本申请公开了一种信道编解码方法、装置、设备及存储介质，涉及信息通信技术领域，包括：在待发送的信息比特序列中添加循环冗余校验比特得到目标信息比特序列，并将其输入至目标神经网络编码器、目标信道及目标神经网络解码器输出恢复信息待选列表；目标神经网络编码器和目标神经网络解码器为利用训练集对基于神经网络并行级联结构创建的初始信道编码器和基于神经网络串行级联结构创建的初始信道解码器进行交替迭代训练后得到的模型；通过循环冗余校验从恢复信息待选列表中选择出接收比特序列。本申请通过将神经网络与级联编码结构和迭代译码结构相结合，能够以数据驱动的方式实现信道编解码，提高了信道编解码在复杂信道条件下的适应性和鲁棒性。条件下的适应性和鲁棒性。条件下的适应性和鲁棒性。
【技术实现步骤摘要】
一种信道编解码方法、装置、设备及存储介质
[0001]本申请涉及信息通信
，特别涉及一种信道编解码方法、装置、设备及存储介质。
技术介绍
[0002]信道编解码是现代数字通信中的关键技术之一，广泛应用于地面移动通信、卫星通信及其它通信系统中。现有的Turbo码、LDPC(Low Density Parity Check Code，低密度奇偶校验码)码、Polar(即极化码)码等，在典型的加性高斯白噪声(AWGN，Additive White Gaussian Noise)信道下已经逐渐逼近香农信道容量。然而，上述信道编解码方法主要是基于信道的加性高斯噪声模型假设实现的，因此，在非高斯白噪声信道、非线性失真信道等非典型信道条件下，上述编解码技术仍存在不足，主要包括：一是鲁棒性不足，当信道特性发生改变时，在AWGN信道下设计实现的编解码方式存在明显的性能恶化；二是适应性不足，上述编解码方式难以针对不同信道特性做出相应的适应性改进和优化。
[0003]目前，基于神经网络的信道编解码方法是信息通信领域的一个新兴研究方向。不同于传统的分组编码(Block Coding)或卷积编码(Convolutional Coding)等依赖于数学模型和解析求解的思路，神经网络通过数据驱动的方法，从大量训练数据集中训练学习得到问题的近似最优解。由于能够直接针对具体的信道条件进行训练学习，因此基于神经网络实现的信道编解码较传统编码方法相比具有更高的灵活性和适应性。
[0004]然而，直接利用现有的神经网络结构实现信道编解码存在维度灾难问题，即算法的复杂度随着编码长度的增加呈指数增长，例如，对于长度为100比特的二进制信息序列，其编码空间包含2
100
个码字。因此，如何基于神经网络设计合理的信道编码和信道解码结构，从而高效地解决时间和空间复杂度过高的问题是本领域技术人员需要解决的技术问题。
技术实现思路
[0005]有鉴于此，本申请的目的在于提供一种信道编解码方法、装置、设备及存储介质，能够以数据驱动的方式实现信道编解码，提高信道编解码对复杂信道条件的适应性和鲁棒性。其具体方案如下：
[0006]第一方面，本申请公开了一种信道编解码方法，包括：
[0007]获取待发送的信息比特序列，并在所述待发送的信息比特序列中添加循环冗余校验比特，得到目标信息比特序列；
[0008]将所述目标信息比特序列依次输入至训练后的目标神经网络编码器、目标信道及训练后的目标神经网络解码器，输出恢复信息待选列表；其中，所述目标神经网络编码器和所述目标神经网络解码器为利用训练集对基于神经网络并行级联结构创建的初始信道编码器和基于神经网络串行级联结构创建的初始信道解码器进行交替迭代训练后得到的模型；所述训练集为随机产生的比特序列；
[0009]通过循环冗余校验从所述恢复信息待选列表中选择出接收比特序列。
[0010]可选的，所述信道编解码方法，还包括：
[0011]基于神经网络并行级联结构创建所述初始信道编码器，同时基于神经网络串行级联结构创建所述初始信道解码器；
[0012]对所述初始信道编码器和所述初始信道解码器中的神经网络的参数集进行随机初始化，得到初始化后信道编码器和初始化后信道解码器；
[0013]固定所述初始化后信道编码器的参数集，并将随机产生的比特序列作为训练集依次输入至所述初始化后信道编码器、预设信道和所述初始化后信道解码器，得到第一恢复信息待选列表和更新后的信道解码器；
[0014]固定所述更新后的信道解码器的参数集，并将随机产生的比特序列作为训练集依次输入至所述初始化后信道编码器、所述预设信道和所述更新后的信道解码器，得到第二恢复信息待选列表和更新后的信道编码器；
[0015]交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器。
[0016]可选的，所述交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器，包括：
[0017]交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并在执行过程中计算所述更新后的信道解码器和所述更新后的信道编码器之间的损失函数，再基于所述损失函数利用梯度下降法对所述更新后的信道解码器和所述更新后的信道编码器的参数集进行优化更新，直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器。
[0018]可选的，所述交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，包括：
[0019]交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并判断当前迭代的次数是否达到最大迭代次数，若达到则停止迭代；
[0020]或，交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并判断当前所述损失函数多次迭代的差值是否小于预设门限值，若是则停止迭代。
[0021]可选的，所述将所述目标信息比特序列依次输入至训练后的目标神经网络编码器、目标信道及训练后的目标神经网络解码器，输出恢复信息待选列表，包括：
[0022]将所述目标信息比特序列输入至训练后的目标神经网络编码器，以便通过所述目标神经网络编码器中预设数量的并行级联结构的编码神经网络对所述目标信息比特序列和经过交织器后的目标信息比特序列进行编码，得到所述预设数量的初始编码序列，并将所述预设数量的所述初始编码序列输入至复接器得到合成编码序列，再对所述合成编码序列进行功率约束得到目标编码序列；
[0023]将所述目标编码序列经过所述目标信道输入至训练后的所述目标神经网络解码器，输出恢复信息待选列表。
[0024]可选的，所述目标神经网络解码器采用神经网络串行级联结构，并且前一级输出的后验信息特征矩阵为后一级输入的先验信息特征矩阵；其中，所述目标神经网络解码器
中第一级输入的先验信息特征矩阵为0，最后一级输出的后验信息特征矩阵经过sigmoid函数得到所述恢复信息待选列表。
[0025]可选的，所述通过循环冗余校验从所述恢复信息待选列表中选择出接收比特序列，包括：
[0026]逐个对所述恢复信息待选列表中的待选序列进行循环冗余校验，并将所有校验正确的待选序列放入预设子集合中；
[0027]统计所述预设子集合中所有所述校验正确的待选序列的数量，得到统计结果，并判断所述统计结果是否大于零；
[0028]若所述统计结果大于零，则从所述预设子集合中随机选择一个待选序列作为接收比特序列；
[0029]若所述统计结果为零，则从所述恢复信息待选列表中随机选择一个待选序列作为所述接收比特序列。
[0030]第二方面，本申请公开了一种信道编解码装置，包括：
[0031]信息获取模块，用于获取待发送的信息本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信道编解码方法，其特征在于，包括：获取待发送的信息比特序列，并在所述待发送的信息比特序列中添加循环冗余校验比特，得到目标信息比特序列；将所述目标信息比特序列依次输入至训练后的目标神经网络编码器、目标信道及训练后的目标神经网络解码器，输出恢复信息待选列表；其中，所述目标神经网络编码器和所述目标神经网络解码器为利用训练集对基于神经网络并行级联结构创建的初始信道编码器和基于神经网络串行级联结构创建的初始信道解码器进行交替迭代训练后得到的模型；所述训练集为随机产生的比特序列；通过循环冗余校验从所述恢复信息待选列表中选择出接收比特序列。2.根据权利要求1所述的信道编解码方法，其特征在于，还包括：基于神经网络并行级联结构创建所述初始信道编码器，同时基于神经网络串行级联结构创建所述初始信道解码器；对所述初始信道编码器和所述初始信道解码器中的神经网络的参数集进行随机初始化，得到初始化后信道编码器和初始化后信道解码器；固定所述初始化后信道编码器的参数集，并将随机产生的比特序列作为训练集依次输入至所述初始化后信道编码器、预设信道和所述初始化后信道解码器，得到第一恢复信息待选列表和更新后的信道解码器；固定所述更新后的信道解码器的参数集，并将随机产生的比特序列作为训练集依次输入至所述初始化后信道编码器、所述预设信道和所述更新后的信道解码器，得到第二恢复信息待选列表和更新后的信道编码器；交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器。3.根据权利要求2所述的信道编解码方法，其特征在于，所述交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器，包括：交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并在执行过程中计算所述更新后的信道解码器和所述更新后的信道编码器之间的损失函数，再基于所述损失函数利用梯度下降法对所述更新后的信道解码器和所述更新后的信道编码器的参数集进行优化更新，直到达到预设条件为止，得到所述目标神经网络编码器和所述目标神经网络解码器。4.根据权利要求3所述的信道编解码方法，其特征在于，所述交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程直到达到预设条件为止，包括：交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并判断当前迭代的次数是否达到最大迭代次数，若达到则停止迭代；或，交替迭代执行所述更新后的信道解码器和所述更新后的信道编码器的获取过程，并判断当前所述损失函数多次迭代的差值是否小于预设门限值，若是则停止迭代。5.根据权利要求1所述的信道...
【专利技术属性】
技术研发人员：周彬，王永刚，魏鹏，叶淦华，黄炜，王恒，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。