CN109462457A - 一种Polar码译码方法、译码装置和译码器 - Google Patents

一种Polar码译码方法、译码装置和译码器 Download PDF

Info

Publication number
CN109462457A
CN109462457A CN201910010238.5A CN201910010238A CN109462457A CN 109462457 A CN109462457 A CN 109462457A CN 201910010238 A CN201910010238 A CN 201910010238A CN 109462457 A CN109462457 A CN 109462457A
Authority
CN
China
Prior art keywords
noise
value
interchannel noise
estimated value
convolutional neural
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910010238.5A
Other languages
English (en)
Other versions
CN109462457B (zh
Inventor
孔令军
徐鹏
李华康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Yilin City Information Technology Co Ltd
Original Assignee
Suzhou Yilin City Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Yilin City Information Technology Co Ltd filed Critical Suzhou Yilin City Information Technology Co Ltd
Priority to CN201910010238.5A priority Critical patent/CN109462457B/zh
Publication of CN109462457A publication Critical patent/CN109462457A/zh
Application granted granted Critical
Publication of CN109462457B publication Critical patent/CN109462457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H04L1/0047—Decoding adapted to other signal detection operation
    • H04L1/005—Iterative decoding, including iteration between signal detection and decoding operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms

Abstract

本发明公开一种Polar码译码方法、译码装置和译码器，其中译码方法包括以下步骤：在信道接收端获取经过调制的Polar码信息，利用硬判决对信道接收值进行译码，得到初步译码结果，进而得到信道噪声第一估计值；利用卷积神经网络建立信道噪声第一估计值与信道噪声的真实值之间的关系，将信道噪声第一估计值作为输入提供给卷积神经网络，得到信道噪声第二估计值；利用信道接收值和残余噪声的分布统计，修正对数似然比LLR；将修正过的LLR进行BP译码迭代。本发明利用卷积神经网络对信道噪声的特征进行学习并估计出信道噪声的分布，计算出更可靠的似然比信息能帮助译码器进行更准确的译码，提升Polar码的性能。

Description

一种Polar码译码方法、译码装置和译码器
技术领域
本申请涉及Polar码译码领域，尤其涉及一种Polar码译码方法、译码装置和译码器。
背景技术
Polar码是Arikan提出的新型信道编码，它是迄今为止理论上唯一可达到香农限的信道编码方法，自提出以来，Polar码引起了人们的极大关注。为了改善Polar码在有限码长时的性能，学者们提出了许多有效的译码算法，然而，在实际的通信系统中，信道可能会出现衰落和相关性的噪声。相关噪声的产生有多种原因，接收机处的过采样会引起相关噪声，数字系统中的设备噪声同样具有相关性，而且在电力线通信中，普通建筑物和住宅电子设备也会产生彩色噪声，另一个例子是在10GBASE-t以太网中，需要使用各种滤波方案来对抗相关噪声导致的符号间干扰。
相关性的噪声对信道编码的性能影响很大，解决这个问题的最有效方法就是白化，把有色噪声转化为白噪声，但是这种方法对于长码来说是高度复杂的，需要矩阵乘法。另外，传统的Polar码译码方法只是根据信道的接收值进行译码，而对于信道的噪声无法进行进一步的处理。因此，需要设计出能够利用噪声相关特性而不依赖于其特定结构的低复杂度和鲁棒性的译码方法及其装置。
发明内容
针对现有Polar码译码方案在相关性噪声下性能不理想的问题，本发明提供一种基于HD-CNN(硬判决-卷积神经网络)的Polar码译码方法，通过卷积神经网络对信道噪声的特征进行学习，在接收端对信道噪声进行准确估计，更新并计算LLR(Log likelihoodRatio，对数似然比)值。
一种Polar码译码方法，包括以下步骤：
在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声；通过设置门限值，利用硬判决对所述信道接收值进行译码，得到初步译码结果；将所述信道接收值减去所述初步译码结果，得到信道噪声第一估计值；利用卷积神经网络建立所述信道噪声第一估计值与信道噪声的真实值之间的关系，将所述信道噪声第一估计值作为输入提供给所述卷积神经网络，得到信道噪声第二估计值；利用所述信道接收值和残余噪声的分布统计，修正对数似然比LLR；将修正过的LLR进行BP译码迭代，所述残余噪声由最初的信道噪声减去所述信道噪声第二估计值得到。
进一步，所述卷积神经网络的结构包括网络的层数、卷积核的大小和卷积核的数量。
进一步，利用卷积神经网络建立所述信道噪声第一估计值与信道噪声的真实值之间的关系之后，还包括：通过所述卷积神经网络对所述信道噪声第一估计值和误差函数进行训练，误差函数为
n为信道噪声的真实值，n'为信道噪声第二估计值
其中
D和S分别为偏度和峰度，其中ni表示真实噪声向量中的第i个元素，n′i表示卷积神经网络输出向量的第i个元素，表示样本的均值。
基于以上译码方法，本发明还提供一种Polar码译码装置，包括：获取单元，用于在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声；第一译码单元，用于设置门限值并利用硬判决对所述信道接收值进行译码，得到初步译码结果；卷积神经网络，用于将信道噪声第一估计值作为输入，经过训练，得到接近信道噪声真实值的信道噪声第二估计值，所述信道噪声第一估计值是由所述信道接收值减去所述初步译码结果而得到；第二译码单元，用于对对数似然比LLR进行译码，LLR需事先根据所述信道接收值和残余噪声的分布统计进行了修正，所述残余噪声由最初的信道噪声减去所述信道噪声第二估计值得到。
进一步，所述卷积神经网络的结构包括网络的层数、卷积核的大小和卷积核的数量。
进一步，还包括第一运算器，位于所述第一译码单元和所述卷积神经网络之间，用于将所述信道接收值减去所述初步译码结果，计算得到信道噪声第一估计值；第二运算器，位于所述卷积神经网络和所述第二译码单元之间，用于将最初的信道噪声减去信道噪声第二估计值，计算得到残余噪声。
本发明还提供一种Polar码译码器，包括处理器以及耦合至所述处理器的存储器，所述存储器中存储一组程序，所述处理器用于调用所述存储器中存储的程序，使得所述Polar码译码器执行上述译码方法。
本发明基于硬判决-卷积神经网络结构，利用卷积神经网络对信道噪声的特征进行学习并估计出信道噪声的分布，根据信道的残余噪声计算出新的似然比信息，更可靠的似然比信息能帮助译码器进行更准确的译码，提升Polar码的性能；另外，本发明在信道噪声估计阶段，仅使用简单有效的硬判决，从而降低了系统时延。
附图说明
图1为本申请方法实施例中的Polar码译码方法流程图；
图2为本申请实施例中卷积神经网络结构示意图；
图3为本申请装置实施例的结构框图；
图4为本申请实施例Polar译码器的结构图；
图5为本申请实施例系统芯片结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在信号发送端，长度为K的信息比特u通过Polar码编码器被编码为长度为N的二进制Polar码X，码字X通过BPSK调制，映射到符号向量S，BPSK信号将通过具有加性噪声的信道传递，信道噪声为具有自相关的高斯随机向量。相关性噪声对信道编码的性能影响很大，传统的Polar码译码方法只是根据信道的接收值进行译码，而对于信道的噪声无法进行进一步的处理，更新并计算LLR值。
鉴于此，本申请实施例提供一种Polar码译码方法、装置和译码器，在接收端对信道噪声进行准确估计，更新并计算LLR值。其中方法和装置是基于同一构思的，由于方法及装置解决问题的原理相似，因此装置与方法的实施可以相互参见，重复之处不再赘述。
方法实施例
图1示出了本申请实施例提供的Polar码译码方法流程图，该方法应用于Polar码译码器中，具体可通过硬件、软件编程或软硬件的结合来实现。用以执行本申请实施例所提供的Polar码处理方案的功能模块具体可以通过硬件、软件编程以及软硬件的组合来实现，硬件可包括一个或多个信号处理和/或专用集成电路。
该流程具体包括以下过程：
步骤1、在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声。
在接收端，接收到的Polar码信息y表示为
y＝s+n (1)
其中s为有效信息，n为信道噪声。
步骤2、通过设置门限值，利用硬判决对所述信道接收值进行译码，得到初步译码结果。
硬判决的阈值可根据发送信息的电平高低调整，硬判决的译码结果用表示。硬判决会损失波形信号的中所包含的有关信道干扰的统计特性信息，从而影响译码器的错误概率。
步骤3、将所述信道接收值减去所述初步译码结果，得到信道噪声第一估计值
由于硬判决存在译码错误，与真实信道噪声不完全相同，所以重写
这里用ε表示噪声估计的误差。
步骤4、利用卷积神经网络建立所述信道噪声第一估计值与信道噪声的真实值之间的关系，将所述信道噪声第一估计值作为输入提供给所述卷积神经网络，得到信道噪声第二估计值。
卷积神经网络的结构包括网络的层数、卷积核的大小和卷积核的数量，以上参数需要在在训练所述神经网络之前确定。在本实施例中，将卷积神经网络结构设为四层网络{4；9,3,3,15；64,32,16,1}，如图2所示。每一层的卷积的方式选择为same，使得卷积操作的输入和输出尺寸保持一致。由于本实施例中卷积神经网络的输入是信道噪声的估计值，是一维向量，所以采用keras库里的快速开始序贯(Sequential)模型，第一层网络的卷积核数量为64，卷积核大小为9，卷积的方式选择为same，所以第一层的输出为64列n行。同理，第二层卷积核数量为32，卷积核大小为3，第三层网络的卷积核数量为16，卷积核大小为3，第四层卷积核数量为1，卷积核大小为15。前三层的激活函数为RELU，第四层的激活函数设为为linear，目的是通过四层网络之后，卷积神经网络的输出结果为信道噪声准确的估计值。
将大量的信道噪声第一估计值作为训练输入卷积神经网络，训练的输出结果为信道噪声更准确的估计值，即信道噪声第二估计值n′。
再将网络的误差函数作为训练对象输入卷积神经网络进行训练，将训练好的网络权重保存下来。
误差函数为
n为信道噪声的真实值，n'为信道噪声第二估计值
其中
D和S分别为偏度和峰度，其中ni表示真实噪声向量中的第i个元素，ni′表示卷积神经网络输出向量的第i个元素，表示样本的均值。
步骤5、利用所述信道接收值和残余噪声的分布统计，修正对数似然比LLR；将修正过的LLR进行BP译码迭代。
用信道接收的信息y减去信道噪声第二估计值n′，得到噪声受到抑制的接收向量y′，
y′＝y-n′ (5)
在执行BP迭代之前，根据y′和信道的残余噪声分布修正LLR值，
其中P0,i和P1,i表示y′的第i个元素为1或-1的概率。计算公式如下
其中prob为真实信道噪声减去信道噪声第二估计值后的残余噪声的分布统计，这在训练网络的时候会提前产生并保存。
其中表示残余噪声向量的第i个元素，m＝-10,q＝0.01。
将计算好的LLR进行BP译码迭代，得到最终的信息估计
装置实施例
参照图3，示出了本发明的一种Polar码译码装置实施例的结构框图，具体可以包括：获取单元101、第一译码单元102、卷积神经网络103、第二译码单元104。
其中，获取单元101，用于在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声。
第一译码单元102，用于设置门限值并利用硬判决对所述信道接收值进行译码，得到初步译码结果。
卷积神经网络103，用于将信道噪声第一估计值作为输入，经过训练，得到接近信道噪声真实值的信道噪声第二估计值，所述信道噪声第一估计值是由所述信道接收值减去所述初步译码结果而得到；
第二译码单元104，用于对对数似然比LLR进行译码，LLR需事先根据所述信道接收值和残余噪声的分布统计进行了修正，所述残余噪声由最初的信道噪声减去所述信道噪声第二估计值得到。
在一些实施方式中，还包括第一运算器105和第二运算器106，其中所述第一运算器105位于第一译码单元102和卷积神经网络103之间，用于将所述信道接收值减去所述初步译码结果，得到信道噪声第一估计值。
第二运算器106位于卷积神经网络103和第二译码单元104之间，用于计算残余噪声，即将最初的信道噪声减去信道噪声第二估计值。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，本申请实施例中的Polar码译码装置可以由集成电路实现，相应的，获取单元101，第一译码单元102、卷积神经网络103和第二译码单元104等功能模块，可以是集成电路的一部分，这里的集成电路又可以称为IC，按照集成度的不同，又可以分为大规模集成电路(Large ScaleIntegrated circuit，LSI)、超LSI(super LSI)、或过LSI(ultra LSI)等等，此外，集成电路不限于LSI实现，也可以由专用电路实现。另外，如果由于半导体技术的进步或演化而开发出替换LSI的集成技术，则利用该技术来实现该集成电路也是可能的。例如，生物工艺学。
基于与图1所示的Polar码译码方法的同一发明构思，如图4所示，本申请实施例还提供一种Polar码译码器，该Polar码译码器可用于执行图1所示的方法。其中，该Polar码译码器包括存储器201和处理器202，处理器202用于执行一组代码，当代码被执行时，该执行使得处理器202执行图1所示的Polar码译码方法。存储器201，用于存储处理器202执行的代码。可选的，存储器201可以和处理器202集成在一起。
处理器202可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)或者CPU和NP的组合。
处理器202还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，ASIC)，可编程逻辑器件(programmablelogic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gatearray，FPGA)，通用阵列逻辑(generic array logic,GAL)或其任意组合。
存储器201可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器201也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；存储器201还可以包括上述种类的存储器的组合。
本申请实施例提供了一种计算机存储介质，用于存储计算机程序，该计算机程序包括用于执行图1所示的Polar码处理方法。
本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行图1所示的Polar码处理方法。
基于与图1所示的Polar码译码方法的同一发明构思，如图5所示，本申请实施例还提供了一种系统芯片，系统芯片包括输入接口301、输出接口302、至少一个处理器303、存储器304，所述输入接口301、输出接口302、所述处理器303以及存储器304之间通过总线305相连，所述处理器303用于执行所述存储器304中的代码，当所述代码被执行时，所述处理器303实现图1中的Polar码处理方法。其中总线305有的时候可以省略，例如当其他模块均为逻辑电路或者硬件电路实现时。
本领域内的技术人员应明白，本申请实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、装置、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (7)

1.一种Polar码译码方法，其特征在于，包括以下步骤：
在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声；通过设置门限值，利用硬判决对所述信道接收值进行译码，得到初步译码结果；
将所述信道接收值减去所述初步译码结果，得到信道噪声第一估计值；
利用卷积神经网络建立所述信道噪声第一估计值与信道噪声的真实值之间的关系，将所述信道噪声第一估计值作为输入提供给所述卷积神经网络，得到信道噪声第二估计值；
利用所述信道接收值和残余噪声的分布统计，修正对数似然比LLR；将修正过的LLR进行BP译码迭代，所述残余噪声由最初的信道噪声减去所述信道噪声第二估计值得到。
2.根据权利要求1所述的译码方法，其特征在于，所述卷积神经网络的结构包括网络的层数、卷积核的大小和卷积核的数量。
3.根据权利要求1所述的译码方法，其特征在于，利用卷积神经网络建立所述信道噪声第一估计值与信道噪声的真实值之间的关系之后，还包括：通过所述卷积神经网络对所述信道噪声第一估计值和误差函数进行训练，误差函数为
n为信道噪声的真实值，n'为信道噪声第二估计值，λ为比例因子，λ＜1，
其中
D和S分别为偏度和峰度，其中ni表示真实噪声向量中的第i个元素，n′i表示卷积神经网络输出向量的第i个元素，表示样本的均值。
4.一种Polar码译码装置，其特征在于，包括：
获取单元，用于在信道接收端获取经过调制的Polar码信息，其值为信道接收值，包括有效信息和信道噪声；
第一译码单元，用于设置门限值并利用硬判决对所述信道接收值进行译码，得到初步译码结果；
卷积神经网络，用于将信道噪声第一估计值作为输入，经过训练，得到接近信道噪声真实值的信道噪声第二估计值，所述信道噪声第一估计值是由所述信道接收值减去所述初步译码结果而得到；
第二译码单元，用于对对数似然比LLR进行译码，LLR需事先根据所述信道接收值和残余噪声的分布统计进行了修正，所述残余噪声由最初的信道噪声减去所述信道噪声第二估计值得到。
5.根据权利要求4所述的译码装置，其特征在于：所述卷积神经网络的结构包括网络的层数、卷积核的大小和卷积核的数量。
6.根据权利要求4所述的译码装置，其特征在于：还包括第一运算器，位于所述第一译码单元和所述卷积神经网络之间，用于将所述信道接收值减去所述初步译码结果，计算得到信道噪声第一估计值；第二运算器，位于所述卷积神经网络和所述第二译码单元之间，用于将最初的信道噪声减去信道噪声第二估计值，计算得到残余噪声。
7.一种Polar码译码器，其特征在于，包括：处理器，以及耦合至所述处理器的存储器，所述存储器中存储一组程序，所述处理器用于调用所述存储器中存储的程序，使得所述Polar码译码器执行如权利要求1～3任一项所述的方法。
CN201910010238.5A 2019-01-05 2019-01-05 一种Polar码译码方法、译码装置和译码器 Active CN109462457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910010238.5A CN109462457B (zh) 2019-01-05 2019-01-05 一种Polar码译码方法、译码装置和译码器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910010238.5A CN109462457B (zh) 2019-01-05 2019-01-05 一种Polar码译码方法、译码装置和译码器

Publications (2)

Publication Number Publication Date
CN109462457A true CN109462457A (zh) 2019-03-12
CN109462457B CN109462457B (zh) 2020-01-24

Family

ID=65616128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910010238.5A Active CN109462457B (zh) 2019-01-05 2019-01-05 一种Polar码译码方法、译码装置和译码器

Country Status (1)

Country Link
CN (1) CN109462457B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110445581A (zh) * 2019-08-10 2019-11-12 南京理工大学 基于卷积神经网络降低信道译码误码率的方法
WO2021185380A1 (en) * 2020-03-20 2021-09-23 Huawei Technologies Co., Ltd. Method, system, and apparatus for a segmented polarization-adjusted convolutional (pac) code
CN117335815A (zh) * 2023-11-29 2024-01-02 广东工业大学 基于改进原模图神经译码器的训练方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103220001A (zh) * 2012-01-20 2013-07-24 华为技术有限公司 与循环冗余校验级联的极性码的译码方法和译码装置
CN104038234A (zh) * 2013-03-07 2014-09-10 华为技术有限公司 极性码的译码方法和译码器
US20150333775A1 (en) * 2014-05-15 2015-11-19 Broadcom Corporation Frozen-Bit Selection for a Polar Code Decoder
CN108365914A (zh) * 2017-01-26 2018-08-03 华为技术有限公司 Polar码编译码方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103220001A (zh) * 2012-01-20 2013-07-24 华为技术有限公司 与循环冗余校验级联的极性码的译码方法和译码装置
CN104038234A (zh) * 2013-03-07 2014-09-10 华为技术有限公司 极性码的译码方法和译码器
US20150333775A1 (en) * 2014-05-15 2015-11-19 Broadcom Corporation Frozen-Bit Selection for a Polar Code Decoder
CN108365914A (zh) * 2017-01-26 2018-08-03 华为技术有限公司 Polar码编译码方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110445581A (zh) * 2019-08-10 2019-11-12 南京理工大学 基于卷积神经网络降低信道译码误码率的方法
CN110445581B (zh) * 2019-08-10 2022-11-01 南京理工大学 基于卷积神经网络降低信道译码误码率的方法
WO2021185380A1 (en) * 2020-03-20 2021-09-23 Huawei Technologies Co., Ltd. Method, system, and apparatus for a segmented polarization-adjusted convolutional (pac) code
US11418220B2 (en) 2020-03-20 2022-08-16 Huawei Technologies Co., Ltd. Method, system, and apparatus for a segmented polarization-adjusted convolutional (PAC) code
CN117335815A (zh) * 2023-11-29 2024-01-02 广东工业大学 基于改进原模图神经译码器的训练方法及装置
CN117335815B (zh) * 2023-11-29 2024-03-15 广东工业大学 基于改进原模图神经译码器的训练方法及装置

Also Published As

Publication number Publication date
CN109462457B (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN108959551B (zh) 近邻语义的挖掘方法、装置、存储介质和终端设备
CN109462457A (zh) 一种Polar码译码方法、译码装置和译码器
CN101803206B (zh) 近码字的rom列表解码
US10645105B2 (en) Network attack detection method and device
US11741339B2 (en) Deep neural network-based method and device for quantifying activation amount
US11303300B2 (en) Error detection in communication systems using polar coded data transmission
US11847019B2 (en) Polar code construction method and apparatus
CN111200441B (zh) 一种Polar码译码方法、装置、设备及可读存储介质
CN104143991B (zh) 极性Polar码的译码方法和装置
WO2021188513A1 (en) List decoding of polarization-adjusted convolutional codes
EP3171520A1 (en) Decoding method and decoder
US11755408B2 (en) Systems for estimating bit error rate (BER) of encoded data using neural networks
CN110661535B (zh) 一种提高Turbo译码性能的方法、装置及计算机设备
CN103873068A (zh) 低密度奇偶检查的解码方法与电子装置
CN111814900A (zh) 基于matlab神经网络的电能表故障分类方法及其装置
CN116306610A (zh) 模型训练方法及装置、自然语言处理方法及装置
CN115549698A (zh) 编码方法和编码器、译码方法和译码器、通信系统
CN107682020A (zh) 一种基于Turbo码的编码、解码方法及装置
CN110708077A (zh) Ldpc码大数逻辑译码方法、装置和译码器
CN114186583B (zh) 一种储油罐罐壁腐蚀检测异常信号恢复方法及系统
TWI555339B (zh) 疊代式解碼裝置、疊代式訊號檢驗裝置與資訊更新方法
CN111817729B (zh) 一种译码终止方法及装置
CN110298045A (zh) 机器翻译方法、装置、设备及存储介质
CN111181573B (zh) 数据译码方法、装置及电子设备
WO2021014746A1 (ja) 情報処理方法、情報処理装置、および情報処理プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant