一种利用深度学习的极化码译码器

    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

    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。

    基于多比特翻转的极化码Fast-SSC译码算法

    公开(公告)号:CN110830167A

    公开(公告)日:2020-02-21

    申请号:CN201911057195.2

    申请日:2019-10-31

    Abstract: 本发明提供了两种改进的基于多比特翻转的极化码Fast-SSC译码算法。基于现有的单比特翻转译码算法,加入多比特翻转的思想,并提出了两种改进的Fast-SSC-Flip译码算法。第一种是对Fast-SSC译码中第二个错误(E2)发生位置的分布集合IS统计后的两位比特翻转Fast-SSC-2Flip-E2译码算法,其中,第一个比特的翻转基于传统的CS穷尽搜索,第二个比特的翻转基于统计的集合IS的搜索,和传统的CS的穷尽搜索相比可大大节省译码时间。第二种是基于均匀分段的PA-Fast-SSC-Flip译码算法,将极化码码字均匀分成的几个子块分别执行Fast-SSC-Flip译码,保持了特殊节点的特性。与Fast-SSC-Flip相比,第一种改进算法在平均复杂度接近于Fast-SSC-Flip的情况下,纠错性能有较大的提升;第二种改进算法在纠错性能提升的同时,译码速度是Fast-SSC-Flip的6倍多。

    一种基于遗传算法的改进的极化码SCF译码器

    公开(公告)号:CN111988045B

    公开(公告)日:2024-04-05

    申请号:CN202010815415.X

    申请日:2020-08-14

    Abstract: 本发明提供了一种基于遗传算法(Genetic Algorithm,GA)的改进的极化码串行消除翻转(Successive Cancellation Flip,SCF)译码器。在原始的SCF译码器的基础上,针对原始候选翻转位置集合(Candidate Flipping Positions Set,CFPS)存在冗余的问题,通过利用GA构建了一种新的CFPS。用所有非冻结位的索引构成遗传算法的初始种群,并且以高斯近似计算的信道可靠度作为每个个体的适应度。然后对种群通过不断的选择、交叉和变异操作,并且把每代的种群最优个体保存下来。最后通过统计每个种群在向量中出现的频率来获得一个新的候选翻转位置集合CFPS‑GA,并以这个新构建的候选翻转位置集合CFPS‑GA来进行SCF译码。本发明有益效果:与其它类似的SCF译码器相比,基于CFPS‑GA的SCF译码器能在保证译码性能的前提下拥有更低的计算复杂度和译码延迟。

    一种利用深度学习的极化码译码器

    公开(公告)号:CN110113057B

    公开(公告)日:2023-06-13

    申请号:CN201910505885.3

    申请日:2019-06-12

    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。

    一种基于遗传算法的改进的极化码SCF译码器

    公开(公告)号:CN111988045A

    公开(公告)日:2020-11-24

    申请号:CN202010815415.X

    申请日:2020-08-14

    Abstract: 本发明提供了一种基于遗传算法(Genetic Algorithm,GA)的改进的极化码串行消除翻转(Successive Cancellation Flip,SCF)译码器。在原始的SCF译码器的基础上,针对原始候选翻转位置集合(Candidate Flipping Positions Set,CFPS)存在冗余的问题,通过利用GA构建了一种新的CFPS。用所有非冻结位的索引构成遗传算法的初始种群,并且以高斯近似计算的信道可靠度作为每个个体的适应度。然后对种群通过不断的选择、交叉和变异操作,并且把每代的种群最优个体保存下来。最后通过统计每个种群在向量中出现的频率来获得一个新的候选翻转位置集合CFPS-GA,并以这个新构建的候选翻转位置集合CFPS-GA来进行SCF译码。本发明有益效果:与其它类似的SCF译码器相比,基于CFPS-GA的SCF译码器能在保证译码性能的前提下拥有更低的计算复杂度和译码延迟。

Patent Agency Ranking