Increasing the speed of parallel decoding of turbo codes

Turbo codes experience a significant decoding delay because of the iterative nature of the decoding algorithms, the high number of metric computations and the complexity added by the (de)interleaver. The extrinsic information is exchanged sequentially between two Soft-Input Soft-Output (SISO) decoders. Instead of this sequential process, a received frame can be divided into smaller windows to be processed in parallel. In this paper, a novel parallel processing methodology is proposed based on the previous parallel decoding techniques. A novel Contention-Free (CF) interleaver is proposed as part of the decoding architecture which allows using extrinsic Log-Likelihood Ratios (LLRs) immediately as a-priori LLRs to start the second half of the iterative turbo decoding. The simulation case studies performed in this paper show that our parallel decoding method can provide %80 time saving compared to the standard decoding and %30 time saving compared to the previous parallel decoding methods at the expense of 0.3 dB Bit Error Rate (BER) performance degradation.

3D Reconstruction of Medical Images from Slices Automatically Landmarked with Growing Neural Models

In this study, we utilise a novel approach to segment out the ventricular system in a series of high resolution T1-weighted MR images. We present a brain ventricles fast reconstruction method. The method is based on the processing of brain sections and establishing a fixed number of landmarks onto those sections to reconstruct the ventricles 3D surface. Automated landmark extraction is accomplished through the use of the self-organising network, the growing neural gas (GNG), which is able to topographically map the low dimensionality of the network to the high dimensionality of the contour manifold without requiring a priori knowledge of the input space structure. Moreover, our GNG landmark method is tolerant to noise and eliminates outliers. Our method accelerates the classical surface reconstruction and filtering processes. The proposed method offers higher accuracy compared to methods with similar efficiency as Voxel Grid.

Uso del suolo e accessi in stazione: un’analisi di regressione multipla per la rete metropolitana di Napoli

Obiettivo dello studio è l’esame delle relazioni esistenti tra il numero di accessi alle stazioni della metropolitana e le caratteristiche di uso del suolo di ciascuna area di influenza. A questo scopo è stata implementata un’analisi di regressione lineare multipla, utilizzando come variabile indipendente il numero di viaggiatori in ingresso alle stazioni e come variabili dipendenti le caratteristiche socio-economiche e di uso del suolo delle aree urbane che circondano le stazioni. L’utilizzo di tecniche GIS ha permesso la costruzione del database e la visualizzazione su mappe tematiche dei risultati. In sintesi dallo studio emerge che il flusso di passeggeri è influenzato in misura prevalente dall’indice di connessione nelle aree centrali, dalla densità di addetti nelle aree periferiche e dalla densità residenziale e dal mix funzionale nelle aree di stazione suburbane. I risultati di questo studio possono contribuire al processo decisionale ed alla definizione di strategie di Transit Oriented Development al fine di incrementare l’utilizzo della rete su ferro o viceversa possono essere utilizzati per la valutazione di pratiche di uso del suolo.