置信传播算法

摘要： 为了研究瑞利衰落信道下提高低密度奇偶校验码(low density parity check,LDPC)信道译码算法纠错性能的方法,结合神经网络技术,提出一种基于深度残差收缩网络(deep residual shrinkage networks,DRSN)的归一化最小和(normalized min-sum,NMS)译码算法(简称DRSN-NMS译码算法)。首先,本译码算法使用深度残差收缩网络预测信道增益;然后结合接收信号计算对数似然比(log likelihood ratio,LLR),将其作为译码算法的输入进行译码,DRSN通过学习接收信号中噪声的相关特征,以抑制噪声的方法使预测结果更加接近真实信道增益;最后使用实现较简便的NMS算法进行译码。仿真试验结果表明,在高信噪比环境下,本译码算法的误码率最低时接近常规算法误码率的1/3,译码性能得到一定的提高。本研究结果可为译码算法降低误码率提供参考。

摘要： 针对启发式算法在求解0-1背包问题时易陷入局部最优以及寻优精度低等不足,提出一种求解0-1背包问题的置信传播算法.根据0-1背包问题的线性规划,构造该问题的因子图模型,并基于该模型的特点设计对应的标识函数,进而设计一种求解0-1背包问题的置信传播算法.当算法收敛时,计算每个物体节点的置信度,以确定该物体的装包概率,从而高概率地给出0-1背包问题的解.与其他启发式算法进行了比较,结果表明,该算法具有较好的全局搜索能力.

摘要： 为了对置信传播(BP)算法在结构比较复杂的命题公式上有时会失效,常常表现为不收敛的现象给予理论解释,提出了基于警示传播的社区发现算法(WPLPA).依据BP算法在因子图上的信息迭代策略,利用WPLPA算法对命题公式所对应因子图的社区结构进行划分.借助二维结构熵的相关理论技术,建立了命题公式的二维结构熵度量模型,通过该模型分析了BP算法的收敛性与二维结构熵之间的关系,给出BP算法的收敛性判定条件,对BP算法的收敛性进行系统分析.实验分析证明该方法有效可行,能为信息传播算法的后续研究提供理论支持.

摘要： 可满足(SAT)问题是指:是否存在一组布尔变元赋值,使得合取范式公式中每个子句至少有一个文字为真.多文字可满足SAT问题是指:是否存在一组布尔变元赋值,使得CNF公式中每个子句至少有两个文字为真.显然,此问题仍然是一个NP难问题.为了研究解决多文字可满足SAT问题的算法,引入随机实例产生模型,设计求解多文字可满足SAT问题的置信传播算法.最后,用实例模型产生了大量数据进行实验验证,结果表明:该算法求解多文字可满足SAT问题的性能优于其他启发式算法.

摘要： 广泛的恶意活动依赖DNS来管理其受感染计算机的大型分布式网络,目前,主要的恶意域名检测方法是基于DNS相关的局部域特征构建分类器,但这样做存在着一些无法克服的弊端,如攻击者可以在不影响其攻击能力的情况下改变域名模式和时态模式等特性来逃避检测,从而导致这些方法所依赖的特征不稳定.因此,利用攻击者总是循环利用资源,频繁更改域名-IP解析,并创建新的域名来避免被检测这一特点,从所有域的查询历史回溯的标记域来验证和找出它们之间的关联,图是代表这种关系的最佳候选,有许多基于图开发的算法都具有高性能.我们以域名和主机ip为数据源构建DNS图,挖掘域和主机ip之间的内在关系,并基于置信传播算法(BP算法)的思想提出了一种计算图中每个节点信誉评分的算法,节点显示出的信誉分数越高,推断出的恶意概率就越高.为了证明方法的有效性,利用恶意域检测技术,并在从DNS数据服务器中收集的真实数据集上进行了评估.

摘要： 置信传播(BP)算法作为推断概率图模型的主流算法是求解随机块模型中联合概率分布的重要方法之一.但现有的方法要么在处理核边结构问题上存在精度不足问题,要么在理论的推导上存在近似太多,导致求解过程复杂且难以理解问题,或两个问题均存在.当然,精度不足也是由近似多造成的.导致理论近似多且推导复杂的主要原因,是随机块模型推断过程中求解联合概率分布并不是直接套用BP算法,即处理的图(网络)与概率图模型的图不统一.因此,本文利用平均场近似修正联合概率分布,使其完全匹配BP算法的迭代公式,这样使得在理论推导上简单易懂.最后通过实验验证,该方法是有效的.

摘要： LDPC码是目前距离香农限最近的一种线性纠错码.经典的译码算法—最小和算法降低了译码复杂度,但由于校验节点更新算法中的近似误差损失了译码性能.针对这一问题,提出了一种新的译码算法,该算法是通过把对数似然比置信传播算法校验节点更新中的计算简化为调和平均数的求取.仿真表明其误码性能较最小和算法更加接近于置信传播算法.

摘要： The correlation modeling and parameter estimation for signal sources and side information are key processes in distributed video coding(DVC). In DVC,correlation noise distribution is unstable and changes dynamically with the scene se-quence,so it is important to accurately predict and track correlation parameters. To give full play to the advantage of distributed source coding(DSC),an adaptive correlation estimation method based on sliding-window is proposed in this paper. In the meth-od,the sliding-window idea is embedded in the Slepian-Wolf decoder based on LDPCA code. The method can adaptively select whether re-estimation should be executed in combination with correlation parameters of side information and bit stream online es-timation image source,so as to optimize joint bit-plane belief propagation(JBBP)iterative decoding. The experimental results show that,taking the advanced DVC scheme DISCOVER as the criterion,the scheme using the proposed method can improve rate-distortion performance of the system while maintaining low coding complexity.%信源与边信息之间的相关建模和参数估计一直是分布式视频编码的关键环节.在分布式视频编码中,相关噪声分布是非平稳的,会随着场景序列而动态变化,如何准确地预测和追踪相关参数十分重要.为了充分发挥分布式信源编码的优势,提出一种基于滑窗的自适应相关估计方法.该方法将滑窗的思想嵌入到基于LDPCA码的Slepian-Wolf解码器中,结合边信息和码流在线估计图像信源之间的相关参数,且能够自适应地选择是否进行重估,进而优化联合比特面置信传播迭代译码.实验结果表明,以先进的分布式视频编码方案DISCOVER作为基准,使用所提方法的方案在保持较低编码复杂度的情况下提高系统的率失真性能.

摘要： 速率可变调制(RCM)是一种可在时变信道上实现平滑的速率自适应的接收端速率自适应技术.现有RCM解调算法中的消息更新采用洪泛的方式,解调收敛速度较慢,针对这一问题,该文提出了两种改进型RCM解调算法,分别是基于标准顺序调度策略的GS-BP解调算法、基于通知动态调度策略的BS-RBP解调算法.在GS-BP解调算法中,消息的更新被根据比特节点的固有顺序划分成组,在每一轮迭代中,消息更新逐组进行,这使得前面分组中已更新的最新消息在本轮迭代的后续分组中的消息更新过程中被充分地利用起来,有助于加快解调的收敛速度.在BS-RBP解调算法中,由比特节点传向符号节点(B2S)的消息的残差被当作消息可靠度的度量标准,它被用来区分消息更新的优先级,这种异步消息更新策略有利于迭代中的最新消息被充分利用.仿真结果表明,相较于RCM的传统BP解调算法,所提两种解调算法都可以显著地加快解调收敛速度.

摘要： 摄影测量密集点云自动生成的关键是如何实现立体影像的密集匹配.传统的摄影测量匹配主要有基于灰度的匹配方法,基于图像特征的匹配方法.由于基于影像灰度匹配的误匹配率较高,目前主要采用基于图像几何特征的匹配.在影像的纹理稀疏区域,特征匹配会存在空洞.本文研究利用影像全局匹配和置信传播算法,解决立体影像的密集匹配问题,进而解决摄影测量密集点云自动生成问题.全局立体匹配主要是通过建立图像能量函数,利用优化算法使能量函数最小化,获取图像的最优视差值.rn 置值传播算法是能量函数最优化和全局立体匹配主要算法,该算法存在运算速度慢,匹配误差传递等不足.为此有人提出了基于图像分割的置信度传播算法,减弱立体匹配的误差,提高匹配精度.本文提出基于图像分割的置信传播多尺度匹配算法,使用mean-shift算法对图像进行分割,进行分块、多尺度置信度传播优化匹配,既可提高运算效率,又可控制匹配的精度.

摘要： 稳定子码是目前量子纠错编码技术应用最普遍的技术,CSS量子码最常用置信传播算法(BP算法)译码.由于量子LDPC码固有的简并问题,当稳定子码中的稳定子生成元具有对称性时,常规BP译码无法译码,本文研究了稳定子码产生简并问题的根本原因,并提出了两种解决该问题的有效方法,即冻结法和随机扰乱法,打破BP算法中置信的对称性使其成功译码,通过数值计算和常规BP译码算法的性能进行比较,验证了改进BP译码算法的可行性以及优越性.

摘要： 本文详细论述了LDPC码的串行级联译码算法思想、译码器结构以及算法实现过程中的关键技术,同时对该算法的计算复杂度进行了定量分析.算法设计思想是首先将一个有环LDPC码按一定规则分解成若干个无环分量码(树码),然后使用基于双向信息传递策略的分量译码器对各分量码进行译码.在译码过程中,前一个分量译码器输出的后验概率信息作为后一个分量译码器输入的先验概率信息,完成外信息交换(最后一个分量译码器输出的后验概率信息作为第一个分量译码器的先验概率信息,此时完成一次超迭代.第一次超迭代中,信道信息作为第一个分量译码器的输入初始信息).因为基于双向信息传递策略的译码算法对无环LDPC码而言可以达到最优译码,这使得串行级联译码算法有可能通过分量译码器的局部最优解而最终得到全局最优解.另外,由于串行级联译码算法的一次超迭代运算中,各分量码包含变量节点数远大于置信传播算法中一个分量码(满足一组校验关系的变量节点组成一个简单分量码)包含的变量节点数,置信信息在分量码中很快建立起来,因此可获得较快的收敛速度.

摘要： 本文简要介绍了LDPC码的基本原理和它的编解码算法及其应用前景.作为我国自主知识产权的STiMi技术的亮点之一,LDPC码是目前最接近香农限的非常好码,在编译码复杂度较低的情况下其纠错能力具有接近并有可能超越Turbo码,在长码条件下有可接受的译码复杂度.LDPC码的诸多优点也使之成为当前信道编码理论研究的一个热点.

摘要： 本文简要介绍了LDPC码的基本原理和它的编解码算法及其应用前景.作为我国自主知识产权的STiMi技术的亮点之一,LDPC码是目前最接近香农限的非常好码,在编译码复杂度较低的情况下其纠错能力具有接近并有可能超越Turbo码,在长码条件下有可接受的译码复杂度.LDPC码的诸多优点也使之成为当前信道编码理论研究的一个热点.

摘要： 本文简要介绍了LDPC码的基本原理和它的编解码算法及其应用前景.作为我国自主知识产权的STiMi技术的亮点之一,LDPC码是目前最接近香农限的非常好码,在编译码复杂度较低的情况下其纠错能力具有接近并有可能超越Turbo码,在长码条件下有可接受的译码复杂度.LDPC码的诸多优点也使之成为当前信道编码理论研究的一个热点.

摘要： 本文简要介绍了LDPC码的基本原理和它的编解码算法及其应用前景.作为我国自主知识产权的STiMi技术的亮点之一,LDPC码是目前最接近香农限的非常好码,在编译码复杂度较低的情况下其纠错能力具有接近并有可能超越Turbo码,在长码条件下有可接受的译码复杂度.LDPC码的诸多优点也使之成为当前信道编码理论研究的一个热点.

摘要： 本发明公开了基于标签传播矫正标签置信度的不准确标记的多标签学习算法，包括以下步骤：步骤一，利用迭代标签传播，根据邻域空间更新候选标签集和非候选标签集的置信度，并分别从中识别出具有高置信度的可信标签；步骤二，利用识别出的可信标签，通过最大后验推理对标签进行两两排序，生成多标签预测模型；本发明所提出的算法能够自动过滤标注信息的噪声，并补全缺失的监督信息，可用于解决获得的数据标签既不完整又包含噪声的多标签学习任务，该算法通过迭代地标签传播，分别从候选标签集和非候选标签集中提取可信标签，能够减轻被错误标记的标签带来的负面影响，并将其作为可靠的标签信息用于后续的模型学习。

摘要： 本发明为基于CRC辅助的极化码的置信度传播翻转算法设计。本发明利用置信度传播译码算法的特性，在极化码原始置信度传播算法的译码过程基础上，利用CRC的检错特性，并根据原始置信度传播算法的译码结果的LLR值的大小，选取若干较小的LLR所对应的R值，对相应的R值进行翻转，以提升置信度传播算法的译码性能。该方案适用于任何码长、码率的极化码。该算法每次仅进行一位的R值翻转，并保持其它位LLR值不变，以降低通过翻转对译码结果的影响。该算法进行翻转操作时，每次仅进行一位翻转操作，且相互独立，因此对于指定翻转位数的算法，可通过相应个数的并行运算，以降低译码时延。该算法随着翻转的位数增多，其译码性能也随着增加。

摘要： 目前有许多的算法用于解决高光谱图像分类问题，比如支持向量机，k近邻法，奇异谱分析，主成分分析法和利用光谱信息和空间信息进行高光谱图像分类等等，然而在高光谱图像分类问题上还是存在许多的挑战，比如高光谱的每个像素点的数据结构非常复杂，数据维度非常大，在有限的样本情况下实现高精度的分类和在时间耗费比较少的时间要寻找最优的参数显的非常困难，因此，本发明提出了一种基于超限学习机和置信度传播的高光谱图像分类的算法，提供一种既能提高高光谱图像的分类精度，又能保持比较少的时间的耗费寻找最优的参数的算法，并且本发明不仅利用高光谱数据的光谱信息，又利用它的空间信息进行高精度的分类。

摘要： 本发明公开了一种基于置信度传播算法的深度图提取方法及装置，该方法包括：采用装有编码光圈的相机拍摄场景实物得到离焦模糊图像；提取离焦模糊图像的边缘并计算其深度值；采用置信度传播算法将图像边缘的深度值传播到其他不包含边缘的区域得到多层次的深度图。该装置包括：离散模糊图像获取模块、边缘提取模块、深度图提取模块。本发明通过产生稳定的点光源，利用编码光圈对图像深度的高区分度并使用置信度传播算法建立非边缘区域像素点之间的联系，提高了深度图提取精度。

摘要： 本发明公开了一种大规模MIMO系统的低复杂度置信传播检测算法，运用其等效的实数域模型来构建相应的因子图，将复数域运算转化为实数域运算，实现基于BP的迭代检测；其中，因子图用来表示接收信号和发射信号间依赖关系，将发射信号作为信号节点，接收信号作为观测节点；每一个信号节点根据从观测节点获取的后验信息来更新先验信息，接着传递给所有与之相连的观测节点；每一个观测节点根据来自信号节点的先验信息来计算后验信息，然后传递回与之相连的信号节点。本发明实现了基于符号的大规模MIMO检测算法，且避免了高维矩阵求逆，能够很好地适用于大规模MIMO的应用场景。

摘要： 一种基于置信传播算法的联合多用户检测与译码方法属于通信技术领域，特别涉及多用户通信系统中的一种基于置信传播算法的消除多用户之间干扰的联合多用户检测和译码方法，将用户的比特的外信息和符号的外信息在“编码/译码节点”和“映射/反映射节点”反复迭代，在满足迭代次数以后，本发明可以实现多用户之间的联合干扰消除和译码。和传统的多用户干扰消除方法相比，本发明可以有效降低干扰消除算法的计算复杂度和提高干扰消除的性能。

摘要： 本发明提出了一种基于局部最优置信传播算法的双目视频深度图求取方法，其包括如下步骤：对两幅图像分别进行分割及区域划分；利用局部最优置信传播算法进行深度计算，对不同区域和不同消息值进行处理，所述消息值为像素视差信息；对所求深度图进行块融合和颜色填充。本发明通过改进置信传播算法的消息传播模式，在不同区域内进行单独传播；并改变消息传播范围，建立远距离像素点之间的联系，提高了深度图获取速度；同时对遮挡部分进行单独处理，使其不影响正确消息的传播；另外对分成的小块进行融合，并对物体整体进行颜色填充，大大减少块数，并使得块与块之间视差更加平滑。

摘要： 本发明公开了一种基于二向图带比特翻转的极化码置信传播算法，在原有的基于二向图的极化码译码算法上利用二向图校验矩阵能够检查出错校验节点的特性，提出了基于校验节点鉴别和综合鉴别的两种方法检测容易出错的变量节点，并通过比特翻转的方法进行额外的解码尝试纠正原先错误的译码。该方法能够适用于不同的极化码构造，具有普适性。在相同条件下，L‑BPF算法比L‑BP算法有着明显的性能提升，仿真结果表明与L‑BP算法相比，L‑BPF算法能够获得较为明显的性能增益。

摘要： 本发明提出了一种基于优化的置信传播算法和稀疏表示的深度图像获取方法，用于解决现有技术获取的深度图像存在的颜色畸变像素点匹配精度低和深度不连续的技术问题,实现步骤为：1.输入双目图像对；2.获取双目图像对中参考图像所有像素点的初始视差值；3.对参考图像进行超像素分割；4.获取参考图像的视差平面模板集；5.利用优化的置信传播算法，获取各分割区域的最佳视差平面方程；6.获取参考图像的初始深度图；7.重构初始深度图。本发明获取的深度图像颜色畸变像素点匹配精度高，深度信息连续，深度图像的质量高，可用于三维重建、虚拟现实和机器视觉技术领域。

摘要： 本发明公开了一种对置信传播算法进行修正的方法，包括：迭代次数为k时，获取初始参数；根据初始参数，更新比特节点n输出的比特信息和校验节点m输出的校验信息；令k＝k+1，更新各个比特节点的硬判决信息，以及获取硬判向量第n个元素在第k次迭代时的值；根据计算的数值输出译码序列或执行翻转译码。本发明方法能够有效的标记造成译码平层的关键陷阱集元素，降低陷阱集元素规模，有效降低仿真码字的错误平层，具有更低的计算复杂度和良好的译码性能，可以更好满足光通信等其它通信系统数据高可靠性传输的需求。