极化码的低复杂度神经BP译码

• 作者: 李艳 陶志勇
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 极化码 神经置信度传播 权重共享 聚类 量化
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 控制与信息工程
• 页码范围: 26-30,49
• 页数: 6页
• 分类号: TN911.22|TP183
• 语种: 中文
• DOI: 10.13245/j.hust.201005

摘要

提出一种用于极化码的NBP(神经置信度传播)译码算法的低复杂度替代方案.首先,利用有效的聚类技术,减少权重参数的数量;然后,通过在时间上共享权重,进一步消除大量权重参数中存在的不必要冗余;最后,从均匀量化和非均匀量化两方面对浮点权重参数进行量化,进一步减少权重参数的存储需求.仿真结果和复杂度分析表明:通过在时间和空间上应用有效的权重共享策略,将权重参数量化为4位定点形式,可以减少至少80％的网络权重,并且降低了权重参数的内存消耗,大幅度压缩了NBP译码器,同时保持良好的译码性能;在高信噪比区域,对权重参数进行A律非均匀量化时译码器的译码性能较浮点权重参数译码器最高约有0.2 dB的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶志勇		52	182	7.0	10.0
2	李艳		5	15	1.0	3.0