سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۸

نویسنده(ها):

جلیل پاکدامن – دانشگاه آزاد اسلامی واحد بجنورد، بجنورد، ایران
خلیل پاکدامن – گروه مپنا، شرکت توسعه ۱، نیروگاه سیکل ترکیبی( بخش گازی)، ایرانشهر، ایرا
میلاد صمدی شادلو – دانشگاه آزاد اسلامی واحد بجنورد، باشگاه پژوهشگران، بجنورد، ایران
هادی رحمانی – دانشگاه آزاد اسلامی واحد بجنورد، بجنورد، ایران

چکیده:

یک گروه بسیار مهم از کد بلوک هایی که در جهت مفهوم تئوری شانون (Shanon)، توسعه یافتند کد چک هایی با تراکم برابر (LDPC) هستند. تا اکنون، الگوریتم های مختلفی برای رمزگشایی از این کدها معرفی شده اند که بسیاری از آن ها به حالت ایده آل خود نرسیدهاند. مثل: حداکثر احتمال(ML) و تلنگر بیت (BF) احتمال استدلال قیاسی (APP) و الگوریتم محصول جمع (SP) که دو مورد اول، رمزگشایی صورت سخت افزاری و در دو مورد بعدی به صورت نرم افزاری انجام می شود. اخیراً نیز از شبکه های عصبی چند لایه پرسپترون با الگوریتم یادگیری (Trainlm)Levenberg-Marquardt استفاده شده است. ما در این مقاله نشان می دهیم که با کمک الگوریتم یادگیری Comprehensive Grobner Basis می توان به نتایج بهتری در جهت رمز گشایی کدهای LDPC دست یافت.