-
题名基于FCNN的极化码分区译码算法研究
- 1
-
-
作者
罗颖
李晓记
王家明
-
机构
桂林电子科技大学认知无线电与信息处理教育部重点实验室
-
出处
《光通信技术》
北大核心
2025年第3期79-82,共4页
-
基金
广西教育厅教改重点项目(2024JGZ127)资助
广西青年科学基金项目(2024GXNSFBA010144)资助。
-
文摘
为了降低极化码神经网络译码器在训练阶段的维度限制,设计了一种基于全连接神经网络(FCNN)的串行抵消(SC)分区译码器,通过将极化码译码树划分为两个区域,并分别使用不同参数设置的FCNN进行处理,从而减少对大规模训练数据的需求。仿真结果表明:在加性高斯白噪声信道中,当信噪比为1~5 dB时,FCNN-SC译码器性能接近于SC译码算法;当信噪比为1.5~3 dB时,FCNN-SC译码器相较于FCNN译码器有0.5 dB左右的编码增益,且训练阶段所需的数据集更小,仅为FCNN译码器的一半左右。
-
关键词
极化码
串行抵消译码算法
全连接神经网络
神经网络译码器
深度学习
-
Keywords
polar code
successive cancellation decoding algorithm
fully connected neural network
neural network decoder
deep learning
-
分类号
TN91
[电子电信—通信与信息系统]
-
