Особенности нейросетевого декодирования линейных блочных кодов

Abstract

В статье рассматриваются особенности применения нейронной сети для декодирования кода Хэмминга. Предлагается использовать нейронную сеть для декодирования полученного сообщения путем выбора, к какому из вариантов кодовых последовательностей наиболее вероятно принадлежало переданное сообщение, что является решением задачи классификации. Для решения таких задач применяется сеть Геленбе. Кодовые символы поступят на элементы сети, образующие входной слой. Данный слой использует рекуррентную связь между нейронами, что позволяет найти корреляцию между символами переданного сообщения. Следующий слой содержит необходимое число выходных элементов, равное количеству вариаций кодовых последовательностей. Связанный прямой связью с предыдущим слоем, этот слой произведет классификацию. На выходе сети предполагается получать нулевое значение в одном из выходных элементов и единицы в других элементах. Сеть обучается на примерах входных и выходных значений элементов по методу градиентного спуска с минимизацией количества ошибок при классификации. Проведенные исследования при помощи разработанной программной модели нейронного метода декодирования показали возможность его применения и с другими блочными кодами, например итеративными. Нейросетевой декодер показал высокие результаты по обнаружению и исправлению ошибок, которые близки к «мягкому» декодированию. Однако увеличение длины кодовой последовательности усложняет процесс декодирования, что определяет необходимость дальнейших исследований в данной области.