一种基于遗传算法的改进的极化码SCF译码器制造技术

本发明专利技术提供了一种基于遗传算法(Genetic Algorithm,GA)的改进的极化码串行消除翻转(Successive Cancellation Flip,SCF)译码器。在原始的SCF译码器的基础上，针对原始候选翻转位置集合(Candidate Flipping Positions Set,CFPS)存在冗余的问题，通过利用GA构建了一种新的CFPS。用所有非冻结位的索引构成遗传算法的初始种群，并且以高斯近似计算的信道可靠度作为每个个体的适应度。然后对种群通过不断的选择、交叉和变异操作，并且把每代的种群最优个体保存下来。最后通过统计每个种群在向量中出现的频率来获得一个新的候选翻转位置集合CFPS‑GA，并以这个新构建的候选翻转位置集合CFPS‑GA来进行SCF译码。本发明专利技术有益效果：与其它类似的SCF译码器相比，基于CFPS‑GA的SCF译码器能在保证译码性能的前提下拥有更低的计算复杂度和译码延迟。

【技术实现步骤摘要】
一种基于遗传算法的改进的极化码SCF译码器
本专利技术属于信道编译码领域，涉及到极化码的串行消除翻转(SuccessiveCancellationFlip,SCF)译码器和人工智能技术中的遗传算法。
技术介绍
极化码自从2009年由提出后就得到了广泛的关注，并且在新发布的5G通信标准中，极化码被选为eMBB场景控制信道下的编码方案。极化码还是目前唯一理论上证明能达到香农理论界限的信道编码方案。最原始的极化码译码器是串行消除(SuccessiveCancellation,SC)译码器，而且极化码正是在这种译码器下才能达到香农理论界限。可是SC译码器是一种串行译码器，如果前面比特译码发生错误，会对后面比特的译码产生影响，造成误码传播现象。为了改进SC译码器的译码性能，一种串行消除列表(SuccessiveCancellationList,SCL)译码器被提出。与SC译码器不同的是，SCL译码器在译码的时候保留至多L条译码路径，然后通过路径度量值或者循环冗余校验(CyclicRedundancyCheck,CRC)来选择最终的路径作为译码结果。SCL译码器极大的提升了极化码的译码性能，使极化码拥有与其它纠错码一样的译码性能。但是SCL译码器译码时保留了多条译码路径，这种译码特性使得SCL译码器具有较高的译码时延和计算复杂度。为了提升SC译码器的译码性能和降低SCL译码器的复杂度，相关学者提出了一种名为SCF的译码器。在SCF译码器中，首先进行SC译码。然后对SC译码器得到的结果进行CRC校验。当SC译码得到的结果没有通过CRC校验，对所有非冻结位所对应的对数似然比的绝对值大小进行排序，然后翻转对数似然比的绝对值最小的那一位，翻转位之后的码字继续用SC译码器进行译码。Tmax表示这种尝试的最大次数。在实际通信中，信道噪声引起的错误是很少的，但是大部分错误都是由于信道噪声引起的错误造成的。而SCF译码器就是通过不断的翻转尝试来找到这些由信道噪声引起的错误，进而提升极化码的译码性能。与SC和SCL译码器相比，虽然SCF译码器在译码性能和译码复杂度之间实现了一种平衡，但是在上面提到的SCF译码算法中，候选翻转位置集合(CandidateFlippingPositionsSet,CFPS)是由所有非冻结位的索引组成的。可是根据实验发现，一些子信道是非常可靠的，并不需要对这些子信道的译码比特进行翻转尝试。然后为了去减小CFPS的大小和候选翻转位置的搜索空间，有学者提出利用关键集(CriticalSet,CS)来作为SCF译码器的CFPS。CS的获取方法是通过找出极化码码树中的所有rate-1节点，然后把rate-1节点的第一个非冻结位所对应的索引作为CS中的元素。基于CS的SCF译码器有效地提升了SCF译码器的译码性能，并且降低了原始SCF译码器的计算复杂度。与此同时，一些学者通过利用信道特性也提出了一种中等水平子信道(Middle-levelbitchannels,MBC)集合的概念。蒙特卡洛仿真结果表明基于MBC集合的SCF译码器有与基于CS的SCF译码器一样的译码性能和计算复杂度。
技术实现思路
本专利技术针对极化码SCF译码器候选翻转位置集合存在冗余的问题，提供了一种基于遗传算法的改进的极化码SCF译码器。极化码SCF译码模块由标准SC译码模块、CRC校验模块和候选翻转位构建模块组成。并且该译码器在候选翻转位构建模块中采用了一种新的基于遗传算法的CFPS构造方法。在本专利技术的实现方式中，以每个非冻结位的索引作为遗传算法的个体，然后以所有非冻结位的索引构成遗传算法的初始种群。由于本专利技术的信道环境为加性高斯白噪声，所以本专利技术以高斯近似计算的信道可靠度作为每个个体的适应度。使用的选择策略为锦标赛选择。对经过选择操作后的新种群进行二进制编码，然后对新产生的种群进行交叉和变异操作，并且把每代最优的个体保存下来。当迭代结束时，统计每个非冻结位索引出现的频率，然后以那些具有非0频率的索引构成新的基于GA的CFPS。构造的具体步骤如下所示：步骤一：利用所有非冻结位的索引初始化种群，并利用高斯近似计算每个个体的适应度。步骤二：利用锦标赛选择策略对个体进行选择，获得选择后的新种群。步骤三：对选择后的种群进行二进制编码，然后通过单点交叉和简单变异的策略对个体执行交叉和变异操作，并把经过变异操作后的新种群中的最优个体保存在向量path中。步骤四：重复步骤二、三，直到迭代结束，然后获得最终的向量path，向量的大小和种群的迭代次数是相同的。步骤五：统计每个非冻结位索引在向量path中出现的频率，然后把具有非0频率的索引放入到新的CFPS中。利用这个新构建的CFPS进行SCF译码，通过实验仿真可以发现，基于CFPS-GA的SCF译码器能达到单比特翻转译码性能的上限。而且与其它类似的SCF译码器相比，基于CFPS-GA的SCF译码器拥有更低的计算复杂度和译码时延。附图说明图1为本专利技术SCF译码器系统框图；图2为本专利技术CFPS-GA构造过程流程图；图3为本专利技术变异操作示意图；图4为不同译码器在1024码长下译码平均复杂度；图5为不同译码器在1024码长下平均译码时延。具体实施方式下面结合附图对本专利技术作进一步详细描述，以下实施例有助于对本专利技术的理解，是比较好的应用实例，但不应看作是对本专利技术的限制。在图1中,该系统框图主要由极化码编码模块、信道模块和极化码SCF译码模块组成。另外极化码SCF译码模块又由标准SC译码模块、CRC校验模块和基于遗传算法的候选翻转位构建模块组成。信道模块采用加性高斯白噪声。CRC校验模块中CRC检验位长度为16，CRC生成多项式为g(x)＝x16+x15+x2+1。候选翻转位置构建模块中采用了隶属于人工智能领域的遗传算法技术。如图2所示，因为冻结位所传输的信息对于发送端和接收端都是已知的，SC译码发生错误时翻转这些比特并不会改善译码性能，所以非冻结位的索引被用于种群的初始化。因为二进制编码是从0开始的，而索引是从1开始的，所以对个体进行二进制编码时，其二进制编码所对应的数值会比十进制的数值小1。并且是否对父代个体执行交叉操作是由交叉率决定的。因为通过交叉操作可能会产生新的索引，而这些新产生的索引可能是冻结位的索引，所以需要对产生的索引进行检验，只有那些对应非冻结位的索引的子代才能作为有效的个体。图3是变异操作的示意图，其中种群的一个个体514首先通过二进制编码转换成与它对应的二进制向量100000001。flag1表示随机产生的范围为0到1的随机数，pm表示变异率。从图3可以看出，通过变异操作，二进制向量能从1000000001突变为1000001010。基于图2的构造流程图，码长为1024，码率为0.5，信噪比为2.5dB。种群大小和非冻结位的数量相同。因为原始的SCF译码需要对所有非冻结位的对数似然比进行排序，所以它的CFPS的大小等于非冻结位比特的数量。在同等条件下，通过遗传算法构造的CFPS-GA拥本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的改进的SCF译码器，极化码SCF译码模块由标准SC译码模块、CRC校验模块和基于遗传算法的候选翻转位构建模块组成。此专利技术专利其特征在于候选翻转位构建模块，不同于传统的基于对数似然比的构建方法，本专利技术专利通过利用遗传算法来进行候选翻转位的构建，包括以下步骤：/n步骤一:利用所有非冻结位的索引构成遗传算法的初始群体；/n步骤二:通过利用高斯近似计算每个个体的适应度，然后对个体进行选择操作，选择策略为锦标赛选择；/n步骤三:对选择后的个体进行二进制编码，然后对个体进行交叉和变异操作，并且把每代最优个体保存；/n步骤四:统计每个冻结位索引作为每代最优个体的次数，并用具有非0统计次数的索引构成新的候选位置集合，作为构建的最终结果。/n

【技术特征摘要】
1.一种基于遗传算法的改进的SCF译码器，极化码SCF译码模块由标准SC译码模块、CRC校验模块和基于遗传算法的候选翻转位构建模块组成。此发明专利其特征在于候选翻转位构建模块，不同于传统的基于对数似然比的构建方法，本发明专利通过利用遗传算法来进行候选翻转位的构建，包括以下步骤：
步骤一:利用所有非冻结位的索引构成遗传算法的初...

【专利技术属性】
技术研发人员：王秀敏，马强强，李君，张鸿超，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：浙江;33