Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico
Os códigos de comprimento curto têm sido alvo de estudos recentes devido, principalmente, às exigências de tecnologias emergentes por requisitos específicos de comunicação. Entretanto, para a classe de código mais promissora (BCH), a decodificação é complexa quando se usa os decodificadores tradicio...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS)
2021-02-01
|
| Series: | REMAT |
| Subjects: | |
| Online Access: | https://periodicos.ifrs.edu.br/index.php/REMAT/article/view/4389 |
| _version_ | 1797723953324621824 |
|---|---|
| author | Jorge Kysnney Santos Kamassury |
| author_facet | Jorge Kysnney Santos Kamassury |
| author_sort | Jorge Kysnney Santos Kamassury |
| collection | DOAJ |
| description | Os códigos de comprimento curto têm sido alvo de estudos recentes devido, principalmente, às exigências de tecnologias emergentes por requisitos específicos de comunicação. Entretanto, para a classe de código mais promissora (BCH), a decodificação é complexa quando se usa os decodificadores tradicionais. Nesse contexto, os projetos que empregam redes neurais para esse propósito manifestam-se como interessantes alternativas. Isto posto, neste artigo estende-se, para os códigos BCH de comprimento n menor ou igual a 31, o projeto de decodificador proposto na literatura que aplica a rede neural para estimar o padrão de erro a partir da síndrome do vetor recebido. Além disso, introduz-se um novo decodificador que estima iterativamente as posições mais confiáveis para serem os bits errôneos do padrão de erro previamente predito por uma rede neural. Os resultados apresentados evidenciam que para todos os códigos analisados, o novo decodificador alcança os máximos desempenhos teóricos. |
| first_indexed | 2024-03-12T10:09:12Z |
| format | Article |
| id | doaj.art-125fe2d94ac64793bd4b312f0141107e |
| institution | Directory Open Access Journal |
| issn | 2447-2689 |
| language | English |
| last_indexed | 2024-03-12T10:09:12Z |
| publishDate | 2021-02-01 |
| publisher | Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS) |
| record_format | Article |
| series | REMAT |
| spelling | doaj.art-125fe2d94ac64793bd4b312f0141107e2023-09-02T10:55:25ZengInstituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS)REMAT2447-26892021-02-017110.35819/remat2021v7i1id4389Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário SimétricoJorge Kysnney Santos Kamassury0Universidade Federal de Santa Catarina (UFSC), Centro Tecnológico (CTC), Florianópolis, SC, BrasilOs códigos de comprimento curto têm sido alvo de estudos recentes devido, principalmente, às exigências de tecnologias emergentes por requisitos específicos de comunicação. Entretanto, para a classe de código mais promissora (BCH), a decodificação é complexa quando se usa os decodificadores tradicionais. Nesse contexto, os projetos que empregam redes neurais para esse propósito manifestam-se como interessantes alternativas. Isto posto, neste artigo estende-se, para os códigos BCH de comprimento n menor ou igual a 31, o projeto de decodificador proposto na literatura que aplica a rede neural para estimar o padrão de erro a partir da síndrome do vetor recebido. Além disso, introduz-se um novo decodificador que estima iterativamente as posições mais confiáveis para serem os bits errôneos do padrão de erro previamente predito por uma rede neural. Os resultados apresentados evidenciam que para todos os códigos analisados, o novo decodificador alcança os máximos desempenhos teóricos.https://periodicos.ifrs.edu.br/index.php/REMAT/article/view/4389Decodificador Baseado em Rede NeuralCanal Binário SimétricoCódigos Corretores de Erros |
| spellingShingle | Jorge Kysnney Santos Kamassury Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico REMAT Decodificador Baseado em Rede Neural Canal Binário Simétrico Códigos Corretores de Erros |
| title | Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico |
| title_full | Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico |
| title_fullStr | Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico |
| title_full_unstemmed | Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico |
| title_short | Decodificador baseado em Rede Neural Profunda para Códigos de Bloco Lineares Curtos Transmitidos via Canal Binário Simétrico |
| title_sort | decodificador baseado em rede neural profunda para codigos de bloco lineares curtos transmitidos via canal binario simetrico |
| topic | Decodificador Baseado em Rede Neural Canal Binário Simétrico Códigos Corretores de Erros |
| url | https://periodicos.ifrs.edu.br/index.php/REMAT/article/view/4389 |
| work_keys_str_mv | AT jorgekysnneysantoskamassury decodificadorbaseadoemredeneuralprofundaparacodigosdeblocolinearescurtostransmitidosviacanalbinariosimetrico |