-
公开(公告)号：CN110113057A
公开(公告)日：2019-08-09
申请号：CN201910505885.3
申请日：2019-06-12
Applicant: 中国计量大学
Abstract: 本发明提供了一种极化码软消除(soft cancellation,SCAN)译码算法和深度学习相结合的译码算法译码器。根据SCAN算法的运算规则可知，当SCAN算法的信息更新位置越靠近输出端，并行计算的节点数就越少，所消耗的时间周期也就越长。本发明为了改进现有SCAN译码算法存在的译码时延不够短的问题，提供了一种神经网络和SCAN译码算法相结合的极化码译码器，该译码器由软消除译码模块、神经网络处理模块、激活函数模块和损失函数反馈模块等几部分组成。本发明在原SCAN算法译码因子图的基础上，把SCAN算法译码因子图的倒数第四层及以后的部分用深度学习神经网络进行代替。这样与原先单纯使用SCAN算法相比，能节省大量的计算周期。
-
公开(公告)号：CN109450455B
公开(公告)日：2023-09-08
申请号：CN201811260882.X
申请日：2018-10-26
Applicant: 中国计量大学
Abstract: 本发明涉及一种提升极化码RLSC算法译码性能的信息位位置选取方法，本发明包括以下步骤：通过对高斯逼近法得出的信息位位置序列进行特定位置的冻结位以及信息位进行调整互换，使得序列中呈FFFDFDDD分布的节点组不再出现，从而消除RLSC算法译码过程中对此类节点组的近似计算所带来的性能损失，最高可达到0.4dB左右的性能增益。
-
公开(公告)号：CN113965209A
公开(公告)日：2022-01-21
申请号：CN202111259031.5
申请日：2021-10-28
Applicant: 中国计量大学
Abstract: 本发明提供了一种与深度学习结合的极化码译码算法(CNN‑ADSCL)，利用深度学习和神经网络的技术来动态选择列表大小。该译码器包含4个模块，分别是信道编码与调制模块，加噪模块，卷积网络处理模块和SCL译码模块。卷积网络处理模块包含两部分，一个是网络训练部分，一个是训练好的模型部分。在本发明中，我们建立了动态自适应SCL译码算法，使用学习好的模型对本次译码所需的列表进行预测。本发明在译码前对列表进行判断，因此不会造成多余的译码延迟。本发明的优势在于可以动态判断所需列表大小，与自适应SCL(ADSCL)和CRC‑SCL相比，具有类似的译码性能，比CRC‑SCL译码算法具有更低的复杂度，从而降低译码时延和复杂度。
-
公开(公告)号：CN111654292A
公开(公告)日：2020-09-11
申请号：CN202010697735.X
申请日：2020-07-20
Applicant: 中国计量大学
IPC: H03M13/13
Abstract: 本发明提供了一种基于动态阈值的分裂简化极化码连续消除列表(Dynamic Threshold-based Splitting-reduced Successive Cancellation List,DTSR-SCL)译码器。该译码器由处理单元模块、路径度量值更新模块、动态阈值更新模块、排序模块等组成。在传统连续消除列表(Successive Cancellation List,SCL)译码器中增加动态阈值更新模块，基于动态阈值来减少不必要的路径分裂数量。通过在路径分裂前把当前保留的路径动态地划分成两段，将第一段路径度量值加上惩罚值与第二段未施加惩罚值的路径度量值比较，由此确定动态阈值，第一段中施加惩罚值后路径度量值大于阈值的路径不分裂，第二段中的路径可提前剪枝。分裂前通过动态阈值更新模块减少SCL译码器冗余的路径分裂次数，进一步减少路径复制和排序模块的计算复杂度，同时保证译码性能没有下降。
-
公开(公告)号：CN109450459A
公开(公告)日：2019-03-08
申请号：CN201910040178.1
申请日：2019-01-16
Applicant: 中国计量大学
IPC: H03M13/13
Abstract: 本发明提出了一种改进的基于深度学习的极化码FNSC译码器。它主要在已有的F-SSC算法与NSC算法上进行改进。该译码器通过一种新的训练策略来获得一个适用于一般节点的DNN网络代替NSC算法中的多个DNN网络，并且引入F-SSC算法中对特殊节点的处理方式来进一步优化本发明中的译码算法。该译码算法FNSC相比于NSC算法在减低了译码延迟的同时也减少了资源消耗。实验证明，当码长为128，码率为0.5时FNSC的译码延迟比NSC的译码延迟降低21％，且节省了7个DNN网络的资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN108768411A
公开(公告)日：2018-11-06
申请号：CN201810744371.9
申请日：2018-07-09
Applicant: 中国计量大学
CPC classification number: H03M13/13 , H04L1/0052 , H04L1/0057 , H04L1/0061
Abstract: 本发明公开了一种基于SCL的极化码低复杂度分段译码器设计方案。SC译码算法结构简单但存在差错传播的缺点，而SCL作为SC译码的改进，很好的解决了差错传播的缺点，但其大大增加了译码器的复杂度。本发明结合两种译码算法的优点，在译码时首先选用SC译码算法，通过CRC校验译码是否正确，若译码错误则根据错误的分布情况，选择合适的断点进行SCL译码。该译码器设计在保证误码率性能逼近于SCL的同时又使得该译码器的复杂度大大低于SCL译码器。
-
公开(公告)号：CN108287524A
公开(公告)日：2018-07-17
申请号：CN201810024530.8
申请日：2018-01-11
Applicant: 中国计量大学
IPC: G05B19/402
Abstract: 本发明公开了一种基于MPU6050的高精度平面分区间定位装置，该装置包括以下内容：搭建特定的定位装置，其中包括有悬挂传动装置、碳素管、传感器MPU6050等部件，并搭建其数学模型。得出数学模型后，将定位平面分为4个区间以解决定位死角问题。通过传感器MPU6050获取角速度与加速度信息并运用已知的四元数算法解算出横滚角与偏航角。得出角度值后，判定定位点所在区间，再通过归一化算法将定位点的倾角值归一化到区间一中。最后通过前面数学建模得出的解算公式算出当前定位点所处位置的极坐标值，完成一次定位。该装置可作为过程控制中平面定位的反馈环节，也可作为一种新的手写输入工具。
-
公开(公告)号：CN108075782A
公开(公告)日：2018-05-25
申请号：CN201810058248.1
申请日：2018-01-22
Applicant: 中国计量大学
Abstract: 本发明涉及一种基于LDPC/Turbo的双模译码器的数据重组网络，其特征在于用存储器和LDPC码的移位器代替传统的交织地址存储法和QPP交织地址实时计算法。通过预先存储一组基本置换地址和相应的移位值，可以得到每个时钟周期所需要的块内置换地址。这种方法用存储器和LDPC码的移位网络代替了传统的QPP交织地址产生器，使LDPC码/Turbo码数据重组网络达到了共用的目的。该方法最直观的优点是使得分开工作的Turbo码/LDPC码数据重组网络有了可以共用的结构，且在资源消耗和存储占用方面与传统方法相比有明显的优势。
-
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。
-
公开(公告)号：CN114915296A
公开(公告)日：2022-08-16
申请号：CN202210486386.6
申请日：2022-05-06
Applicant: 中国计量大学
Abstract: 本发明提供了一种基于一维卷积网络和多比特翻转的极化码软消除(SoftCancellation)SCAN译码算法，利用深度学习技术实现SCAN译码算法多比特翻转。该译码算法包含翻转模块，判断模块和译码模块三部分。翻转模块被用来构造候选翻转比特集合，用来评估每个信息比特的错误概率。判断模块被用来对当前翻转的比特的类型进行判断，决定是否执行当前比特的翻转动作。因为神经网络的训练是离线的，所以并不会影响译码的在线效率。因此，利用所提出的算法，进一步提升了SCAN译码算法的性能，并通过判断模块来判断所翻转信息比特的类型，可以一定程度上避免错误的翻转。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.033 seconds)
