基于深度学习的极化码串行抵消译码优化算法

摘要：

针对5G场景下极化码串行抵消译码算法低输出高延迟的问题,提出加快串行抵消译码过程中深度学习译码器整体译码速度的方案.该方案根据信道极化理论计算不同子信道的可靠性,通过调整参数的不同取值,剪掉译码树上均为固定位的叶子节点所在的子二叉树,从而减少深度学习译码器的数量,加快了整体的译码速度.仿真结果表明,所提出的方案不仅具有和原串行抵消算法相同的译码性能,而且降低了极化码串行抵消深度学习译码的时间复杂度.

关键词：极化码、串行抵消译码、极化信道、深度学习、人工智能、神经网络

所属期刊栏目：20

分类号：TN911

资助基金：陕西省科技厅自然科学基础研究计划;西安工业大学校长基金;国家自然科学基金

在线出版日期：2020-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3088-3095