-
题名无线光通信下极化码DNN-NOMS译码方法研究
- 1
-
-
作者
文豪
曹阳
党宇超
-
机构
重庆理工大学电气与电子工程学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第5期252-262,共11页
-
文摘
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
-
Keywords
wireless optical communication
deep neural network
polar code
confidence propagation decoding algorithm
Tanner graph
turbulent channel
-
分类号
TN929.12
[电子电信—通信与信息系统]
-
