-
公开(公告)号：CN114884521A
公开(公告)日：2022-08-09
申请号：CN202210499998.9
申请日：2022-05-06
Applicant: 中国计量大学
Abstract: 本发明提出一种适用于极化码SCL译码算法的关键集合构造方法。该方法根据编码以后确定的信息位与冻结位的分布对极化码进行子块分类。根据分类情况计算正确路径被删除的概率，确定极化码在进行译码错误时较大概率出现的比特索引。为了解决传统关键集合不是很好适用于SCL译码的问题，所提出的方法依据SCL译码过程中错误分布的极化现象，通过该现象来构建SCL译码算法的关键集合。该构造方法解决了传统关键集存在冗余索引的问题，在性能没有损失情况下有效降低了SCL译码的译码时延和额外译码复杂度。
-
公开(公告)号：CN116846407A
公开(公告)日：2023-10-03
申请号：CN202310882765.1
申请日：2023-07-18
Applicant: 中国计量大学
Abstract: 本发明提供了基于最大化均值差异的衰落信道极化码构造结构，该结构由初始接收向量模块、衡量分布差异模块、计算噪声标准差模块和生成极化码模块组成。在衡量分布差异模块中计算瑞利衰落信道和高斯信道的接收向量分布差异，两个信道的噪声方差相等时即衰落信道等效为高斯信道。该结构中首先得到初始的瑞利衰落信道和高斯信道的接收向量，衡量两个分布的差异后找到等效信道的噪声标准差，将该噪声标准差作为高斯近似法的初始值生成极化码。衡量分布差异模块中使用的统计方法是最大化均值差异，该构造极化码的方案可以更准确地得到衰落信道下可靠信道分布，并且构造的极化码可以直接输入到衰落信道编码器中，减少了衰落信道中的编码复杂度。
-
公开(公告)号：CN116743190A
公开(公告)日：2023-09-12
申请号：CN202310701088.9
申请日：2023-06-14
Applicant: 中国计量大学
Abstract: 本发明提出一种基于神经网络的LSBP与OSD级联方案。该级联方案由编码调制模块、LSBP译码模块、神经网络模块以及OSD译码模块组成，神经网络模块根据译码过程中的软信息实时动态决定是否执行OSD译码算法。为了解决传统LSBP与OSD级联方案中译码时延较高的问题，在传统级联方案基础上用神经网络模块代替原始级联方案中判决码字的动态阈值，神经网络模块根据LSBP译码得到的软信息进行训练输出结果为[1 0]或[0 1]。[0 1]表示执行神经网络模块获得的判决码字不满足阈值公式判断条件时，输出判决码字；[1 0]表示满足阈值判断条件，需要执行OSD译码。所提出的基于神经网络的LSBP与OSD级联方案与LSBP方案相比有性能增益，与传统的级联方案相比降低了额外平均译码尝试次数。
-
-
Search Results
3
records
(took 0.021 seconds)
