نام دانشجو: زهرا کاظمی مجرد

   استاد راهنما: دکتر حسن خدایی مهر

   استاد ارزیاب داخلی: دکتر حسین جوهری

   استاد ارزیاب خارجی: دکتر مریم طهماسبی

 

 

یکی از مهمترین اهداف در ارتباطات، ارسال و دریافت امن اطالعات از طریق کانالهای مخابراتی میباشد. هیچ کانالی بدون نویز نیست. به همین دلیل در فرستنده، بیتهای توازن به اطالعات اصلی افزوده میشود که در صورت نویزی شدن اطالعات اصلی، همچنان قابل بازیابی باشد. این فرآیند کدگذاری نامیده میشود. به دنبال کدگذاری، به الگوریتمهای کدگشایی برای بازیابی اطالعات گیرنده نیاز داریم. الگوریتم انتشار باور یکی از روشهای کدگشایی است که نتایج بسیار خوبی بر روی برخی کدهای خطی همچون کدهای LDPC داشته است. مسئله کدگشایی کانال کدهای خطی با اندازه بلوک کوچک و با پیچیدگی پایین و عملکرد نزدیک به بهینه در این پایاننامه در نظر گرفته شده است. نشان داده شدهاست که روشهای یادگیری عمیق میتواند برای بهبود عملکرد کدگشای انتشار باور استفاده شود. پیشرفتهای مشابهی برای الگوریتم کدگشای حداقل-مجموع نیز بدست آمده است که نشان میدهد گره خوردن پارامترهای الگوریتم کدگشایی طی تکرارهای آن به منظور ایجاد یک شبکه عصبی بازگشتی قابل اجرا است. مزیت این روش آن است که تعداد پارامترهای کمتری مورد نیاز است. در این پایاننامه معماری یک کدگشای عصبی بازگشتی مبتنی بر روش آزادسازی متوالی را معرفی میکنیم. بعالوه نشان میدهیم که کدگشای انتشار باور عصبی میتواند برای بهبود عملکرد کدگشایی یا کاهش پیچیدگی محاسباتی برای کدهای کوتاه BCH استفاده شود.