一种深度学习辅助的Polar码共享权重残差BP译码方法技术

本发明专利技术公开了一种深度学习辅助的Polar码共享权重残差BP译码方法，包括步骤如下：将BP网络因子图展开后，BP网络中每层节点在所有迭代期间共享两个可训练的权重l

【技术实现步骤摘要】
一种深度学习辅助的Polar码共享权重残差BP译码方法


[0001]本专利技术涉及信道编码
，更具体的，涉及一种深度学习辅助的Polar码共享权重残差BP译码方法。

技术介绍

[0002]极化码译码的两种主要算法分别是连续抵消(SC)和置信传播(BP)。SC译码算法由Arikan在2009年提出，SC译码可以通过增强的SC算法，如SC list(SCL)和SC flip(SCF)等SC算法，实现很低的误块率(BLER)。然而SC由于其固有的顺序处理特性，具有高延迟和低吞吐量。BP算法由R.G.Gallager在1962年提出，该算法的Tanner图表示由R.M.Tanner在1981年提出。BP译码是基于因子图左右两侧的校验节点和变量节点之间的消息传递。BP算法可以并行化，具有更低的译码延迟和更好的吞吐量。
[0003]传统的BP译码迭代过程中进行了大量乘法和加法运算，复杂度高且不便于硬件实现。Fossorier等人提出最小和(MS)译码算法，迭代过程中通过取对数近似值来降低译码系统的复杂度和功耗。但这种近似会导致误码率性能下降，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的方法包括步骤如下：将BP网络因子图展开后，BP网络中每层节点在所有迭代期间共享两个可训练的权重l
i
和权重r
i
，其中，权重l
i
表示从右到左更新软信息时每层节点共享的可训练权重，r
i
表示从左到右更新软信息时每层节点共享的可训练权重；每条残差边在不同迭代期间共享一个残差系数β；在为每层节点分配好权重后，除首次迭代之外，每次迭代更新所得的软信息为本次迭代更新所得的软信息的(1
‑
β)部分与上次迭代所得的软信息的β部分之和；迭代结束后，得到译码结果。2.根据权利要求1所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：根据码字和信道条件初始化软信息和和和式中，表示软信息的初始值；n表示在因子图中的层数，j表示节点在该层的位置，y
j
表示码字的第j个比特，σ表示高斯白噪声的标准差。3.根据权利要求1所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的首次迭代按传统NBP方式进行迭代。4.根据权利要求3所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：具体地，首次迭代基于软信息的初始值做一次从右到左和从左到右的更新，不加入残差，得到各节点的软信息和5.根据权利要求3所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：迭代结束的条件为当迭代次数达到最大迭代次数T后，结束迭代，并把码字的冻结比特位置为0，信息比特位根据判决，由...

【专利技术属性】
技术研发人员：刘星成，成施展，杨栋，
申请(专利权)人：中山大学，
类型：发明
国别省市：