基于一维卷积网络和多比特翻转的极化码SCAN译码算法制造技术

本发明专利技术提供了一种基于一维卷积网络和多比特翻转的极化码软消除(SoftCancellation)SCAN译码算法，利用深度学习技术实现SCAN译码算法多比特翻转。该译码算法包含翻转模块，判断模块和译码模块三部分。翻转模块被用来构造候选翻转比特集合，用来评估每个信息比特的错误概率。判断模块被用来对当前翻转的比特的类型进行判断，决定是否执行当前比特的翻转动作。因为神经网络的训练是离线的，所以并不会影响译码的在线效率。因此，利用所提出的算法，进一步提升了SCAN译码算法的性能，并通过判断模块来判断所翻转信息比特的类型，可以一定程度上避免错误的翻转。度上避免错误的翻转。度上避免错误的翻转。

【技术实现步骤摘要】
基于一维卷积网络和多比特翻转的极化码SCAN译码算法


[0001]本专利技术属于通信信道编码的译码
，提出一种基于一维卷积网络和多比特翻转的极化码软消除(Soft Cancellation)SCAN译码算法，与传统的SCAN译码算法相比，性能得到了提升，达到利用深度神经网络提升极化码译码性能的目的。

技术介绍

[0002]极化码是被E.Arikan于2008年所提出的一种线性分组码，在二进制输入离散无记忆信道下，其被证明可达香农极限。由于极化码的这种优势，在5G标准中，极化码被选为控制信道的编码方案。
[0003]在极化码的译码方面，串行抵消(Successive Cancellation)SC译码算法最早被提出。但是在有限码长下，由于不完全的信道极化，SC译码算法可能产生不理想的性能。因此，为了提升极化码在有限码长下的性能，串行抵消列表(Successive Cancellation List)SCL译码算法被提出，在译码过程中，其保留了多个译码路径。虽然SCL译码算法在一定程度上提升了译码性能，但是SCL译码算法也产生了较高的译码计算复杂度，计算复杂度会随着列表大小线性增加。此外，SC和SCL译码算法由于它们的串行特点，会导致错误传播现象。
[0004]因此，由于置信传播(BeliefPropagation)BP译码算法的并行计算特点，BP译码算法受到了广泛关注。BP译码算法是一种在因子图上传递信息的消息传递算法，在因子图上左信息与右信息不断进行迭代更新，直到达到最大迭代次数之后，根据最左侧的软信息进行判决。与SC和SCL译码算法相比，BP译码算法并行更新的特点使得其具有更高的吞吐率和较低的译码时延。但是，由于BP译码算法需要较高的迭代次数达到收敛的状态，其复杂度会随着迭代次数增长而变高。
[0005]所以，SCAN译码算法吸引了相关学者的关注。SCAN译码算法是另外一种类型的BP算法，SCAN译码算法也在因子图中更新左信息与右信息，并且更新公式与BP算法相同。但是与BP译码算法不同的是，SCAN译码算法是基于SC算法的信息调度顺序。所以，SCAN算法是一种具有半并行特点的译码算法。
[0006]随着深度学习技术的发展，神经网络已经应用于各个领域。因此，本专利技术结合深度卷积神经网络，进一步提升SCAN译码算法性能。

技术实现思路

[0007]本专利技术为了提升SCAN译码算法的性能，提出一种基于一维卷积网络和多比特翻转的极化码SCAN译码算法。该译码算法主要由翻转模块，判断模块和SCAN译码模块三部分组成。翻转模块和判断模块都是一维卷积网络模型，翻转模块的目的是构建一个选择翻转候选比特的模型。判断模块的作用是对当前翻转的比特的类型进行判断，决定是否执行当前比特的翻转动作。在SCAN译码模块中，利用翻转模块和判断模块，来进行SCAN译码。
[0008]本专利技术的基本构思：为了实现SCAN译码算法的多比特翻转，提出一种基于一维卷
积网络和多比特翻转的极化码SCAN译码算法。首先通过训练得到的翻转模块得到候选翻转比特集合，再通过判断模块判断当前翻转比特的类型,从而决定是否执行当前比特的翻转动作。通过翻转模块和判断模块，达到实现多比特翻转的目的。
[0009]基于以上的设计构思，本专利技术所使用的设计方案为：本专利技术的译码算法主要由三部分组成，翻转模块，判断模块和SCAN译码模块。
[0010]判断模块的作用是对当前翻转的比特的类型进行判断，被用来判断当前的翻转动作是否执行。其训练数据是因子图中最左列的左信息。如果是正确的翻转位置，标签被标记为[10],否则，标签被标记为[01]。
[0011]翻转模块被用来估计每个信息比特的错误概率。翻转模块的训练数据与标签收集过程分为两步：
[0012](1)单比特训练数据与标签
[0013]当初始的SCAN译码未通过循环冗余校验(Cyclic Redundancy Check)CRC，信道似然比被收集为训练数据。标签数据是K维向量，K指的是信息比特个数，K维向量首先被初始化为全0向量。然后对信息比特依次进行翻转，如果在翻转某个信息比特之后，译码结果通过了CRC校验，那么此信息比特在K维向量中对应的位置标记为1，否则被标记为0。
[0014](2)两比特翻转训练数据与标签
[0015]当单比特翻转之后，译码结果仍未通过CRC校验，并且如果判断模块判断当前翻转的信息比特是正确的翻转位置，那么因子图中最左列的左信息被收集为训练数据，标签仍是K维向量，在当前比特翻转的基础上，对剩余的信息比特进行依次翻转，如果在翻转某信息比特之后，通过了CRC校验，那么此信息比特在K维向量中对应的位置被标记为1，否则被标记为0。
[0016]最后，利用收集的训练集对翻转模块和判断模块进行训练，利用训练好的模块进行卷积网络辅助的SCAN多比特翻转译码。
[0017]本专利技术相对现有技术的优点为：
[0018]1)本专利技术结合卷积神经网络实现了SCAN算法的多比特翻转，改进了SCAN算法的性能。
[0019]2)本专利技术涉及的卷积网络训练是离线进行的，虽然训练的时候会消耗时间，但是训练完之后不会影响译码在线效率。
附图说明
[0020]图1为极化码的8码长的译码因子图；
[0021]图2为本专利技术译码算法功能结构图；
[0022]图3为翻转模块神经网络结构图；
[0023]图4为判断模块神经网络结构图；
具体实施方式
[0024]下面结合附图对本专利技术作进一步详细描述，以下实施有助于对本专利技术的理解，是比较好的应用实例，但不应当作本专利技术的限制。
[0025]图1是一个8码长的SCAN算法因子图,λ和φ分别表示列索引和块索引，在每列中不
同块按照块索引节点顺序进行计算，块中的节点进行并行计算。
[0026]图2是本专利技术译码算法功能结构图，由SCAN译码模块，翻转模块和判断模块三部分组成。译码算法具体实现过程如下：
[0027](1)信道似然比输入到译码模块中，进行初始SCAN译码。
[0028](2)如果译码结果通过了CRC校验，输出译码结果。否则，将信道似然比输入到翻转模块中，从而获取翻转比特候选集合。
[0029](3)根据获得的翻转比特候选集合，进行单比特翻转，如果翻转某个比特时，通过CRC校验，输出译码结果。否则将因子图最左列的左信息输入到判断模块中，判断当前翻转的比特位置是否正确，如果是错误的翻转位置，不执行当前的翻转动作，根据之前得到的翻转比特列表翻转下一位。如果是正确的翻转位置，将最左列的左信息输入到翻转模块中，更新候选翻转比特集合。
[0030](4)根据新获得的翻转候选比特集合，进行第二位比特翻转，直到通过CRC校验或者到达最大翻转尝试Tmax。
[0031]图3是本专利技术算法中翻转模块的卷积神经网络结构。翻转模块使用三层一维卷积。第一层一维卷积使用64个卷积核；第二层一维卷积使用32本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一维卷积网络和多比特翻转的极化码软消除(Soft Cancellation)SCAN译码算法被提出，该译码算法主要包含三个模块，分别是翻转模块，判断模块和SCAN译码模块。翻转模块被用来构建候选翻转比特集合，判断模块被用来对当前翻转的比特的类型进行判断，决定是否执行当前比特的翻转动作，译码模块进行SCAN译码。2.根据...

【专利技术属性】
技术研发人员：包秀品，王秀敏，章东平，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：