基于PD-CNN的Polar码译码算法

摘要：

针对传统Polar码译码算法在相关噪声信道下性能严重下降的问题,提出了一种基于前置预判-卷积神经网络(Prior Decision-Convolutional Neural Networks,PD-CNN)的译码算法.通过前置预判深度优化CNN,使其准确地估计信道噪声并使残余噪声尽可能遵循高斯分布,再根据残余噪声分布统计更新出可靠的似然比信息.分析了不同译码算法对不同码率Polar码在不同噪声相关强度下的译码性能,并与本文所提出的译码算法进行对比.仿真结果表明:在相关噪声信道下,当误码率为10-5时,本文所提出的译码算法与标准置信度传播算法相比可获得约2.5 dB的增益.此外,在高信噪比时,与置信度传播-卷积神经网络算法相比,本文提出的译码算法具有相同的性能,但复杂度更低,译码延迟最大可减少42％.

关键词：Polar码、卷积神经网络、相关性噪声、置信度传播

所属期刊栏目：35

分类号：TN911

资助基金：国家自然科学基金61501250,61871234;江苏省研究生科研与实践创新计划项目KYCX18_0917

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1652-1660