Аналіз ефективності біоінспірованого методу декодування алгебраїчних згорткових кодів
DOI:
https://doi.org/10.15587/1729-4061.2019.160753Ключові слова:
безпроводові телекомунікаційні системи, згорткові коди, алгебраїчна структура, декодування, біоінспірований пошукАнотація
Показано, що для підвищення достовірності передавання інформації у безпроводових телекомунікаційних системах широко застосовуються згорткові коди спільно з різноманітними методами декодування. Наведено загальні принципи синтезу та параметри алгебраїчних несистематичних згорткових кодів з довільною швидкістю кодування та максимально досяжною кодовою відстанню.
Представлено основні етапи біоінспірованого методу декодування алгебраїчних згорткових кодів з використанням механізму випадкового зміщення. Показано, що сутність представленого методу декодування полягає у застосуванні процедури диференційної еволюції з евристично визначеними параметрами. Також у даному методі використовується інформація про надійність прийнятих символів для знаходження найбільш надійного базису узагальненої породжувальної матриці. Додатково застосовується механізм випадкового зміщення для модифікації прийнятої послідовності з метою здійснення біоінспірованого пошуку на основі різних найбільш надійних базисів узагальненої породжувальної матриці.
За результатами досліджень визначено, що біоінспірований метод декодування алгебраїчних згорткових кодів забезпечує більшу ефективність у порівнянні з алгебраїчним методом декодування у каналі зв’язку з адитивним білим гауссовим шумом. В залежності від параметрів алгебраїчного згорткового коду та необхідного коефіцієнту помилок енергетичний виграш від кодування становить від 1,6 дБ до 3 дБ. Показано, що представлений біоінспірований метод декодування може бути використаний для згорткових кодів з великою довжиною кодового обмеження.
При цьому представлений метод декодування алгебраїчних згорткових кодів програє за ефективністю методу декодування Вітербі та турбокодам при достатній кількості ітерацій декодуванняПосилання
- Johannesson, R., Zigangirov, K. Sh. (Eds.) (2015). Fundamentals of convolutional coding. John Wiley & Sons, 668. doi: https://doi.org/10.1002/9781119098799
- Ryan, W., Lin, S. (2009). Channel codes: Classical and modern. Cambridge University Press, 692. doi: https://doi.org/10.1017/cbo9780511803253
- Piret, P. (1976). Structure and constructions of cyclic convolutional codes. IEEE Transactions on Information Theory, 22 (2), 147–155. doi: https://doi.org/10.1109/tit.1976.1055531
- Roos, C. (1979). On the structure of convolutional and cyclic convolutional codes. IEEE Transactions on Information Theory, 25 (6), 676–683. doi: https://doi.org/10.1109/tit.1979.1056108
- Gluesing-Luerssen, H., Schmale, W. (2004). On Cyclic Convolutional Codes. Acta Applicandae Mathematicae, 82 (2), 183–237. doi: https://doi.org/10.1023/b:acap.0000027534.61242.09
- Gluesing-Luerssen, H., Schmale, W. (2006). On Doubly-Cyclic Convolutional Codes. Applicable Algebra in Engineering, Communication and Computing, 17 (2), 151–170. doi: https://doi.org/10.1007/s00200-006-0014-9
- Gomez-Torrecillas, J., Lobillo, F. J., Navarro, G. (2016). A New Perspective of Cyclicity in Convolutional Codes. IEEE Transactions on Information Theory, 62 (5), 2702–2706. doi: https://doi.org/10.1109/tit.2016.2538264
- Rosenthal, J., York, F. V. (1999). BCH convolutional codes. IEEE Transactions on Information Theory, 45 (6), 1833–1844. doi: https://doi.org/10.1109/18.782104
- Rosenthal, J., Smarandache, R. (1999). Maximum Distance Separable Convolutional Codes. Applicable Algebra in Engineering, Communication and Computing, 10 (1), 15–32. doi: https://doi.org/10.1007/s002000050120
- Prihod'ko, S. I., Kuznecov, A. A., Gusev, S. A., Kuzhel', I. E. (2004). Algebraicheskoe postroenie nesistematicheskih svertochnyh kodov. Systemy obrobky informatsiyi, 8 (69), 170–175.
- Viterbi, A. (1967). Error bounds for convolutional codes and an asymptotically optimum decoding algorithm. IEEE Transactions on Information Theory, 13 (2), 260–269. doi: https://doi.org/10.1109/tit.1967.1054010
- Gluesing-Luerssen, H., Helmke, U., Iglesias Curto, J. (2010). Algebraic decoding for doubly cyclic convolutional codes. Advances in Mathematics of Communications, 4 (1), 83–99. doi: https://doi.org/10.3934/amc.2010.4.83
- Gomez-Torrecillas, J., Lobillo, F. J., Navarro, G. (2017). A Sugiyama-Like Decoding Algorithm for Convolutional Codes. IEEE Transactions on Information Theory, 63 (10), 6216–6226. doi: https://doi.org/10.1109/tit.2017.2731774
- Prihod’ko, S. I., Kuz’menko, D. M. (2008). Method of decoding of algebraic convolution codes. Systemy obrobky informatsiyi, 2 (69), 12–17.
- Ortin, J., Garcia, P., Gutierrez, F., Valdovinos, A. (2009). Two step SOVA-based decoding algorithm for tailbiting codes. IEEE Communications Letters, 13 (7), 510–512. doi: https://doi.org/10.1109/lcomm.2009.090810
- Bushisue, S., Suyama, S., Nagata, S., Miki, N. (2017). Performance Comparison of List Viterbi Algorithm of Tail-Biting Convolutional Code for Future Machine Type Communications. IEICE Transactions on Communications, E100.B (8), 1293–1300. doi: https://doi.org/10.1587/transcom.2016fgp0018
- Han, Y. S., Wu, T.-Y., Chen, P.-N., Varshney, P. K. (2018). A Low-Complexity Maximum-Likelihood Decoder for Tail-Biting Convolutional Codes. IEEE Transactions on Communications, 66 (5), 1859–1870. doi: https://doi.org/10.1109/tcomm.2018.2790935
- Kao, J. W. H., Berber, S. M., Bigdeli, A. (2009). A General Rate K/N Convolutional Decoder Based on Neural Networks with Stopping Criterion. Advances in Artificial Intelligence, 2009, 1–11. doi: https://doi.org/10.1155/2009/356120
- Rajbhandari, S., Ghassemlooy, Z., Angelova, M. (2012). Adaptive “soft” sliding block decoding of convolutional code using the artificial neural network. Transactions on Emerging Telecommunications Technologies, 23 (7), 672–677. doi: https://doi.org/10.1002/ett.2523
- Azouaoui, A., Chana, I., Belkasmi, M. (2012). Efficient Information Set Decoding Based on Genetic Algorithms. International Journal of Communications, Network and System Sciences, 05 (07), 423–429. doi: https://doi.org/10.4236/ijcns.2012.57052
- Azouaoui, A., Belkasmi, M., Farchane, A. (2012). Efficient Dual Domain Decoding of Linear Block Codes Using Genetic Algorithms. Journal of Electrical and Computer Engineering, 2012, 1–12. doi: https://doi.org/10.1155/2012/503834
- Berkani, A., Azouaoui, A., Belkasmi, M., Aylaj, B. (2017). Improved Decoding of linear Block Codes using compact Genetic Algorithms with larger tournament size. International Journal of Computer Science Issues, 14 (1), 15–24. doi: https://doi.org/10.20943/01201701.1524
- Shtompel, M. (2016). Soft decoding algebraic convolutional codes based on natural computing. Informatsiyno-keruiuchi systemy na zaliznychnomu transporti, 5, 14–18.
- Price, K., Storn, R. M., Lampinen, J. A. (2005). Differential evolution: A practical approach to global optimization. Springer, 539. doi: https://doi.org/10.1007/3-540-31306-0
- Jin, W., Fossorier, M. P. C. (2007). Reliability-Based Soft-Decision Decoding With Multiple Biases. IEEE Transactions on Information Theory, 53 (1), 105–120. doi: https://doi.org/10.1109/tit.2006.887510
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Sergii Panchenko, Sergii Prykhodko, Sergii Kozelkov, Mykola Shtompel, Viktor Kosenko, Oleksandr Shefer, Olha Dunaievska
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
