一种基于深度神经网络的极化码译码参数确定方法技术

本发明专利技术提供了一种基于深度神经网络的极化码译码参数确定方法，所述方法首先从收集、整理样本数据开始；然后以样本数据的特征、标签及大小作为依据进行建模，并采用反向传播算法来训练网络；然后再将由接收信号计算得到的似然比输入到已完成训练的深度神经网络中，输出Q；最后将L初始化为Q，执行串行抵消列表译码算法。该方法通过将深度神经网络技术与极化码译码技术进行结合，避免了不必要的计算操作，从而极大降低了极化码的译码复杂度。

【技术实现步骤摘要】
一种基于深度神经网络的极化码译码参数确定方法
本专利技术属于通信
，特别涉及一种用深度神经网络来确定串行抵消列表译码算法的极化码译码参数的方法。
技术介绍
极化码是2008年由E.Arikan提出的一种新型信道编码。极化码是第一种能够通过严格的数学方法证明达到信道容量的构造性编码方案。在极化码被提出之初，串行抵消(SC)译码也随之被提出。SC译码能够被看作是在二叉树上的路径搜索过程。SC译码算法从码树根节点开始，逐层依次向叶子节点层进行搜索，每一层扩展后，从两条后继中选择较好的一条进行扩展。SC译码的特点主要有两方面，一方面是其复杂度低、译码结构简单；另一方面是其在理论上被证明在码长足够大时能够达到香农极限。但SC译码算法在码长为有限长的配置下，纠错性能不理想。为了提高性能，提出串行抵消列表(SCL)译码。SCL译码是SC译码的一种改进版本。与SC不同的是，SCL译码算法不再是从两条后继中选择较好的一条进行扩展，而是尽可能地保留不大于L条的后继路径，在下一层扩展时，所有这不多于L条的候选路径都会分别被扩展。当结束叶子节点层的扩展时，有至多L条候选路径被保留在列表中。由于SCL译本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的极化码译码参数确定方法，其特征在于，所述方法用深度神经网络来确定串行抵消列表译码的列表大小L，所述参数确定方法包括以下步骤：步骤1，准备样本数据，并对样本数据进行预处理；步骤2，搭建深度神经网络，并训练深度神经网络；步骤3，在极化码译码阶段，将似然比输入到深度神经网络模型中，得到一个值Q，并将L初始化为Q，执行串行抵消列表译码算法。

【技术特征摘要】
1.一种基于深度神经网络的极化码译码参数确定方法，其特征在于，所述方法用深度神经网络来确定串行抵消列表译码的列表大小L，所述参数确定方法包括以下步骤：步骤1，准备样本数据，并对样本数据进行预处理；步骤2，搭建深度神经网络，并训练深度神经网络；步骤3，在极化码译码阶段，将似然比输入到深度神经网络模型中，得到一个值Q，并将L初始化为Q，执行串行抵消列表译码算法。2.根据权利要求1所述的一种基于深度神经网络的极化码译码参数确定方法，其特征在于，步骤1中准备样本数据指的是，执行100000次自适应串行抵消列表...

【专利技术属性】
技术研发人员：李世宝，卢丽金，潘荔霞，刘建航，黄庭培，陈海华，邓云强，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37