System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及译码器领域,具体涉及一种基于神经网络的scl译码路径删除策略。
技术介绍
1、极化码由于其达到信道容量的特性而引起了研究者的关注,并被视为许多通信系统中潜在的信道编码方案。在第五代(5g)无线系统标准中,极化码已被选用作增强移动宽带(embb)场景的控制信道编码。基于信道极化,n个独立的信道副本被转换为一组在编码长度n趋向无穷大时容量趋近于0或1的极化子信道。在极化码中,有用的信息被分配给可靠性较高的极化子信道。为了实现无限编码长度的能力,极化码通过scl(sc)译码器译码,该译码器具有简单的递归结构。然而,在有限编码长度的情况下,极化码由于sc译码的次优性和极性码的非最大最小距离而导致性能较差。
2、在scl(sc)算法中,每个比特根据接收到的符号和先前估计的比特逐个译码。这个串行译码过程可以描述为一个译码树中的搜索问题。在遍历译码树之后,得到每个比特的对数似然比(llr)。scl(scl)译码相较于sc译码,在对每个信息比特进行硬判决时,还针对该比特提供了它的两个假设值为0和1的路径。当路径数量超过l时,根据路径度量(pm),进行剪枝来选择l个最佳路径作为存活路径。为提高极化码的最小距离,提出了极化码与循环冗余校验(crc)的级联方案,能够在l较大情况下达到最大似然(ml)译码性能。此外,scl译码下的crc-辅助极化码可以获得比现有的ldpc和turbo码更好的纠错性能,并被选作5g标准中的基础译码算法。scl译码也具有顺序译码特性,并可基于l个并行sc译码器进行实现。此外,为了在2l条路径中选择
3、有鉴于此,有必要设计一种基于神经网络的scl译码路径删除策略,以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种在不损失性能的情况下可以降低排序复杂度,基于神经网络辅助的scl译码方法。
2、为实现以上目的,本专利技术采用以下技术方案,包括以下步骤:
3、s1、构建pss中的神经网络;
4、s2、根据sc译码的译码结果生成训练数据和测试数据,使用所述神经网络处理所述训练数据和所述测试数据;
5、s3、构建nn训练结构,采用sgd方法优化nn参数;
6、s4、在所述神经网络的优化过程之后,采用pss-nn辅助scl译码;
7、s5、采用pss-nn-fscl译码算法对所述译码结果进行仿真。
8、作为本专利技术的进一步改进,所述神经网络用于信息比特的路径扩展,不参与整个译码过程。
9、作为本专利技术的进一步改进,所述神经网络包括三层:输入层、隐藏层和输出层,所述输入层有三个神经元,所述隐藏层至少有两个所述神经元,所述输出层有一个所述神经元。
10、作为本专利技术的进一步改进,在sc译码过程中,错误的信息比特包括由信道噪声引起的错误信息比特和由于错误传播或错误译码的信息比特。
11、作为本专利技术的进一步改进,所述pss-nn辅助scl译码的译码过程包括:在译码第i个信息比特时,判断所述第i个信息比特是否属于搜索集;若所述第i个信息比特属于所述搜索集,利用所述神经网络判断是否在所述第i个信息比特上进行路径扩展;若所述第i个信息比特不属于所述搜索集,对所述第i个信息比特进行硬判决,并更新路径度量。
12、作为本专利技术的进一步改进,所述神经网络对所述第i个信息比特的输出大于一个分类阈值时,选择所述第i个信息比特进行扩展。
13、作为本专利技术的进一步改进,所述pss-nn对所述搜索集中的每个所述信息比特添加三次乘法操作和三次加法操作。
14、作为本专利技术的进一步改进,所述nn训练结构在训练过程中,采用adam优化器优化所述参数。
15、作为本专利技术的进一步改进,在nn优化过程中,训练过程和测试过程交替进行,所述训练数据用于优化nn参数,所述测试数据用于确定是否需要再次运行所述训练过程。
16、作为本专利技术的进一步改进,所述nn训练结构的判断路径是否扩展过程与译码过程同时进行。
17、本专利技术的有益效果为:
18、在本专利技术中,我们提出了一种基于神经网络的scl译码路径删除策略,以简化极化码的scl译码过程。我们所提出的pss-nn-fscl算法在bler方面与ca-scl算法相比,性能没有下降。与其他pss策略相比,我们所提出的pss-nn策略可以正确地找到需要扩展的错误的信息比特,从而进一步减少排序复杂度,但不会造成性能损失。作为一种路径扩展选择策略,我们所提出的pss-nn策略可以与其他简化策略(如特殊节点和排序优化策略)结合使用,以在实际应用中对极化码进行译码。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的SCL译码路径删除策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述神经网络用于信息比特的路径扩展,不参与整个译码过程。
3.根据权利要求1所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述神经网络包括三层:输入层、隐藏层和输出层,所述输入层有三个神经元,所述隐藏层至少有两个所述神经元,所述输出层有一个所述神经元。
4.根据权利要求2所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,在SC译码过程中,错误的所述信息比特包括由信道噪声引起的错误信息比特和由于错误传播或错误译码的所述信息比特。
5.根据权利要求1所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述PSS-NN辅助SCL译码的译码过程包括:在译码第i个信息比特时,判断所述第i个信息比特是否属于搜索集;若所述第i个信息比特属于所述搜索集,利用所述神经网络判断是否在所述第i个信息比特上进行路径扩展;若所述第i个信息比特不属于所述搜索集,对所述第i个信息比
6.根据权利要求5所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述神经网络对所述第i个信息比特的输出大于一个分类阈值时,选择所述第i个信息比特进行扩展。
7.根据权利要求5所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述PSS-NN对所述搜索集中的每个所述信息比特添加三次乘法操作和三次加法操作。
8.根据权利要求1所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述NN训练结构在训练过程中,采用Adam优化器优化所述参数。
9.根据权利要求8所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,在NN优化过程中,训练过程和测试过程交替进行,所述训练数据用于优化所述NN参数,所述测试数据用于确定是否需要再次运行所述训练过程。
10.根据权利要求1所述的一种基于神经网络的SCL译码路径删除策略,其特征在于,所述NN训练结构的判断路径是否扩展过程与译码过程同时进行。
...【技术特征摘要】
1.一种基于神经网络的scl译码路径删除策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于神经网络的scl译码路径删除策略,其特征在于,所述神经网络用于信息比特的路径扩展,不参与整个译码过程。
3.根据权利要求1所述的一种基于神经网络的scl译码路径删除策略,其特征在于,所述神经网络包括三层:输入层、隐藏层和输出层,所述输入层有三个神经元,所述隐藏层至少有两个所述神经元,所述输出层有一个所述神经元。
4.根据权利要求2所述的一种基于神经网络的scl译码路径删除策略,其特征在于,在sc译码过程中,错误的所述信息比特包括由信道噪声引起的错误信息比特和由于错误传播或错误译码的所述信息比特。
5.根据权利要求1所述的一种基于神经网络的scl译码路径删除策略,其特征在于,所述pss-nn辅助scl译码的译码过程包括:在译码第i个信息比特时,判断所述第i个信息比特是否属于搜索集;若所述第i个信息比特属于所述搜索集,利用所述神经网络判断是否在所述第i个信息比特上进行路径扩展;若所述第i个信息...
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。