基于CNN扰动的极化码译码算法

摘要：

针对中短码长下串行抵消(SC)算法性能较差,且串行抵消列表(SCL)算法复杂度较高等问题,根据译码纠错空间理论,该文提出了一种基于卷积神经网络(CNN)扰动的极化码译码算法.对SC译码失败的接收序列,通过CNN产生相应的扰动噪声,并将该扰动噪声添加到接收信号中,然后根据重新计算的似然信息进行译码.仿真结果表明:与SC译码算法相比,所提出的算法约有0.6 dB的增益,与SCL(L=16)译码算法相比,该算法约有0.1 dB的提升,且平均复杂度更低.

关键词：极化码、串行抵消译码、扰动噪声、卷积神经网络

所属期刊栏目：43

分类号：TN911.22

资助基金：国家自然科学基金;国家自然科学基金;中国博士后科学基金;江苏省博士后科研项目;南京邮电大学国自孵化基金

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1900-1906