標題: 利用分群演算法分析低密度奇偶檢查碼的結構
Clustering Analysis on the Structure of LDPC codes
作者: 李亞錦
Li, Ya-Chin
邵家健
Zao, Kar-Kin
生醫工程研究所
關鍵字: 低密度奇偶檢查碼;網路參數;馬可夫分群演算法;模組性分群演算法;陷阱集合;LDPC codes;network parameter;Markov Cluster algorithm;Modularity cluster algorithm;trapping set
公開日期: 2013
摘要: 低密度奇偶檢查碼 (Low-density parity check codes, LDPC codes) 可以透過奇偶檢驗矩陣 (parity-check matrix) 表示,奇偶檢驗矩陣能夠利用 Tanner graph 圖形化顯示,但是效能好的碼從 Tanner graph 觀察不具有特定的結構特性。 本文利用分群演算法分析低密度奇偶檢查碼的結構,利用馬可夫分群演算法 (Markov cluster algorithm) 與模組性分群演算法 (Modularity cluster algorithm) 將 LDPC codes 的 nodes 分類,找到容易形成陷阱集合 (trapping set) 的小 cluster;並且透過網路參數 (Network parameter) 找出與 LDPC codes 解碼過程相關的參數。
Low-density parity-check (LDPC) codes are defined by a sparse parity-check matrix and can described by tanner graph. But there is no structural property to confirm the performance. We use clustering algorithm to analyze the structure of LDPC codes. We use Markov Cluster Algorithm and Modularity cluster algorithm to group the node of LDPC codes. We find that the small clusters have higher probability to be the trapping set. Also, we find some network parameter can explain the decoding process of LDPC codes.
URI: http://140.113.39.130/cdrfb3/record/nctu/#GT070056704
http://hdl.handle.net/11536/73329
顯示於類別:畢業論文


文件中的檔案:

  1. 670402.pdf

若為 zip 檔案,請下載檔案解壓縮後,用瀏覽器開啟資料夾中的 index.html 瀏覽全文。