RNN卷积码解码器在超宽带通信中的研究  

Study on recurrent neural network convolution decoder in Ultra-wide-band communications

作　　者：林国华[1,2] 殷奎喜[1] 

机构地区：[1]南京师范大学物理科学与技术学院通信工程系 [2]212003江苏镇江解放军镇江船艇学院物理系

出　　处：《微计算机信息》2008年第6期111-112,160,共3页Control & Automation

基　　金：地理信息科学江苏省重点实验室开放基金资助(JK20050304)

摘　　要：反馈神经网络卷积码解码器(RNN)的性能接近传统的Viterbi解码器,RNN的复杂度是随约束长度成线性增加的,而Viterbi的复杂度是成指数增加的。在加性白噪声信道中,RNN的性能已经得到了肯定,对应不同的卷积码有不同结构的RNN解码器。本文我们研究了RNN解码器在超宽带通信系统中的性能。Recurrent neural networks(RNN) convolution decoder can perform close to the conventional Viterbi decoder,and the complexity increases linearly with the constraint length while that of Viterbi's increases exponentially. The performances of the RNN decoder were confirmed in additive white Gaussian noise(AWGN) channels. In this paper,we extend the investigation to the performance of the RNN decoder in Ultra-wide-band(UWB) communications.

关 键 词：反馈神经网络(RNN)卷积码解码器 VITERBI解码器 超宽带(UWB) 硬判决 软判决 

分 类 号：TN92[电子电信—通信与信息系统]