基于神经网络吸引子纠错译码的初步研究

介绍了利用神经网络吸引子译码的新思想和一种吸引域的分析方法,并给出了一个吸引子译码的具体例子.通过计算机模拟说明了吸引子译码的可行性,同时指出了吸引子译码的局限性.     

基于神经网络的（23,12）Golay码译码新算法

对Ｈｏｐｆｉｅｌｄ神经网络（Ｈ．Ｎ．）在纠错编译码技术中的具体应用进行了研究，分析指出了该网络与循环码，尤其是Ｇｏｌａｙ码的关系，提出了一种采用高阶互连网络实现循环码最大似然译码的方法，并且实现了一套有效的算法，非常完满地解决了（２３，１２）Ｇｏｌａｙ码的完全译码。最后指明了硬件实现的思路。     

纠错编码的译码错误概率

揭示了二进制纠错码的译码错误概率与重量分布之间的关系,从而解决了诸如Hamming码、R—M码和Hadamard码等许多常用二进制码的译码错误概率P_E(u)的计算问题。     

基于神经网络混沌吸引子的混合加密

把Diffe-Hellman密钥交换协议和流密码算法相结合,设计了一种基于神经网络混沌吸引子的混合加密算法。算法采用基于混沌吸引子的Diffe-Hellman公钥体制,保证了密钥分发的安全性,同时拥有流密码速度快的优点,提高了加密速度,因此实用性较好,能够满足下一代通信实时快速的需求。分析了算法的安全性和加解密效率,利用vc编程实现算法,并对仿真生成的密钥流和密文进行测试。实验结果表明,算法具有较好的安全性和加解密速度。     

维特比译码及其纠错能力的研究

在现代数字通信系统中,纠错编码技术的作用是很重要的,本文以卷积码为例,分析了纠错码的原理,并利用matlab实现了卷积码的编码和解码,对卷积码纠错原理进行了仿真研究。     

基于神经网络的纠错输出编码方法研究

构造基于数据编码矩阵是目前利用纠错输出编码解决多类分类问题的研究重点.为此提出利用单层感知器作为学习框架,结合解码策略把输出编码矩阵各码元值映射为感知器网络中的权值,同时引入含权值取值约束的目标函数作为该网络代价函数,并对其进行学习,最终得到基于子类划分的数据编码矩阵.实验中利用人工数据集和UCI数据集并选择线性逻辑分类器作为基分类器分别进行测试,通过与几种经典编码方法比较,结果表明该编码方法能在编码长度较小情况下得到更好的分类效果.     

纠错纠删RS译码数据链系统性能研究

在数据链系统中,RS译码可以采用纠错译码,也可以采用纠错纠删译码。CCSK作为数据链系统的关键技术之一,解调依据是最大互相关值,CCSK的阈值设定对系统性能有较大影响。研究了CCSK阈值的选取对纠错纠删RS译码数据链系统性能的影响,采用Matlab仿真工具,设定不同的CCSK阈值,找到使系统性能达到最好的CCSK阈值,并与只进行纠错的RS译码系统进行对比。仿真结果表明,在高斯白噪声下,当CCSK阈值取14时,纠错纠删RS译码要比只进行纠错的RS译码性能改善很多。     

线性分组码的神经网络译码

介绍了神经网络与线性分组码之间的关系，并在文献[1]的基础上证明了软判决译码与求解能量函数最大值之间的等价性，然后以(7，4，3)汉明码为例介绍了神经网络在循环码硬判决、软判决译码中的应用。     

神经网络与最小加权距离译码

本文旨在研究神经网络在最小加权距离译码中的应用.首先以逐步推广的方式介绍了若干神经网络模型及其收敛性质,然后研究了最小加权距离译码的性质与应用,最后证明求任一能量函数的最小值点问题等价于某一(n,k)线性码的最小加权距离译码问题,并提出用波尔兹曼机的退火法来作最小加权距离译码.     

神经网络混沌吸收引子在计算机加密通信中的应用

提出了利用神经网络过饮和存贮的混沌分类吸引性质来实现计算机通信的加密功能的方法，利用该方法，研制出具有快速自动加密功能的计算机通信技术系统。     

一种可用于非线性码译码神经网络模型研究

本文提出一种非线性码神经网络译码方案。在纠错能力范围内对满足码距特性的一般非线性码以零错误概率进行纠错译码，并在检错能力范围内检错。文中具体描述了神经网络模型构造、学习算法及其理论依据。最后通过非线性等重码的译码实例表明此方案的有铲性及理论和应用价值。     

一类循环码的神经网络软判决译码算法

本文分析了一类循环码的结构特性，提出了这类循环码的神经网络软判决译码算法。新算法的复杂度比现有一般的神经网络译码算法要低得多，而其译码性能接近大似然译码。     

基于卷积神经网络的拓扑量子码译码研究

由于量子纠错码的简并性以及传统匹配译码算法在错误相关性探测上的不足,拓扑量子码的译码问题一直以来都是很大的挑战.近年来,神经网络越来越多地应用到量子通信与量子信息中,极大地促进了量子科技的发展.这里,针对传统量子拓扑码的译码算法在错误相关性探测上的不足,搭建了卷积神经网络译码器,实现了拓扑量子码的高效译码.与传统匹配译...     

神经网络在分组码软判决译码中的应用

本文对线性分组码构造了一个神经网络软判决译码器，并提出了循环码的一个神经网络软判决译码算法。对Ｇｏｌａｙ码的计算机仿真表明，新算法不仅译码速度快，而且，具有优越的性能。     

一种可用于非线性码译码神经网络模型研究

本文提出一种非线性码神经网络译码方案,在纠错能力范围内对满足码距特性的一般非线性码以零错误概率进行纠错译码,并在检错能力范围内检错。文中具体描述了神经网络模型构造、学习算法及其理论依据。最后通过非线性等重码的译码实例表明此方案的有效性及理论和应用价值。     

短波信道纠错编,译码器的软件模拟

随着计算机技术的飞速发展，纠错码技术已广泛用于数字通信系统，讨论了在ＨＦ信道上的纠错编、译码的计算机编模拟。     

增加捕错窗口长度的译码法

当不是ｇ（ｘ）的因子，ｇ（ｘ）和ａ（ｘ）ｇ（ｘ）分别是二元线性循环码Ｃ（ｘ）和Ｃｓｕｂ（ｘ）的生成多项式时，则Ｃｓｕｂ（ｘ）是Ｃ（ｘ）的子码。恰当选用Ｃ（ｘ）／Ｃｓｕｂ（ｘ）的２ｊ个余式将Ｃ（ｘ）转换为子码，然后对子码捕错；当错误矢量Ｅ（ｘ）的重量Ｗ（Ｅ）ｔ，且有连续ｋ－ｊ位为零时，就能正确译码。该法提高了纠错能力，还可分类译码输出，结构简单，实现容易。     

一类无不动点的二维混沌映射的复杂动力学

当前,离散映射在经济、生物、工程等领域具有广泛研究,而离散映射中的隐藏吸引子的研究目前涉及较少。文中首先通过相图、吸引域研究该映射在参数固定的情况下的动力学特性,然后将分别通过分岔图等研究系统在单参数及双参数变化情况下的动力学演化过程,从而揭示该类映射的复杂动力学的产生与演化机理。     

Turbo码译码及其应用研究的最新进展

介绍了近两年来Turbo码译码算法研究的最新进展和Turbo码技术应用的最新成果。     

基于混沌神经网络公钥算法的RFID协议

物联网的时代即将来临,国家"十二五"发展规划明确将物联网上升到国家战略高度。作为物联网关键技术的射频识别(RFID,Radio Frequency Identification)系统的安全问题变得越来越重要。通过分析多种RFID认证协议的优缺点,基于神经网络混沌吸引子公钥加密算法提出一种新的RFID认证协议,对该协议的安全性和性能同其他安全协议进行了比较分析,结果表明该协议可以为RFID系统提供更好的安全性和较快的加解密速度,且性能较佳。