一种改进的基于深度前馈神经网络的 极化码BP译码算法

• 作者: 刘斌 李立欣 李静
• 来源期刊: 移动通信
• 学科: 工学
• 关键词: 深度学习 极化码 置信传播 深度神经网络译码器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: "5G新技术"专题
• 页码范围: 8-14
• 页数: 7页
• 分类号: TN929.5
• 字数: 5561字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1010.2019.04.002

摘要

近年来高性能和低复杂度的信道译码算法一直是5G移动通信的核心技术之一,深度学习方法因在译码性能方面表现突出已成为研究热点.基于深度神经网络的极化码译码器使用多尺度置信传播算法可以得到较低复杂度和延迟性能,但其译码性能依旧有待提高.在多尺度置信传播译码算法的基础上提出了一种具有多偏移因子的最小和极化码译码算法,通过使用交叉熵损失函数与提出的交叉熵多损失函数对深度神经网络译码器进行训练,生成的深度神经网络译码器可以降低复杂度和时延,显著提高译码性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李立欣	西北工业大学电子信息学院	51	195	9.0	10.0
2	李静	西北工业大学电子信息学院	53	374	10.0	17.0
3	刘斌		7	13	2.0	3.0