基于概率神经网络的信源-信道联合编码/调制

提出一种基于概率神经网络的联合编码调制方法.该方法的复杂度及延时低于传统的联合编码调制,对信道差错更鲁棒.仿真结果显示这种联合编码调制方案得到的重建信噪比比传统的级联编码有明显的改善.     

迭代更新信源模型参数的信源-信道联合译码

提出一种在HMM基础上同时更新模型参数和译码的信源信道联合译码算法.通过接收到的含噪声信息序列以及由训练序列获得的先验知识对信源模型参数重新估计,将参数更新与联合译码过程迭代进行,一方面得到了信源序列更精确的概率结构,另一方面提高了联合译码的性能,并从信息论角度给出了信源模型参数的改善量.