CN105281785A - 一种列表连续消除极化码译码方法、装置 - Google Patents

Abstract

本发明公开了一种列表连续消除极化码译码方法，属于无线信道编码技术领域。本发明在对码树进行搜索过程中，按照以下方法更新候选路径列表：首先对上一层候选路径列表中的每一条候选路径进行路径扩展，并计算出各条扩展后路径的可靠性度量值；然后剔除可靠性度量值小于当前层的可靠性度量阈值的扩展后路径，并判断剩余的扩展后路径数量是否大于预设的最大列表长度<i>l</i>_max，如是，则继续剔除剩余的扩展后路径中可靠性度量值最小的部分，使最终剩余的扩展后路径数量不大于<i>l</i>_max；最后进行路径的自适应选取。本发明将路径度量值宽松排序与现有自适应极化译码器相结合，既保证了与传统译码器一致的检测性能，又大大降低了译码复杂度。

Description

一种列表连续消除极化码译码方法、装置

技术领域

本发明涉及一种极化码译码方法，尤其涉及一种列表连续消除极化码译码方法，属于无线信道编码技术领域。

背景技术

上世纪80年代以来，无线通信技术飞速发展，已成为当今通信领域内发展潜力最大、市场前景最广的热点技术。移动通信经历了第一代模拟通信(1G)，第二代蜂窝数字通信(2G)，第三代CDMA宽带通信(3G)的发展历程，目前已进入了第四代移动通信(4G)产业化的应用阶段。移动通信正朝着高速率，高容量，高频谱效率和低功耗的方向发展，不断满足人们日益增长的数据和视频需求。据主要运营商和权威咨询机构预测：移动宽带业务流量将在未来10年增长1000倍。现有4G技术在传输速率和资源利用率等方面仍然无法满足未来的需求，其无线覆盖和用户体验也有待进一步提高。世界各国在推动4G产业化工作的同时，第五代移动通信技术(5G)已经成为了国内外无线通信领域的研究热点。

5G移动通信标志性的关键技术主要体现在超高效能的无线传输技术和高密度无线网络技术。基于大规模多输入多输出(MIMO)的无线传输技术将有可能使频谱效率和功率效率在4G的基础上再提升一个量级。毋庸置疑，高性能、高效率的信道编码技术也将成为5G的一个重要研究方向。对于二进制输入的离散无记忆信道(B-DMCs),理论上已经证明了极化码能够达到香农信道容量。作为第一个能够达到香农容量的信道编码，极化码是信息理论和无线通信领域的重大突破，引起了学术界和工业界的广泛关注。在5G移动通信的全新应用场景下，极化码将会取代Turbo码和LDPC码，在信道的纠错编码中大显身手。研究适用于5G移动通信系统的高效极化码构造及译码算法具有重大的理论意义与应用价值。

关于极化码的相关文献中，有大量针对理想误码性能，低复杂度和低延时的极化码译码器的相关研究。基于栅栏格的Viterbi和BCJR算法所实现的最大似然和最大后验概率译码器是性能最优的，但其复杂度过高。近年来，连续消除的列表极化码(SCL)译码器因其接近最优的检测性能而引起了广泛的关注。然而，这种译码器需要足够长的候选列表长度来达到理想的译码性能，从而增大了需要更新和比较的路径度量值，在一定程度上增加了实现的复杂度。

为了降低SCL译码的计算复杂度，有研究者提出了一种极化码的自适应连续消除的列表译码器[C.Zhang,Z.Wang,X.You,andB.Yuan,“Efficientadaptivelistsuccessivecancellationdecoderforpolarcodes,”inProc.ofAsilomarConferenceonSignals,Systems,andComputers(Asilomar),PacificGrove,USA,Nov.2014.]，首先，该译码器通过离线仿真初始链表长度设为l₀＝l_max。对于译码树的第i层(1≤i<N)，对扩展路径的度量值进行排序，得到排序的候选路径链表度量值为L_i＝[L_i1,L_i,2,...,L_i,n],1≤n≤l_max。其中，L_i1≥L_i,2≥...≥L_i,n。该译码器将L_i中相邻两个度量值比值的对数lg(L_i,j/L_i,j+1)作为比较的依据。当lg(L_i,j/L_i,j+1)小于预先确定的阈值T时，同时保留L_i,j和L_i,j+1；否则，仅保留L_i,j对应的路径，及时去除度量值足够小的路径。其中，阈值T通过预先离线仿真BER与T的关系曲线得到。该自适应译码器降低了译码的平均链表长度，但仍然避免不了扩展路径度量值的排序操作，其计算复杂度存在进一步降低的空间。

发明内容

本发明所要解决的技术问题在于克服现有技术所存在的不足，提供一种列表连续消除极化码译码方法，可有效降低平均列表长度并减少度量值比较运算，从而显著降低极化译码的运算复杂度。

本发明具体采用以下技术方案解决上述技术问题：

一种列表连续消除极化码译码方法，利用列表连续消除算法对极化编码序列所对应的码树进行最优路径的搜索，从而得到译码结果；搜索过程中，对于码树的第i层，1≤i<N，N为极化编码序列的码长，按照以下方法更新候选路径列表：首先对上一层候选路径列表中的每一条候选路径进行路径扩展，并计算出各条扩展后路径的可靠性度量值；然后剔除可靠性度量值小于当前层的可靠性度量阈值的扩展后路径，并判断剩余的扩展后路径数量是否大于预设的最大列表长度l_max，如是，则继续剔除剩余的扩展后路径中可靠性度量值最小的部分，使最终剩余的扩展后路径数量不大于l_max；最后，对最终剩余的扩展后路径进行以下处理：两两比较其可靠性度量值的常用对数，如两者差值大于预设阈值T，则剔除其中可靠性度量值较小者；用最后剩余的扩展后路径更新当前层的选路径列表；其中，当前层的可靠性度量阈值B通过下式确定：

B＝B₀/s

式中，B₀为上一层候选路径列表中的候选路径的扩展后路径的可靠性度量值的均值，或者上一层候选路径列表中的候选路径的扩展后路径的最大、最小可靠性度量值的平均值，或者上一层候选路径列表中的候选路径的扩展后路径的最大可靠性度量值的一半；控制因子s预先通过仿真优化得到。

优选地，所述控制因子s的仿真优化是以译码的误比特率与计算复杂度的乘积最小为优化目标。

根据相同的发明思路还可得到以下技术方案：

一种列表连续消除极化码译码装置，使用如上任一技术方案所述译码方法。

相比现有技术，本发明具有以下有益效果：

本发明将路径度量值宽松排序与现有自适应极化译码器相结合，在译码性能和复杂度折衷策略的前提下，实现自适应的连续消除列表极化译码器，既保证了与传统译码器一致的检测性能，又大大降低了译码复杂度。

附图说明

图1是l(l_max)＝2时，TMPC与控制因子s的关系曲线(E_b/N₀＝2dB)；

图2是l(l_max)＝4时，TMPC与控制因子s的关系曲线(E_b/N₀＝2dB)；

图3是本发明连续消除列表极化译码器的树形搜索图；

图4是本发明自适应连续消除列表极化译码器的译码流程图；

图5是l(l_max)＝2时，(1024，512)极化码的不同SCL译码器的比较。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

现有极化码的自适应连续消除的列表译码器，只设置搜索每一层的最大链表长度l_max，通过自适应的路径选取策略来降低整个译码过程的平均链表长度l_avg。因此，译码过程中候选路径的列表长度是不固定的。针对这一特性，本发明的思路是在候选路径的选取过程中，利用路径可靠性度量值的宽松排序来代替直接排序，以降低排序的计算复杂度，同时进一步降低平均列表长度。

根据大数定理，我们可以假定路径可靠性度量值服从高斯分布，当选择均值作为分界点时，可以将2l路径度量的列表分为两个子列表，则可靠性度量值大于分界点的子列表包含l个元素，即可作为候选路径列表，称之为宽松排序。如果进一步假设路径可靠性度量值是服从均匀分布的，则路径可靠性度量值的最大值和最小值的1/2即可作为分界点，称为线性均值。实际上，最差的路径度量值与最优的路径是不相关的，其路径度量值小到几乎可以被忽略。因此，可简单的用最大度量值的1/2作为分界点。

但在实际中，路径的分布并不是严格地服从这些分布的，简单地选取均值或是线性均值作为分界点，选取的路径经过自适应的连续消除列表译码器后，将会带来译码性能的严重损失，其原因在于分界点的选取不合理。考虑在初始分界点中加入一个控制因子s来人为控制宽松排序所得的列表大小，从而改善译码性能。控制因子的选取至关重要，直接影响译码性能和整个译码器器的复杂度。本发明预先通过仿真优化的方法得到最优的控制因子s。

根据上述分析可知，对当前搜索层的路径进行宽松排序所需的可靠性度量值分界点B按照以下方法得到：

初始分界点B₀可通过以下三种方法来选取：

1)基于均值：B₀＝L_mean

2)基于线性均值：B₀＝(L_max+L_min)/2

3)基于最大值：B₀＝L_max/2

离线选取控制因子s：

利用仿真优化方法来获得，即以控制因子s作为决策变量，通过仿真得到使得译码系统性能指标最优的决策变量值。具体的优化目标函数可根据实际关注的性能参数构建，本发明优选以译码的误比特率与计算复杂度的乘积最小为优化目标，从而获得最优的控制因子，具体如下：

首先，我们将译码的误比特率BER与计算复杂度的乘积定义为TMPC。为方便起见，引入了如下引理：

假定SCL译码过程的平均链表长度为l_avg，则TMPC等价于BER与l_avg的乘积，用λ表示。λ取得最小值时所对应的s为最优的选择。

由以上引理，可进一步得到：

根据公式(1)计算不同控制因子s所对应的TMPC，并绘制两者的关系曲线，通过仿真的方法找到最优的s。对于一定码长及码率的极化码，s是固定的。考虑到SCL译码器在低信噪比处即可获得较好的译码性能，因此我们可将信噪比E_b/N₀设为2dB进行仿真，图1、图2分别显示了l(l_max)＝2、l(l_max)＝4时，TMPC与控制因子s的关系曲线，图中，ConventionalSClistdecoder表示传统SCL译码器，ProposedSClistdecoder表示本发明译码器。由图1、2可知，对于(1024,512)的极化码，当l_max＝2时，最优的s值为3；当l_max＝4时，最优的s值为6。则最终的区间分界点B为表示为

B＝B₀/s

(2)

设(N,K)极化码，码长为N，信息比特长度为K。译码输入y＝[y₁,y₂,...,y_N],最大列表长度为l_max，树图第i层的路径列表P_i＝[P_i1,P_i,2,...,P_i,m],可靠性度量值列表L_i＝[L_i1,L_i,2,...,L_i,m],1＜m＜2l_max，每一层路径可靠性度量值的均值为最大值和最小值分别为L_mean，L_max和L_min，宽松排序后保留的路径列表为P_u。自适应译码的阈值为T，译码完成时得到的最优路径为P_o，译码输出为译码的整体复杂度为C，平均列表长度为l_avg。

图3为本发明连续消除列表极化译码器的译码树图，展示了本发明将路径度量值的宽松排序和自适应译码相结合的极化码的译码器的路径搜索过程(l_max＝4)。在树图的第i层，1<i<N，按照以下方法更新候选路径列表：首先对上一层候选路径列表中的每一条候选路径进行路径扩展，并计算出各条扩展后路径的可靠性度量值；然后剔除可靠性度量值小于当前层的可靠性度量阈值的扩展后路径，并判断剩余的扩展后路径数量是否大于预设的最大列表长度l_max，如是，则继续剔除剩余的扩展后路径中可靠性度量值最小的部分，使最终剩余的扩展后路径数量不大于l_max；最后按照文献[C.Zhang,Z.Wang,X.You,andB.Yuan,“Efficientadaptivelistsuccessivecancellationdecoderforpolarcodes,”inProc.ofAsilomarConferenceonSignals,Systems,andComputers(Asilomar),PacificGrove,USA,Nov.2014.]的方法进行路径的自适应选取。在此搜索过程中，链表长度l<l_max，但长度是不固定的。当搜索到树图的叶子节点时，选取候选路径中度量值最大的路径，即为译码结果。

图4显示了本发明连续消除列表极化译码器的译码流程，其具体步骤如下：

1)初始化路径列表及其度量值列表：P₀＝[0,0,...,0],L₀＝[0,0,...,0]。

2)路径扩展：对上一层路径列表P_i-1＝[P_(i-1),1,P_(i-1),2,...,P_(i-1),m]中的每一条路径，分别添加一位“0”和“1”得到扩展路径列表P_i＝[P_i1,P_i,2,...,P_i,2m],，并根据以下迭代公式得到度量值列表L_i＝[L_i1,L_i,2,...,L_i,2m]。

3)对扩展路径进行宽松排序：计算当前层路径的L_max(L_min)或L_mean，得到B₀。结合离线仿真得到的最优s,可得到最终分界点B；进而，将扩展路径列表P_i划分为两个子列表P_d＝{P_ij|L_ij＜B,1≤j≤2m}，P_u＝{P_ij|L_ij≥B,1≤j≤2m}，保留列表P_u。

4)从列表P_u中自适应更新候选路径列表：与s的选取类似，阈值T也通过预先离线仿真得到，具体细节可参见文献[C.Zhang,Z.Wang,X.You,andB.Yuan,“Efficientadaptivelistsuccessivecancellationdecoderforpolarcodes,”inProc.ofAsilomarConferenceonSignals,Systems,andComputers(Asilomar),PacificGrove,USA,Nov.2014.]。若2m>l_max时，去除较小度量值的2m-l_max个路径。最终得到路径数小于等于l_max的路径列表P_a，并进行以下处理：当lg(L_i,j/L_i,j+1)>T(1≤j<2m)时，仅保留P_i,j加入候选路径列表，当前的链表长度l缩减为l_max/2；否则，同时保留P_i,j，P_i,j+1加入候选路径列表，l保持不变。

5)译码结束判断：若i+1＝N，选取为最大度量路径，即可得到译码输出否则，返回步骤3)。

对于(1024,512)的极化码，当l(l_max)＝2时，传统的SCL、自适应的SCL及本发明所提出的SCL译码器的性能对比如图5所示，平均列表长度的比较如表1所示。其中，SClistdecoder(mean)，SClistdecoder(linearmean)及SClistdecoder(max)，分别代表B₀的3种不同的选取方法。由图5可知，相比传统SCL译码器，本发明SCL译码器带来的译码性能损失几乎可忽略。显而易见，这一性能损失源于s选取过程中，复杂度与检测性能的折衷考虑。可忽略性能损失将降低计算复杂度。

在表1中，Adap.SCL代表已有的自适应SCL译码器，Pro.SCL.M，Pro.SCL.LM及Pro.SCL.MAX分别代表基于均值，线性均值及最大值的改进SCL译码器。M.Adap.RED是指相比已有的自适应SCL译码器，基于均值的改进SCL译码器平均列表长度减少的百分比。由表1可知，基于三种改进策略的SCL译码器的平均列表长度均小于已有自适应SCL译码器。相比已有的自适应SCL译码器，具有最长平均列表长度的基于均值的改进SCL译码器，平均表长减少了10％以上。因此，相比已有的自适应SCL译码器，本发明的改进SCL译码器的平均列表长度均减小了10％以上。

表1：不同SCL译码器的平均表长

为方便起见，以基于均值的改进SCL译码器为例。对于给定的链表长度l，假设已有自适应SCL与改进SCL译码器的平均表长为和不同SCL译码器计算复杂度分析如表2所示。其中，Met.UP及Met.COM分别代表路径度量值的更新与比较复杂度。由于(表1)，由表2可知，改进SCL译码器具有最低的计算复杂度，其路径度量值的更新和比较复杂度分别为 因此，改进的SCL译码器将路径度量值的比较复杂度由O(Nllog₂l)降低为O(Nl)，同时l减小了10％以上，进而降低了整体的计算复杂度。

表2：不同SCL译码器的计算复杂度

与现有极化译码器想比，本发明的主要贡献在于：将提出的路径度量值宽松排序与自适应极化译码器相结合，在译码性能和复杂度折衷策略的前提下，实现自适应的连续消除列表极化译码器，既保证了与传统译码器一致的检测性能，又大大降低了译码复杂度。

Claims (3)

1.一种列表连续消除极化码译码方法，利用列表连续消除算法对极化编码序列所对应的码树进行最优路径的搜索，从而得到译码结果；其特征在于，搜索过程中，对于码树的第i层，1≤i<N，N为极化编码序列的码长，按照以下方法更新候选路径列表：首先对上一层候选路径列表中的每一条候选路径进行路径扩展，并计算出各条扩展后路径的可靠性度量值；然后剔除可靠性度量值小于当前层的可靠性度量阈值的扩展后路径，并判断剩余的扩展后路径数量是否大于预设的最大列表长度l_max，如是，则继续剔除剩余的扩展后路径中可靠性度量值最小的部分，使最终剩余的扩展后路径数量不大于l_max；最后，对最终剩余的扩展后路径进行以下处理：两两比较其可靠性度量值的常用对数，如两者差值大于预设阈值T，则剔除其中可靠性度量值较小者；用最后剩余的扩展后路径更新当前层的选路径列表；其中，当前层的可靠性度量阈值B通过下式确定：

B＝B₀/s

式中，B₀为上一层候选路径列表中的候选路径的扩展后路径的可靠性度量值的均值，或者上一层候选路径列表中的候选路径的扩展后路径的最大、最小可靠性度量值的平均值，或者上一层候选路径列表中的候选路径的扩展后路径的最大可靠性度量值的一半；控制因子s预先通过仿真优化得到。

2.如权利要求1所述列表连续消除极化码译码方法，其特征在于，所述控制因子s的仿真优化是以译码的误比特率与计算复杂度的乘积最小为优化目标。

3.一种列表连续消除极化码译码装置，其特征在于，使用如权利要求1或2所述译码方法。