一种基于遗传算法和神经网络的硬判决译码方案

被引:2
作者
周湘贞
机构
[1] 郑州升达经贸管理学院信息工程系
关键词
硬判决译码; 遗传算法; 神经网络; 纠错性能; 复杂度;
D O I
暂无
中图分类号
TN911.22 [信道编码理论]; TP18 [人工智能理论];
学科分类号
080906 [电磁信息功能材料与结构]; 140502 [人工智能];
摘要
基于遗传算法和神经网络混合智能算法,提出一种新的硬判决译码方案,即遗传神经网络译码(genetic neural-network decoding,GND)。GND译码充分利用遗传算法的自优化能力和神经网络的模式分类功能,对接收匹配滤波器的硬判决量化输出进行优化处理,以弥补因信道传输误差和硬判决量化造成的译码的可靠性损失,恢复出与传输序列更似然的码字作为硬判决译码器的输入,从而得到更好的译码结果。从理论分析和计算机模拟仿真结果可看出:GND译码方案纠错性能接近传统软判决译码,但由于译码过程不需要利用信道统计软信息,其复杂度相对传统软判决译码大幅度降低。
引用
收藏
页码:110 / 115
页数:6
相关论文
共 7 条
[1]
基于遗传算法的超声换能器阵列优化设计 [J].
李夕海 ;
康志谦 ;
杨婷婷 ;
李祥雨 .
压电与声光, 2018, 40 (04) :529-533
[2]
基于模糊神经网络和遗传算法的机器人三维路径规划 [J].
陈志军 ;
曾蒸 .
重庆师范大学学报(自然科学版), 2018, 35 (01) :93-99
[3]
基于GA优化人工免疫算法的结构故障诊断 [J].
周悦 ;
张力心 ;
郭威 .
沈阳工业大学学报, 2016, 38 (03) :293-297
[4]
基于遗传算法的概率译码算法 [J].
袁建国 ;
王琳 ;
黄胜 ;
王永 .
北京邮电大学学报, 2012, 35 (05) :98-101
[5]
自然启发的优化算法及其应用研究 [D]. 
韩丽霞 .
西安电子科技大学,
2009
[6]
The Multilayer Random Neural Network[J] Jose Aguilar;Cristhian Molina Neural Processing Letters 2013,
[7]
Artificial neural networks for pattern recognition[J] B Yegnanarayana Sadhana 1989,