CN117749326A - 一种神经网络优化的极化编码调制方案 - Google Patents
一种神经网络优化的极化编码调制方案 Download PDFInfo
- Publication number
- CN117749326A CN117749326A CN202311821828.9A CN202311821828A CN117749326A CN 117749326 A CN117749326 A CN 117749326A CN 202311821828 A CN202311821828 A CN 202311821828A CN 117749326 A CN117749326 A CN 117749326A
- Authority
- CN
- China
- Prior art keywords
- constellation
- modulation
- mapping
- neural network
- code
- 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.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 20
- 230000010287 polarization Effects 0.000 title claims description 20
- 238000005457 optimization Methods 0.000 title abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000001788 irregular Effects 0.000 claims abstract description 14
- 238000009826 distribution Methods 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 12
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Landscapes
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明公开了一种神经网络优化的极化编码调制方案,具体包括两种适用于神经网络训练的调制星座点映射方案,将神经网络技术与极化码调制系统相结合,能够提升无线通信系统的频谱效率和传输性能。这两种方案分别为16进制调制的规则星座点映射和2m进制调制的非规则星座点映射。其核心创新在于利用神经网络进行星座点的动态优化,这是通过在反向传播过程中使用能够保存梯度的连续操作实现的。这一方法能够在不增加系统复杂性的前提下,显著优化系统误比特率。实验结果显示,在低信噪比环境下,这些方案相较于传统的均匀QAM星座映射,可实现约0.5dB的性能增益。这一技术的发展能够推动通信系统的性能优化,为高效适应多变通信环境提供了新的解决方案。
Description
技术领域
本发明属于无线通信领域,无线信号的传输和接收,在移动网络和卫星通信中具有重要应用。
具体的说是涉及了调制和解调技术,能够采用不同的信号调制方法以适应不同的通信环境,特别是在噪声干扰高的环境下确保数据传输的可靠性。以及神经网络应用于通信技术,通过探索神经网络在信号处理、模式识别和通信系统优化中的应用,提高通信系统的整体性能。
背景技术
极化码是一种前沿的编码技术,用于提高数据传输的可靠性。这种技术最初由土耳其教授Erdal Arikan于2008年提出。它们是第一个被证明能够在二元对称信道中达到香农极限的信道编码方法。因在实际应用中具备线性复杂度编译码能力而受到重视,并在5G通信标准中得到了应用。
调制星座点映射是数字通信中的一种关键技术。它通过将比特序列映射到复平面上的一系列点(即星座点)来进行信号的调制。每个星座点代表不同的符号或比特组合。例如,在二进制相移键控(BPSK)中,有两个星座点,代表二进制的0和1。更复杂的调制方式,如四相位键控(QPSK)或高阶调制如16-QAM(Quadrature Amplitude Modulation),有更多的星座点,能够在同样的频带宽度内传输更多的信息。在接收端,接收机根据接收到的信号在复平面上的位置,来判断发送端所发送的数据。星座图的设计考虑了误码率、信噪比和频谱效率等因素,以优化通信性能。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种用于极化编码调制系统的神经网络优化的星座映射方法,以解决如何在反向传播过程中使用能保持梯度的连续操作,以便神经网络调整星座点来优化误比特率。
根据本发明的一个方面,提出了一种极化码编码调制方案,包括:采用极化码对信源比特进行编码;在调制阶段,通过调制星座点对极化码码字进行调制映射和接收序列解调;采用置信度传播译码算法进行极化码译码。
进一步地,所述调制映射进一步包括可选两种不同的星座点映射方法:第一种为16进制调制设计的规则星座映射方案;第二种为2m进制调制设计的不规则星座映射方案。
进一步地,规则星座映射方案包括:将极化编码的码字子集映射到星座点上;利用可训练的缩放参数调整星座点分布,以优化极化编码调制系统的性能。
进一步地,不规则星座映射方案包括:使用可调整的星座点坐标的实数和虚数参数集,以适应不同信噪比条件和码字分布;利用神经网络优化星座点坐标的实数和虚数参数集,以提升极化编码调制系统的比特错误率性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是一种极化编码调制系统框图;
图2是16进制情况下,正交幅度调制的星座点示意图;
图3是16进制情况下,规则星座映射星座点分布示意图;
图4是16进制情况下,不规则星座映射方案星座点分布示意图;
图5是码长为N=1024的极化编码调制系统的误比特率性能;
图6是码长为N=256的极化编码调制系统的误比特率性能;
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明的目的在于提出一种系统极化调整卷积码的编码方法,将信息序列置于码字端的信息位索引处,而信源端冻结位索引处比特置0,在合并卷积操作和极化操作后得到系统生成矩阵,通过编码公式得到系统码字。对比非系统极化调整卷积码,能以不增加复杂度的情况下,降低非系统极化码的错误传播,从而改善译码性能。
下面结合附图详细说明本发明实施例的技术方案。
在本实施例中,提出了一种奇偶校验极化调整的卷积码的消息传递方法,如图1所示,该方法具体包括如下步骤:
如图1所示的极化编码调制系统框图,本实施例在发送端进行极化码编码以及正交幅度调制,在接收端对接收序列进行解调以及极化码译码。
S1,在发送端对信源序列进行极化码编码。
具体地,对于一个(N,K)的极化码,信源序列比特被分为两个集合。
集合A包含K个信息比特,通过K个最可靠的子通道发送,而集合Ac通过较不可靠的子通道传输N-K个固定为0的冻结比特,这些比特被认为是预先已知的。
极化码字的生成涉及矩阵乘法,其中/>是极化源消息/>和生成矩阵G的乘积。
生成矩阵G的大小为N×N,由衍生而来,其中/>表示F的第n次克罗内克积,/>n是以2为底N的对数。
具体地,总体编码过程可表示为:
S2,正交幅度调制将输入比特序列的集合映射为对应星座点的集合。每一个星座点代表着独特的幅度和相位组合,对应着一个特定的调制信号。
在图2中描述的16-QAM星座图中,输入的每四个比特被映射到16个不同的星座点之一。考虑两个比特模式'0000'和'0001','0000'对应于'-3+3j'点,而'0001'对应于'-1+3j'。这个映射过程涉及将输入比特流转换为这些信号,根据定义的星座点映射方案进行。
S3,本实例采用加性高斯白噪声信道进行传输调制信号,对应信道接收值可表示为:
yi=si+ni (2)
其中ni=ni,I+ni,Q是加性高斯白噪声信道的复数噪声,ni,I和ni,Q都是独立的高斯变量,均值为0,方差为σ2。
S4,解调器接收到通过信道传输的信号yi后,对于调制信号si的第k个编码比特(其中k∈{1,2,...,m}),其对数似然比可以如下计算:
其中,代表了集合S中在第k个位置比特为0的符号si的子集,而p(yi|si)是给定传输符号si下,信道输出yi的条件概率密度函数。通过解调器得到极化码码字的对数似然比信息l,然后被输入到一个极化译码器中进行置信度传播译码,目的是重构极化源消息比特序列/>
S5,利用译码器输出的对数似然比信息进行极化码译码。
对于码长为N的极化码,其因子图具有n+1(n=log2 N)个阶段,其中每一阶段包含N个节点。在第t次迭代中,第i行第j阶的节点,其向右迭代的软信息和向左迭代的软信息为和/>
因子图中相关迭代软信息初始化如下所示:
在第t次迭代中,因子图中变量节点软信息迭代的更新公式为:
其中,
当早停条件满足或者置信度传播译码算法的迭代次数达到预设的最大值时,极化码译码结束,然后通过以下的方法评估估计值
正交幅度调制将比特转换为信号的过程涉及到一个离散的分配操作,这使得神经网络训练过程中可训练参数的梯度信息难以保留。因此,为了在反向传播中有效训练,将这个离散操作替换为一个连续函数是必要的。
本发明实施例提供了一种神经网络优化极化编码调制系统的方案,包括:第一种为16进制调制设计的规则星座映射方案;第二种为2m进制调制设计的不规则星座映射方案。
(1)16进制调制下规则星座映射方案
具体地,将极化编码的码字子集映射到星座点上;利用可训练的缩放参数调整星座点分布,以优化极化编码调制系统的性能。
在这个方案中,我们将码字子集映射到星座点c*,通过将/>的两个最低有效比特映射到Re{c*}(实部),以及将两个最高有效比特映射到Im{c*}(虚部),这表示为:
其中(w1,w2,w3,w4)是可训练的缩放参数,用于调整星座点分布,并与格雷映射方案结合使用。当这些参数最初设置为(2,1,2,1)时,可以获得与图2中的16-QAM相同的效果。
(2)2m进制调制下不规则星座映射方案
引入了一种不规则星座映射方案,并为更高阶2m-QAM的调制方案提供了更大的灵活性和性能增益。
具体地,我们提出了一种不规则星座图映射方法,用于将映射到c*。
对于2m-QAM调制,有限的星座点集合通过格雷编码排序并初始与2m-QAM的星座点一致,被分为实轴和虚轴的坐标wr和wi,每个轴的长度为2m。
可训练的实部和虚部参数集wr和wi可以调整,以更好地匹配码字分布,为优化极化编码调制系统的误比特率分配适当的距离分布,同时对系统复杂度的影响较小。
为了在参数训练过程中保持连续的梯度,从到c*的不规则星座点映射表示如下:
图4和图5展示了16进制调制下,神经网络训练后规则与不规则星座映射方案的星座点分布。通过对比可以看出,不规则的星座映射方案中的星座点呈现出更灵活多样的分布特点,这有助于调整星座点以适应特定信道条件和码字分布,来改善误比特率性能。
图5和图6给出了神经网络优化星座图映射方案(16进制调制)和传统的16-QAM星座图映射方案(结合10次最大迭代的置信度传播译码)的误比特率性能对比。其中极化码长度为258和1024,码率为1/4、1/2和3/4,应用于加性高斯白信道,定义交叉熵函数作为损失函数来评估译码性能。如图5和图6所示,神经网络优化的星座图映射方案提高了16进制调制下极化编码调制系统的误比特率性能。这些方案超越了传统的QAM映射,在较低的码率和信噪比值下提供了更大的性能增益。特别是不规则星座映射方案,具体而言,在长度为256,码率为1/4的情况下,相比传统QAM方案获得了约2dB的性能提升。这些性能提升得益于星座点的动态优化,适应不同的信噪比条件和码字分布。总体而言,基于神经网络的方法比传统的均匀QAM星座图映射提供了显著的改进。
Claims (4)
1.一种神经网络优化的极化编码调制方案,包括:
采用极化码对信源比特进行编码;
在调制阶段,通过调制星座点对极化码码字进行调制映射和接收序列解调;
采用置信度传播译码算法进行极化码译码。
2.根据权利要求1所述的极化码编码调制系统,其中所述调制映射进一步包括可选两种不同的星座点映射方法:
为16进制调制设计的规则星座映射方案;
为2m进制调制设计的不规则星座映射方案;
其中,所述映射方案包含在反向传播过程中使用能保持梯度的连续操作,以便神经网络调整星座点来优化误比特率。
3.根据权利要求2所述的星座映射方法,其中所述的规则星座映射方案进一步包括:
将极化编码的码字子集映射到星座点上;
利用可训练的缩放参数调整星座点分布,以优化极化编码调制系统的性能。
4.根据权利要求2所述的星座映射方法,其中所述的不规则星座映射方案进一步包括:
使用可调整的星座点坐标的实数和虚数参数集,以适应不同信噪比条件和码字分布;
利用神经网络优化星座点坐标的实数和虚数参数集,以提升极化编码调制系统的比特错误率性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311821828.9A CN117749326A (zh) | 2023-12-27 | 2023-12-27 | 一种神经网络优化的极化编码调制方案 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311821828.9A CN117749326A (zh) | 2023-12-27 | 2023-12-27 | 一种神经网络优化的极化编码调制方案 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117749326A true CN117749326A (zh) | 2024-03-22 |
Family
ID=90259162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311821828.9A Pending CN117749326A (zh) | 2023-12-27 | 2023-12-27 | 一种神经网络优化的极化编码调制方案 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117749326A (zh) |
-
2023
- 2023-12-27 CN CN202311821828.9A patent/CN117749326A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3369226B1 (en) | Method and receiver for decoding symbol transmitted over channel | |
EP3518485B1 (en) | Method and apparatus for signaling with capacity optimized constellations | |
CN109076039B (zh) | 使用多维非均匀星座的编码和调制装置 | |
CN112600568B (zh) | 结合非标准6阶调制与ldpc码的编码调制传输方法 | |
US6279132B1 (en) | Concatenated error control method and system for a processing satellite uplink | |
CN110061803B (zh) | 一种低复杂度的极化码比特交织编码调制方法 | |
Seidl et al. | Aspects of polar-coded modulation | |
CN110519191A (zh) | 一种时频二维压缩的高谱效单载波通信方法 | |
WO2021078397A1 (en) | An apparatus for multi-level encoding | |
CN101262307B (zh) | 一种含有星座图旋转调制方式的串行级联编译码系统 | |
CN113067676B (zh) | 极化码高阶调制系统中一种新颖的比特映射方法 | |
CN103516465A (zh) | 编码调制和解调译码方法、装置及系统 | |
CN109361637B (zh) | 用于高维信号传输的正交空间编码调制系统及方法 | |
CN108306714B (zh) | 一种高阶调制下lt码解调译码方法 | |
Savin | Non-binary polar codes for spread-spectrum modulations | |
US11212158B2 (en) | Coding and modulation apparatus using multi-dimensional non-uniform constellation | |
İşcan et al. | Probabilistically shaped multi-level coding with polar codes for fading channels | |
CN117749326A (zh) | 一种神经网络优化的极化编码调制方案 | |
US20240073066A1 (en) | Devices and methods for a dirty paper coding scheme | |
Jacobsen et al. | Coded noncoherent communication with amplitude/phase modulation: from Shannon theory to practical architectures | |
CN113141232B (zh) | 基于16QAM调制的无速率IoT上行传输系统及方法 | |
Cheng et al. | Joint source-channel coded multidimensional modulation for variable-length codes | |
Priya et al. | A Trellis-Coded Modulation scheme with 32-dimensional constant envelope Q 2 PSK constellation | |
Nandal et al. | Optimal signal mapping scheme for MIMO-BICM-ID transmission over the different fading channel using whale algorithm | |
Rotopanescu et al. | Soft estimates for doubly iterative decoding of space-time turbo codes using M-ary Quadrature Amplitude Modulation |
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 |