基于时间卷积网络的极化码译码算法

作者：李硕; 王友国^*; 柴允; 任珈仪

来源：计算机技术与发展, 2022, 32(03): 54-58.

• 极化码
• SC译码
• 时间卷积网络
• 膨胀因果卷积
• 残差链接

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。

• 单位
  通信与信息工程学院; 南京邮电大学