极化码的低复杂度神经BP译码

作者：陶志勇; 李艳

来源：华中科技大学学报(自然科学版)科技大学, 2020, 48(10): 26-49.

DOI：10.13245/j.hust.201005

• 极化码
• 神经置信度传播
• 权重共享
• 聚类
• 量化

提出一种用于极化码的NBP(神经置信度传播)译码算法的低复杂度替代方案.首先,利用有效的聚类技术,减少权重参数的数量;然后,通过在时间上共享权重,进一步消除大量权重参数中存在的不必要冗余;最后,从均匀量化和非均匀量化两方面对浮点权重参数进行量化,进一步减少权重参数的存储需求.仿真结果和复杂度分析表明:通过在时间和空间上应用有效的权重共享策略,将权重参数量化为4位定点形式,可以减少至少80%的网络权重,并且降低了权重参数的内存消耗,大幅度压缩了NBP译码器,同时保持良好的译码性能;在高信噪比区域,对权重参数进行A律非均匀量化时译码器的译码性能较浮点权重参数译码器最高约有0.2 dB的提升.

• 单位
  辽宁工程技术大学