The error correcting performance of

The error correcting performance of the proposed
QC LDPC codes is compared with random-like
progressive edge-growth (PEG) and QC-PEG
LDPC codes, the best ones were recognized by [4-
5], [12]. As possible, the parameters are nearly the
same. Results are obtained using sum-product
decoding algorithm under the additive white
Gaussian noise (AWGN) channel and BPSK
modulation is considered. The maximum number of
iterations is set to 100. We collect at least 100 block
errors per simulation point. All the comparableproposed codes are constructed based on Theorems
5. This theorem enables one to suppress or impress
one or more sub-classes of quasi-cyclic circulants
that belong to one or more subsets of difference
family of the mother code, without any changes in
the desired mother code characteristics and
consequently, leads to more flexibility in the
selection of rates of the proposed codes. For a target
girth greater than six, further results could be
obtained by suppress or impress one or more
elements as well as sub-classes at this time.
In the next, we simulate the binary dispersion of
some mother matrices of previous examples taking
in consideration that the constructed differencefamily based codes have a good BER performance
over AWGN channel decoded with iterative
decoding using the Fast Fourier Transform based qary sum-product decoding algorithm.

Kết quả (Việt) 1:

Lỗi sửa chữa hiệu suất của các đề xuấtQC LDPC mã được so sánh với ngẫu nhiên nhưcạnh tiến bộ tăng trưởng (PEG) và QC-PEGLDPC mã, những người tốt nhất được công nhận bởi [4-5], [12]. Càng tốt, các thông số là gần như cáccùng một. Kết quả thu được bằng cách sử dụng sản phẩm tổng hợpgiải mã các thuật toán dưới màu trắng phụ giaKênh Gaussian tiếng ồn (AWGN) và BPSKđiều chế được coi là. Số lượng tối đalặp đi lặp lại được thiết lập đến 100. Chúng tôi thu thập ít nhất 100 khốilỗi cho mỗi mô phỏng điểm. Tất cả các mã số comparableproposed được xây dựng dựa trên định lý5. định lý này cho phép một để ngăn chặn hoặc gây ấn tượng vớimột hoặc nhiều các lớp học phụ của nhóm quasi-cyclic circulantsmà thuộc về một hoặc nhiều tập hợp con của sự khác biệtgia đình của mã mẹ, mà không có bất kỳ thay đổi nào trongđặc điểm mã mong muốn mẹ vàdo đó, dẫn đến các linh hoạt hơn trong cáclựa chọn của tỷ giá của các mã được đề xuất. Cho một mục tiêuvòng đai lớn hơn sáu, thêm kết quả có thểthu được bằng cách ngăn chặn hoặc gây ấn tượng với một hoặc nhiềuyếu tố cũng như các lớp học phụ tại thời điểm này.Trong kế tiếp, chúng tôi mô phỏng phân tán nhị phân củamột số ma trận mẹ của ví dụ trước tham giatrong xem xét rằng differencefamily được xây dựng dựa trên mã có một hiệu suất BER tốttrên AWGN kênh giải mã với lặp đi lặp lạigiải mã bằng cách sử dụng các nhanh Fourier Transform dựa qary sản phẩm tổng hợp giải thuật giải mã.

Kết quả (Việt) 2:

Việc thực hiện sửa lỗi của các đề xuất
mã LDPC QC được so sánh với ngẫu nhiên giống như
progressive cạnh tăng trưởng (PEG) và QC-PEG
mã LDPC, những cái tốt nhất đã được công nhận bởi [4-
5], [12]. Khi có thể, các thông số là gần như
giống nhau. Kết quả thu được bằng cách sử dụng tổng hợp sản phẩm
thuật toán giải mã theo phụ gia màu trắng
tiếng ồn Gaussian (AWGN) kênh và BPSK
điều chế được xem xét. Số lượng tối đa của
lần lặp được thiết lập đến 100. Chúng tôi thu thập ít nhất 100 khối
lỗi mỗi điểm mô phỏng. Tất cả các mã comparableproposed được xây dựng dựa trên định lý
5. Định lý này cho phép một để ngăn chặn hoặc gây ấn tượng với
một hoặc nhiều sub-class của circulants quasi-cyclic
mà thuộc về một hoặc nhiều hơn các tập con của sự khác biệt
trong gia đình của mã mẹ, mà không có bất kỳ thay đổi trong
các đặc điểm mã mẹ mong muốn và
do đó, dẫn đến sự linh hoạt hơn trong
lựa chọn các giá của các mã đề xuất. Đối với một mục tiêu
chu vi lớn hơn sáu, kết quả hơn nữa có thể được
thu được bằng cách đàn áp hoặc gây ấn tượng với một hoặc nhiều
yếu tố cũng như các hạng tại thời điểm này.
Trong tiếp theo, chúng tôi mô phỏng sự phân tán nhị phân của
một số ma trận mẹ của ví dụ cũ tham gia
trong việc xem xét rằng các mã differencefamily dựa xây dựng có một hiệu suất BER tốt
hơn kênh AWGN giải mã với lặp
giải mã bằng cách sử dụng Fast Fourier Transform dựa qary tổng hợp sản phẩm thuật toán giải mã.