Модели и методы декодирования помехоустойчивых кодов на основе нейросетевого базиса

• Автор: Березкин, Александр Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Санкт-Петербург
• Количество страниц: 190 с. : ил.

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ.

ВВЕДЕНИЕ

1. АНАЛИЗ МЕТОДОВ ДЕКОДИРОВАНИЯ ПОМЕХОУСТОЙЧИВЫХ КОДОВ

1.1. Постановка задачи декодирования

1.2. Анализ методов мягкого декодирования блоковых кодов.

1.3. Искусственные нейронные сети в задаче декодирования блоковых кодов.

1.4. Проблемы оценки сложности методов декодирования

1.5. Постановка задачи на исследование

2. ХАРАКТЕРИСТИКА СУЩЕСТВУЮЩИХ МОДЕЛЕЙ ДЕКОДЕРОВ ДВОИЧНЫХ БЛОКОВЫХ КОДОВ.

2.1. Модель и метод итеративного декодирования
2.2. Модель декодера блоковых кодов на основе нейронного классификатора
2.2.1. Структура модели РНД1
2.2.2. Функционирование модели РНД1 .
2.3. Модель декодера блоковых кодов на основе обучаемой ИНС.
2.3.1. Подход к оптимизации архитектуры нейронного декодера
2.3.2. Структура и функционирование модели.
2.3.3. Выбор параметров модели.
2.3.3.1. Решение задачи статистического обучения. Модель обучения с учителем .
2.3.3.2. Общее решение задачи выбора размера обучающего множества.
2.3.4. Процедура синтеза обучаемого нейронного декодера
2.4. Выводы.
3. РАЗРАБОТКА МОДЕЛЕЙ И МЕТОДОВ КОДИРОВАНИЯ И ДЕКОДИРОВАНИЯ ДВОИЧНЫХ БЛОКОВЫХ КОДОВ.
3.1. Итеративноперестановочный метод декодирования двоичных линейных блоковых кодов.
3.2. Модель нейронного кодера как параллельное вычислительное усгройство
3.3. Разработка усовершенствованной модели нейронного декодера РНД1
3.3.1. Режим жесткого декодирования с исправлением ошибок и стираний
3.3.2. Режим мягкого декодирования.
3.4. Разработка нейронного кодера и декодера на основе модели НДПР
3.4.1. Нейронный кодер прямого распространения.
3.4.2. Нейронный декодер прямого распространения.
3.4.2.1. Методика формирования обучающего множества
3.5. Исследование корректирующих способностей
3.6. Выводы
4. ОЦЕНКА СЛОЖНОСТИ ФУНКЦИОНИРОВАНИЯ РАЗРАБОТАННЫХ МЕТОДОВ
ДЕКОДИРОВАНИЯ ДВОИЧНЫХ БЛОКОВЫХ КОДОВ
4.1. Выбор критерия оценки сложности алгоритмов
4.1.1. Выбор показателей эффективности методов декодирования
4.1.2. Оденка сложности программной реализации методов декодирования на основе комплексного показателя
4.2. Оценка сложности функционирования РНД и его модификаций.
4.3. Оценка сложности функционирования НДПР
4.4. Оценка эффективности полученных результатов.
4.4.1. Эффективность параллельной и последовательной реализаций
4.4.2. Сравнение с результатами других исследователей.
4.4.3. Аппаратная реализация
4.5. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


В результате заметно усложняется реализация алгоритмов декодирования блоковых кодов по решетке по сравнению со сверточными кодами. Однако, для некоторых классов кодов, таких как расширенные коды БЧХ и коды Рида-Маллера, решетка может быть разделена на секции. В результате получается более регулярная и симметричная решетчатая структура с большим числом параллельных подрешегок, которые могут быть использованы для построения быстрых декодеров, например, Витерби для двоичных блоковых кодов [I, , ]. Применение минимальных кодовых решеток позволяет использовать для декодирования двоичных блоковых кодов итеративные методы декодирования сверточных кодов такие, как алгоритм Витерби с «мягким» выходом (soft-output viterbi algorithm - SOVA) [5, ], алгоритм декодирования по максимуму апостериорной вероятности (maximum a posteriori probability — MAP) [5, 8, ] и его модификации (Log-MAP алгоритм [I, ], Max—Log~MAP алгоритм [1, , ]). Однако данные алгоритмы при нерегулярности решетки блокового кода требуют больших вычислительных затрат. Существует множество методов «мягкого» декодирования помехоустойчивых кодов, формирующих на выходе наиболее вероятную кодовую последовательность или кодовое слово (или список кодовых слов). Такие алгоритмы известны в литературе как алгоритмы с «мягким» входом и «жестким» выходом. К ним, например, относятся: алгоритм Чейза со своими модификациями [], алгоритм декодирования по упорядоченным статистикам (ordered statistics decoding - OSD) [], декодирование no минимуму обобщенного расстояния (МОР) [, , , , , ], списочное декодирование [3, 6, 8, 9, ]. Однако с появлением в году турбо-кодов [] возникла потребность в алгоритмах, которые вычисляют не только наиболее вероятное кодовое слово (или список кодовых слов), но и оценивают надежность их информационных символов для дальнейшей обработки. Технология итеративного (турбо) декодирования появилась в году в работе П. Элайса [], посвященной итеративным кодам. Позднее итеративные алгоритмы с «мягким» выходом также (в частности, алгоритм декодирования с итеративным распространением доверия (iterative bclicf-propagation - IBP) [1, , , ]) были введены в году в работе Р. Галлагера [] по кодам с низкой плотностью проверок на четность (low-density parity-check code - LDPC) и несколько позже в работе J1. Бала [] и Дж. JI. Месси []. В обоих случаях алгоритмы выполняют проходы как в прямом, так и в обратном направлениях для вычисления надежностей кодовых символов. Как отмечалось в [, ] алгоритм декодирования, соответствующий 1ВР, вычисляет точные апостериорные вероятности (достигает максимума правдоподобия) после некоторого количества итераций, если граф Таннера [, ] для данного кода не содержит циклов. Так как для большинства используемых на практике кодов граф Таннера содержит короткие циклы, то сходимость 1ВР алгоритма декодирования не гарантируется [, , ]. В публикациях патента [] приводится улучшенная реализация итеративного алгоритма Чейза для декодирования данных с «жестким» выходом. В публикациях патента [] приводится описание и рекомендации к реализации итеративного алгоритма декодирования линейных блоковых кодов, который использует адаптацию проверочной матрицы кода от итерации к итерации, основанную на связях битов внутри используемого кода. В публикациях патентов [, , ] приводится алгоритм итеративного декодирования линейных блоковых кодов с использованием проверочной матрицы кода. Однако число проверочных выражений (декодеров) ограничено числом строк проверочной матрицы. Сложности и ограничения, связанные с использованием существующих современных методов декодирования блоковых кодов, позволяют сделать заключение о необходимости поиска их новых модификаций (альтернатив), позволяющих улучшить отдельные характеристики (например, помехоустойчивость) декодера. Одной из основных задач, решаемых в данной работе, является исследование современного метода итеративного декодирования помехоустойчивых кодов с целью выявления возмоэ/сности его модификации для повышения помехоустойчивости системы помехоустойчивого кодирования.