碼器的基礎(chǔ)上，還引進(jìn)了模擬解碼器。并首次將此RNN卷積碼解碼器分別運用于移動通信、超寬帶通信和光纖數(shù)字通信系統(tǒng)，分別畫出了RNN解碼器在不同信噪比時的誤碼率曲線，分析了其在各個通