10.3979/j.issn.1673-825X.2018.03.004
基于卷积神经网络的多天线Polar码联合解调-解码方案
为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.
Polar码、卷积神经网络、多天线技术、联合解调-解码方案
30
TN911
国家自然科学基金61571325;天津市科技支撑计划重点项目 16ZXHLGX00190 The National Natural Science Foundation of China61571325;The Tianjin Science and Technology Support Pro-gram Key Projects16ZXHLGX00190
2018-07-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
314-320