检索结果-内蒙古大学图书馆

作者：葛丽西安工业大学

学位级别：硕士

极化码作为5G通信技术中控制信道的传输编译码方案,具有较低的编译码复杂度和明确的构造过程,良好的代数特性使其从理论上可以证明当码长趋向于无穷大的时候具有可达香农限的能力。但在物联网、车联网、虚拟现实等超低时延超高可靠的应... 详细信息

极化码作为5G通信技术中控制信道的传输编译码方案,具有较低的编译码复杂度和明确的构造过程,良好的代数特性使其从理论上可以证明当码长趋向于无穷大的时候具有可达香农限的能力。但在物联网、车联网、虚拟现实等超低时延超高可靠的应用场景中仍面临译码算法复杂度高、延时大以及噪声模型复杂的问题。而深度学习技术的兴起为极化码译码开辟了新的道路,它拥有处理非线性复杂建模任务的能力,从而为极化码的译码任务提供了强有力的支持。因此,本文旨在利用深度学习技术改进极化码的置信度传播（Belief Propagation,BP）译码算法,以适应5G通信中多样化的应用场景和复杂的噪声模型。本文的工作内容主要有以下几点: 1.在对四种基础神经网络原理和特点研究的基础上,设计了多层感知机（Multilayer Perceptron,MLP）译码器、卷积神经网络（Convolutional Neural Network,CNN）译码器、长短期记忆网络（Long Short-Term Memory,LSTM）译码器以及残差网络（Residual network,Resnet）译码器。并基于此分别进行了无噪声和有噪声条件下的仿真实验。实验结果显示,神经网络不仅能掌握极化码的编译码规则,还能学习到噪声模型的特性。然而,每种神经网络译码器的学习能力和泛化能力均有局限性,需要根据码长等因素来合理选择适宜的网络规模。相较于传统的译码算法,神经网络译码器在译码时延方面表现出了明显优势。尤其是处理一维向量数据时,MLP译码器凭借其简洁的结构可获得最低的译码时延。 2.借助于偏移最小和近似（Offset Min-Sum,OMS）算法,本文提出了一种基于分块思想的多层感知机置信度传播译码算法。该算法去掉了BP译码算法过程中的乘法运算,并结合极化码递归的构造结构,将码字划分为若干子块,在MLP神经网络下并行对这些子块进行译码,最后基于因子图对子块信息进行交互。实验结果显示,当极化码码长为32,码率为0.5,在BER为1.011×10-3时,与传统的BP译码算法相比较,本文所提出的MLP-OMS-BP（Multilayer Perceptron Offset Min-Sum Belief Propagation）译码算法能获得0.16d B左右的性能增益,译码时延可降低87.4%左右,运算复杂度能降低77.5%左右。 3.通过对神经网络译码器译码过程的分析,本文设计了残差网络降噪器,将降噪器和译码器相结合,构成Res-MLP-OMS-BP（Residual Multilayer Perceptron Offset Min-Sum Belief Propagation）降噪译码器。该算法通过对极化码的训练集码字进行降噪,提高了信噪比;利用残差网络所具有的快捷连接特性,确保了码字信息在传递过程中最大程度的保留特征,从而防止出现网络性能随深度增加而退化的问题。实验结果表明,在码长为128,码率为0.5,BER为1.012×10-3时,和原始BP译码算法相比,Res-MLP-OMS-BP的译码性能分别有0.10d B和0.18d B左右的性能增益。 4.在完成上述研究内容后,本文实现了极化码编译码过程可视化平台,可展示极化码的构造、极化以及译码过程。借助这一极化码可视化工具,使用者输入极化码的核心参数,包括码长、码率以及译码算法,即可在平台上呈现出相应条件下极化码编译码结果的可视化图表。

关键词：极化码置信度传播译码算法神经网络译码降噪器可视化平台

来源：评论

学校读者我要写书评

暂无评论

无线光通信下极化码DNN-NOMS译码方法研究

引用

红外与激光工程 2022年第5期51卷 252-262页

作者：文豪曹阳党宇超重庆理工大学电气与电子工程学院重庆400054

针对无线光通信中大气湍流引起极化码置信度传播译码性能不佳的问题,提出了一种无线光通信下极化码DNN-NOMS(Deep Neural Networks-Normalized and Offset Min-Sum)译码方法。首先,把传统的极化码置信传播译码算法因子图转化为类似于低... 详细信息

针对无线光通信中大气湍流引起极化码置信度传播译码性能不佳的问题,提出了一种无线光通信下极化码DNN-NOMS(Deep Neural Networks-Normalized and Offset Min-Sum)译码方法。首先,把传统的极化码置信传播译码算法因子图转化为类似于低密度奇偶校验(Low-density Parity Check,LDPC)码的Tanner图,在Tanner图展开并转化为深度神经网络(DNN)图形表示的基础上,将MS(Min-Sum)译码方法同时添加归一化因子和偏移因子来给Tanner图的边赋予权重,简化极化码对数似然比的计算方法,通过限制训练参数的数量,选取在损失函数最小的条件下的因子参数,训练得到最优归一化因子和偏移因子的译码模型。仿真结果表明,在不同的大气湍流强度下,该译码方法以牺牲较小的存储空间为前提的情况下能选取更优的归一化因子和偏移因子参数,从而获得更好的误码率性能,且大幅度降低译码复杂度;在误码率为10^(-4)时,DNN-NOMS译码方法能产生0.21~3.56 dB的性能增益,且将迭代次数的运算次数降低87.5%。

关键词：无线光通信深度神经网络极化码置信度传播译码算法 Tanner图湍流信道

来源：评论

学校读者我要写书评

暂无评论

改进的Polar码的最小和译码算法

引用

北京邮电大学学报 2016年第6期39卷 22-26页

作者：洪银芳李晖王新梅西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071

提出了改进Polar码的最小和译码算法,修正了最小和译码算法中的节点更新公式,即利用分段线性函数来逼近置信度传播译码算法中的函数lncosh(x).相比于最小和译码算法,改进的算法在增加少许复杂度的情况下,增强了译码性能.相比于置信度传... 详细信息

提出了改进Polar码的最小和译码算法,修正了最小和译码算法中的节点更新公式,即利用分段线性函数来逼近置信度传播译码算法中的函数lncosh(x).相比于最小和译码算法,改进的算法在增加少许复杂度的情况下,增强了译码性能.相比于置信度传播译码算法,该算法在几乎不损失性能的情况下,大大降低了算法的计算复杂度,更易于硬件实现.该算法是基于最小和算法和置信度传播算法提出的,是在复杂度和性能上的一种折中.仿真结果表明,改进的最小和译码算法与置信度传播译码算法的性能几乎相同,比最小和译码算法的性能好.

关键词： Polar码最小和译码算法置信度传播译码算法分段线性函数

来源：评论

学校读者我要写书评

暂无评论

极化码的编码及其BP译码算法研究

极化码的编码及其BP译码算法研究

引用

作者：刘镜伯南京大学

学位级别：硕士

极化码是第一个能达到通信信道的香农极限的纠错编码,一直受到学术界及工业界的关注。极化码的编码是基于信道极化现象,选取可靠性较高的信道传输信息,信道选取算法也是目前的一个研究热点。因为极化码也可以看作一种基于Tanner图的编码... 详细信息

极化码是第一个能达到通信信道的香农极限的纠错编码,一直受到学术界及工业界的关注。极化码的编码是基于信道极化现象,选取可靠性较高的信道传输信息,信道选取算法也是目前的一个研究热点。因为极化码也可以看作一种基于Tanner图的编码,所以可采用类似于低密度奇偶校验码的置信度传播(BP)译码算法,其具有天然的并行性,适合于高吞吐量低延迟的应用场景。为了获取更好的BP译码性能,本文提出了一种基于蒙特卡罗模拟的极化码冻结比特的选取方案,该方案可以根据所选的译码算法来进行编码时的优化,并且仿真了在该编码方案下的译码性能。实验结果表明本文提出的冻结比特选取算法具有超过原始的基于BEC信道模拟算法的性能,同时也更加通用。此外,为了降低BP译码器的延迟和硬件资源,本文从Tanner图入手,研究极化码的编解码算法与其核心矩阵的关系。基于因子图,本文推导了基于高阶核心矩阵的BP译码迭代公式,阐明了变量节点置信度的近似计算方法,给出了改进后的算法流程,给出了性能仿真,分析了译码的延时和复杂度。最后,本文设计了一种基于四阶核心矩阵的极化码BP译码器,仿真和综合之后的结果表明,其具有和原始极化码相当的性能,并且有效的降低了一半的译码延迟的存储资源,具有较高的吞吐率与面积之比。

关键词：极化码核心矩阵冻结比特置信度传播译码算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的极化码译码算法研究

基于深度学习的极化码译码算法研究

引用

作者：孔文秀山东科技大学

学位级别：硕士

极化码被选为第五代移动通信技术控制信道编码方案，短码的性能受到越来越多的关注。但作为极化码的两种译码算法——串行抵消(SuccessiveCancellation，SC)译码算法和置信度传播(BeliefPropagation，BP)译码算法，在短码字下却受到了... 详细信息

极化码被选为第五代移动通信技术控制信道编码方案，短码的性能受到越来越多的关注。但作为极化码的两种译码算法——串行抵消(SuccessiveCancellation，SC)译码算法和置信度传播(BeliefPropagation，BP)译码算法，在短码字下却受到了性能损失。为提升译码性能，本文在翻转译码算法的基础上，借助深度学习网络，重点研究基于深度学习的极化码译码方案。主要研究工作如下:　　第一，本文对串行抵消翻转(SuccessiveCancellationFlip，SCFlip)算法进行研究，利用长短期记忆网络(LongShortTermMemoryNetwork，LSTM)构建动态翻转集合，实现对第一个错误位的预测。同时在网络输出层剪掉所有冻结节点，以增强预测的准确率。为进一步提高译码的性能，在一位翻转的基础上，对仍不能通过循环冗余校验的极化码再进行两位翻转。对翻转集合中的元素根据信道可靠性进行排序，优先翻转不可靠的位置。仿真结果表明，本文算法的纠错性能接近CRC辅助的SCL(CRCAidedSuccessiveCancellationList，CA-SCL)(L=8)译码算法。与基于机器学习的SC多位翻转(MachineLearningBasedMulti-flipsSCDecodingScheme，ML-MSCF)译码器和动态串行抵消翻转(DynamicSuccessionCancellationFlip，DSCF)译码器相比，本文算法在短码下具有更好的性能，分别获得0.28dB和0.49dB的性能增益。　　第二，本文针对置信度传播译码算法，提出一种基于卷积神经网络(ConvolutionalNeuralNetwork，CNN)的翻转译码方案。通过把因子图映射成图片作为CNN网络的输入，利用设计的CNN网络模型对图片进行分类，从而确定翻转位置。仿真表明，在误帧率(BlockErrorRate，BLER)=10-2，翻转次数T=5时，对于码长N=64，码率R=1/2的极化码，基于CNN的BPFlip算法比传统BP算法实现O.31dB的性能增益。与基于关键集的BP翻转算法(CriticalSet-basedBeliefPropagationFlip，CS-BPFlip)相比，获得O.23dB的性能增益，但译码时延增加2.3％，与传统的BP翻转算法(GeneralizedBeliefPropagationFlip，GBPF)算法相比增益O.02dB，但译码时延减少59.67％。

关键词：极化码串行抵消译码算法置信度传播译码算法深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：