分组马尔可夫叠加传输的神经网络译码
Neural network decoding of the block Markov superposition transmission作者机构:中山大学电子与通信工程学院广东广州510006 中山大学数据科学与计算机学院广东广州510006 中山大学广东省信息安全重点实验室广东广州510006 中山大学电子与信息工程学院广东广州5100063
出 版 物:《通信学报》 (Journal on Communications)
年 卷 期:2020年第41卷第9期
页 面:202-209页
核心收录:
学科分类:0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术(可授工学、理学学位)] 0839[工学-网络空间安全] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(No.61971454,No.61671486) 广东省基础与应用基础研究基金资助项目(No.2020A1515010687) 广东省自然科学基金资助项目(No.2016A030308008)
主 题:分组马尔可夫叠加传输 精灵辅助下界 神经网络 滑窗译码
摘 要:研究了分组马尔可夫叠加传输的神经网络(NN)译码方案。利用NN,实现了不同网络结构、数据表征形式的基本码译码器。在此基础上,将所实现的基本码译码器嵌入迭代译码机制中,提出了基于NN的分组马尔可夫叠加传输的滑窗译码算法,并分析了其对应的性能下界。所提出的译码算法提供了一种将NN运用到长码译码的解决思路,即用NN替代译码中的部分模块。仿真结果表明,利用NN实现的基本码译码器可以达到最大似然译码性能。基于NN的分组马尔可夫叠加传输的滑窗译码算法性能在中高信噪比区域与对应精灵辅助下界贴合,获得了额外的编码增益。