首页|基于时间卷积网络的极化码译码算法

基于时间卷积网络的极化码译码算法

扫码查看
原文链接
  • 万方数据
  • 维普
针对传统的极化码译码(SC译码)算法实际应用中的用时较长和容错率较差的问题,提出并使用新型人工神经网络——时间卷积网络(temporal convolutional network,TCN)拟合的方式搭建极化码译码模型.与其他人工神经网络不同的是,时间卷积网络属于卷积神经网络(convolutional neural network,CNN),和循环神经网络(recurrent neural network,RNN)的功能相似,其独有的膨胀因果卷积结构和残差链接方法使其擅于分析时间数据,比长短期记忆网络(long short-term memory,LSTM)、门控循环神经网络(gated recurrent units,GRU)之类的规范循环网络更准确、更简单、更清晰,比较适合极化码这样的时间序列.通过调试网络模型参数的方式,对时间卷积网络译码性能影响进行了研究,仿真结果显示,通过合理地调整训练序列数、卷积核的大小和数目可以实现提升极化码译码性能的要求.
Polar Codes Decoding Algorithm Based on Temporal Convolutional Network

李硕、王友国、柴允、任珈仪

展开 >

南京邮电大学 通信与信息工程学院,江苏 南京 210003

南京邮电大学 理学院,江苏 南京 210023

极化码 SC译码 时间卷积网络 膨胀因果卷积 残差链接

国家自然科学基金国家自然科学基金江苏省研究生科研创新计划

6207124861179027KYCX20-0730

2022

10.3969/j.issn.1673-629X.2022.03.009

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(3)
  • 1
  • 3