改进的循环神经网络极化码BP译码算法
近年来，新兴的深度学习（DL）技术在译码领域取得了进展，目前提出的极化码神经网络译码器有着比置信传播（BP）译码更快的收敛速度和更好的误码率（BER）性能，但其仍存在运算复杂度高的问题。文章针对该问题，在迭代过程中采用改进信息更新这个思路，提出了一种改进左信息更新的循环神经网络（RNN）偏移最小和（OMS）近似BP（RNN-OMS-BP-L）译码算法。仿真结果表明，文章所提算法相比于深度神经网络（DNN）BP（DNN-BP）译码算法，使用6.25%的加法运算代价替换了全部的乘法运算；相比于目前较优的RNN OMS近似BP（RNN-OMS-BP）译码算法，在确保BER性能几乎无损失的条件下，文章...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
《光通信研究》编辑部
2022-01-01
|
| Series: | Guangtongxin yanjiu |
| Subjects: | |
| Online Access: | http://www.gtxyj.com.cn/thesisDetails#10.13756/j.gtxyj.2022.04.004 |