[发明专利]一种基于深度学习的极化码SSCL算法译码器在审
| 申请号： | 201910505532.3 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110138390A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 王秀敏;何金隆;单良;洪波 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | H03M13/13 | 分类号： | H03M13/13;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙江省杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 计算模块 译码器 译码延迟 神经网络 极化 码译码器 实验计算 译码时延 译码延时 低时延 原有的 码长 码率 算法 译码 学习 保留 | ||
【权利要求书】：
1.一种改进的深度神经网络(deep neural network，DNN)与SCL结合的极化码的译码器，该装置包含5个模块，正常SCL计算模块、Rate-0计算模块、Rep计算模块、Rate-1计算模块和普通节点的DNN计算模块，在SCL译码过程中使用树型译码方式，从根节点到中间某层使用正常SCL计算，再在该层对码字进行分类，引入了4种计算，达到提前译出码字，停止剩下的树搜索的目的。
2.根据权利要求1所述译码器的DNN计算模块的训练方法需要涉及到深度神经网络的训练集提取。其中深度神经网络的训练集提取是有一定要求的，由于深度神经网络在极化码译码方面上的局限性，DNN在训练极化码的译码过程中需要使用包含所有编码情况的训练集来进行训练，所以当极化码的码长太长时，训练是很难进行的，所消耗的资源是巨大的。故本发明的训练集是提取倒数第k层的普通节点的LLR值向量作为DNN网络的输入，DNN网络的输出样本选择SCL译码树对应该节点的正确译码向量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910505532.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种多路内插时域交织电流源开关的数模转换器
- 下一篇：发射功率控制方法及装置
- 同类专利
- 专利分类
