基于MMSE的大气激光通信中LDPC码BP译码算法研究

针对大气激光通信中低密度奇偶校验码(LDPC)置信传播(BP)译码算法复杂度高的问题,对几类BP-Based简化译码算法进行了分析,并基于最小均方误差准则(MMSE)对Scaled BP-Based和Offset BP-Based两类改进译码算法的优化设计进行了探讨,得出两类算法的最优校正因子,并给出了数值计算.在不同的湍流强度下,对码长1008的(6,3)比特填充LDPC码进行了仿真实验,结果表明,对于短码长的LDPC码,当译码BER=10-5时,最小和算法(UMP BP-Based)相对于BP算法有0.1～0.15dB的译码性能损失;基于MMSE设计的两类算法相比BP算法大大降低复杂度的同时,译码性能与BP算法相当,甚至优于BP算法,优于UMP BP-Based算法0.075～0.15dB.     

低密度奇偶校验码在光通信中的性能

低密度奇偶校验码(LDPC)不仅有逼近香农限的良好性能, 而且译码复杂度较低, 结构灵活, 是近年信道编码领域的研究热点, 在光通信系统中有广泛的应用前景。针对非规则Tanner图上构造的低密度奇偶校验长码具有良好的性能, 以及其在光通信系统中的应用, 构造了几种LDPC码, 并采用置信传播(BP)译码, 在加性高期白噪声(AWGN)信道、二相移相键空(BPSK)调制下进行了计算机仿真。根据规则LDPC码和非规则LDPC码的误码率(BER)和FER曲线, 对规则码和非规则LDPC码在编译码方面以及性能方面作了分析和比较, 进而对构造在光通信系统中具有实用价值的LDPC码提出了看法。通过理论分析与仿真结果表明LDPC 码型具有良好的性能, 可以节省硬件开销, 比较适用于光通信系统中, 可作为超强前向纠错码型的候选码。     

基于蚁群算法的大气激光通信中低密度奇偶校验码的盲识别

针对传统线性分组码识别方法对码长较长的低密度奇偶校验(LDPC)码不适用的情况,利用蚁群算法对对偶空间进行优化搜索,完成了对LDPC码的识别。建立了大气激光通信信道模型和LDPC码的识别模型,给出了大气激光通信湍流信道下校验关系对数似然比函数表达式;将基本蚁群算法与LDPC码的识别问题结合,将对数似然比函数经过处理作为目标函数,通过不断迭代每次搜索过程中目标函数最优值和最佳搜索路径,实现对LDPC码的识别。仿真结果表明:当码长为256时,在弱湍流条件下,当信噪比不低于8dB时,识别率可达78%;在强湍流条件下,当信噪比不低于10dB时,识别率可达77%。此外,蚁群算法中的参数设置对算法性能有较大影响,应根据实际情况加以选择。     

用于多维数据协调的双边类型LDPC码

在连续变量量子密钥分发(CV-QKD)多维数据协调中,协调效率和密钥传输距离取决于低密度奇偶校验(LDPC)码的纠错性能。在本研究中构造了一种拥有重复累积(RA)码中累积结构的高码率双边类型LDPC码(TET-LDPC),这种双边类型LDPC码在多维数据协调中相比于普通LDPC码可以得到更好的协调性能。经仿真结果可知,在信噪比为1.68 dB时,本文构造的码长为2×10~5的TET-LDPC的协调效率仍然可以达到98.48%,并得到了17.35 kb/s的安全密钥率。     

非二进制低密度奇偶校验码在16QAM光传输系统中的性能

以16-相正交幅度调制(16QAM)为例,分析比较了伽罗华(GF(2 m))域上m=1,2,4时,3种低密度奇偶校验(LDPC)码在16QAM光传输系统中的性能.分析表明,无论在纠错性能还是译码效率方面,4进制LDPC码比16进制LDPC码具有更大优势.为进一步改善高阶调制光传输系统中非二进制低密度奇偶校验(NB-LDPC)码的性能,在16QAM系统下的4进制LDPC码中引入水印位符号.与传统的非二进制LDPC译码方案相比,水印位方案的平均迭代次数显著下降,即引入水印位可以极大地提高NB-LDPC码的译码效率.当误码率BER=10-5时水印位方案可以改善0.1dB的净编码增益.     

低复杂度的光空时网格编码

根据光通信的特点,提出一种基于脉冲位置调制(PPM)的低复杂度光空时网格码。该方案在发射端利用延迟分集思想,建立了信号在时间和空间上的关联性。在接收端采用反馈干扰抵消算法(FICA),并对消除干扰后的信号进行最大似然判决来完成译码。该方案以牺牲发射分集的性能来换取译码复杂度的降低,从而降低了对系统计算能力的要求。以天线数为2和3为例,分析了该算法与Viterbi译码算法的计算复杂度。仿真结果表明,当分集增益相同时,相对于采用Viterbi译码算法的系统,所提方案的译码复杂度分别降低了93.75%和95.84%,而其误码性能的恶化仅为3dB和4.77dB。     

光级联空时编码中的一种联合检测迭代译码算法

介绍了光多输入多输出(MIMO)系统的信道模型,通过将低密度校验码(LDPC)高可靠性的译码结果反馈给分层空时编码(BLAST)译码器,提出了一种适合于LDPC-VBLAST光级联空时编码系统的联合检测迭代译码算法。利用蒙特卡洛方法分析了该译码算法的误码性能,并和简单级联译码算法的性能进行了对比。结果表明:这种联合检测迭代译码算法的误码性能明显优于已有的简单译码算法。另外,采用数值分析法分析了迭代次数对该译码算法性能的影响,结果表明,在折衷考虑系统误码性能和译码算法复杂度的情况下,要合理选取迭代次数,即迭代次数不宜选取过大。     

接近非相干水声通信信道容量的信号处理算法

恶劣情况下的非相干水声通信信道模型为随机相位Rayleigh衰落,推导了该模型的信道容量曲线。为实现接近非相干信道容量的可靠通信,提出多进制低密度校验码(LDPC)和恒重码级联码的多进制非相干概率域迭代处理算法。在信道幅度和相位完全未知的情况下,根据矩估计得到信号和噪声频点幅度的统计参量,进而得到恒重码的码字后验概率,再对多进制LDPC码进行因子图迭代译码。仿真证明本算法与现有的最大能量检测非迭代译码算法相比,与信道容量曲线的差距从4.5 dB缩小至1.5 dB。给出了实际海试湖试通信效果,频段为6~10 kHz,数据速率为357 bps,海试时近似垂直通信距离为5 km,湖试时水平通信距离近3 km、多径超过50 ms,两种情况下无差错通信的信噪比门限为2 dB,验证了本算法的优势。     

接近非相干水声通信信道容量的信号处理算法

恶劣情况下的非相干水声通信信道模型为随机相位Rayleigh衰落,推导了该模型的信道容量曲线。为实现接近非相干信道容量的可靠通信,提出多进制低密度校验码(LDPC)和恒重码级联码的多进制非相干概率域迭代处理算法。在信道幅度和相位完全未知的情况下,根据矩估计得到信号和噪声频点幅度的统计参量,进而得到恒重码的码字后验概率,再对多进制LDPC码进行因子图迭代译码。仿真证明本算法与现有的最大能量检测非迭代译码算法相比,与信道容量曲线的差距从4.5dB缩小至1.5dB。给出了实际海试湖试通信效果,频段为6~10kHz,数据速率为357bps,海试时近似垂直通信距离为5km,湖试时水平通信距离近3km、多径超过50mS,两种情况下无差错通信的信噪比门限为2dB,验证了本算法的优势。      

极化编码调制正交频分复用水声通信中的极化码构造方法

为进一步提高水声通信可靠性和频带利用率,针对极化编码调制的水声通信需求和信道特性,基于蒙特卡洛法提出动态水声信道认知优化统计目标参数、联合译码的判决反馈信道估计两点改进,建立了适用于编码调制水声信道中的极化码构造算法。为验证该算法性能,建立了极化编码调制水声通信的两步应用机制。通过仿真,比对并分析改进前后的极化码构造方法性能、对时变信道的鲁棒性,以及在不同映射规则下的联合比特交织和多级编码的极化编码调制水声通信性能,并与低密度校验(LDPC)编码调制系统进行对比。湖试结果表明,提出的极化编码调制水声通信方案有效保证了信息在浅水水声信道中的可靠传输,在信噪比约为14 dB、通信距离约1 km时,实现无误码传输,性能优于相同条件下的LDPC编码调制系统。     

Image segmentation based on hierarchical belief propagation with variable weighting parameters

The belief propagation (BP) algorithm is an efficient way to minimize the MRF energy for image segmentation. This paper proposes a hierarchical BP algorithm with variable weighting parameters (HBP-VW) to improve the segmentation accuracy of the BP-based algorithms. In the HBP-VW, two variable weighting parameters are introduced, the global parameter and the local parameter. The global parameter is used to overall adjust the influence of each part in the message update rule. The local parameter is designed to describe the local texture pattern for each site. Texture, remote sensing, and nature images are employed to test the proposed algorithm. Experimental results illustrate a better segmentation accuracy compared with other BP-based algorithms.     

Statistical mechanical approach to lossy data compression: Theory and practice

The encoder and decoder for lossy data compression of binary memoryless sources are developed on the basis of a specific-type nonmonotonic perceptron. Statistical mechanical analysis indicates that the potential ability of the perceptron-based code saturates the theoretically achievable limit in most cases although exactly performing the compression is computationally difficult. To resolve this difficulty, we provide a computationally tractable approximation algorithm using belief propagation (BP), which is a current standard algorithm of probabilistic inference. Introducing several approximations and heuristics, the BP-based algorithm exhibits performance that is close to the achievable limit in a practical time scale in optimal cases.     

Structured sublinear compressive sensing via belief propagation

Compressive sensing (CS) is a sampling technique designed for reducing the complexity of sparse data acquisition. One of the major obstacles for practical deployment of CS techniques is the signal reconstruction time and the high storage cost of random sensing matrices. We propose a new structured compressive sensing scheme, based on codes of graphs, that allows for a joint design of structured sensing matrices and logarithmic-complexity reconstruction algorithms. The compressive sensing matrices can be shown to offer asymptotically optimal performance when used in combination with orthogonal matching pursuit (OMP) methods. For reduced-complexity greedy reconstruction schemes, we propose a new family of list-decoding belief propagation algorithms, as well as reinforced and multiple-basis belief propagation (BP) algorithms. Our simulation results indicate that reinforced BP CS schemes offer very good complexity–performance tradeoffs for very sparse signal vectors.     

General Quantum Meet-in-the-Middle Search Algorithm Based on Target Solution of Fixed Weight

Similar to the classical meet-in-the-middle algorithm, the storage and computation complexity are the key factors that decide the efficiency of the quantum meet-in-the-middle algorithm. Aiming at the target vector of fixed weight, based on the quantum meet-in-the-middle algorithm, the algorithm for searching all n-product vectors with the same weight is presented, whose complexity is better than the exhaustive search algorithm. And the algorithm can reduce the storage complexity of the quantum meet-in-the-middle search algorithm. Then based on the algorithm and the knapsack vector of the Chor-Rivest public-key crypto of fixed weight d, we present a general quantum meet-in-the-middle search algorithm based on the target solution of fixed weight, whose computational complexity is ∑_j^d=(0(√C_n-k+1^d-j)+O(C_k^jlogC_k^j)) with ∑_i=0^dC_kⁱ memory cost. And the optimal value of k is given. Compared to the quantum meet-in-the-middle search algorithm for knapsack problem and the quantum algorithm for searching a target solution of fixed weight, the computational complexity of the algorithm is lower. And its storage complexity is smaller than the quantum meet-in-the-middle-algorithm.     

An improved least square channel estimation algorithm for coherent optical OFDM system

This paper presents an improved processing added to conventional least square (LS) channel estimation to modify its performance for coherent optical orthogonal frequency division multiplexing (CO-OFDM) system. By testing selected limitation factors of the existing algorithms, the influence of our improved algorithm to the performance of CO-OFDM system were studied and compared with other published algorithms. The simulation results of the study demonstrated that the proposed approaches achieved better channel estimation performance and are considered as a more appropriate alternative for CO-OFDM system with the tradeoff between complexity and performance.     

改进的QGA-ELM算法水稻叶面积指数反演模型

为了通过植被指数（VI）准确、可靠的获取不同施肥梯度、不同品种的水稻叶面积指数（LAI）,提出了一种基于改进的QGA-ELM算法应用于水稻LAI反演。首先通过8折交叉验证确定极限学习机(ELM)最佳的隐含层神经元个数与隐含层激活函数类型,再通过引入组合动态旋转角策略、单点混沌交叉操作、混沌变异操作、确定性选择策略、量子灾变操作对量子遗传算法（QGA）进行改进,最后使用改进后的QGA算法优化ELM神经网络输入层到隐含层的连接权值和隐含层的阈值。为了验证该模型普适性和有效性,依次建立多元线性回归、BP、ELM、QGA-ELM、改进的QGA-ELM算法5种模型,并在不同数据集上进行反演效果比较,结果表明：（1）对比QGA-ELM算法和改进的QGA-ELM算法进化过程,改进的算法能有效提升模型寻优能力,避免算法早熟,且能寻得更优结果。（2）对比五种算法在不同数据集上的反演效果,验证了NDVI,RVI与LAI之间主要为非线性关系,且ELM神经网络模型反演效果要优于BP神经网络模型和多元线性回归模型。（3）对比五种算法在不同数据集上的反演效果,改进的QGA-ELM算法绝大部分情况下拥有最高的反演精度和最低的误差,改进后的算法反演精度得到了明显提升,泛化性能也得到了增强。（4）改进的QGA-ELM算法在各种施肥梯度上均具有最高反演精度和最低误差,且精度较高,能为不同生长状况水稻LAI反演提供依据。（5）五种模型对庆和香LAI反演精度均要高于龙稻18,而改进的QGA-ELM算法在不同水稻品种上依然具有较高的反演精度,且在不同水稻品种上反演精度相差极小,远低于其他四种模型,能很好适应不同水稻品种LAI反演要求,极大提升模型的稳定性性,为不同水稻品种反演提供参考意义。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

A hybrid quantum encoding algorithm of vector quantization for image compression

Many classical encoding algorithms of vector quantization (VQ) of image compression that can obtain global optimal solution have computational complexity O(N). A pure quantum VQ encoding algorithm with probability of success near 100% has been proposed, that performs operations 45\sqrt{N} times approximately. In this paper, a hybrid quantum VQ encoding algorithm between the classical method and the quantum algorithm is presented. The number of its operations is less than \sqrt{N} for most images, and it is more efficient than the pure quantum algorithm.