[发明专利]基于神经网络的译码有效性检测方法及介质

说明书

本发明公开了一种基于神经网络的译码有效性检测方法及介质，属于纠错编码领域，方法包括：接收调制符号序列并进行解调，得到解调序列x，对解调序列x进行译码，得到译码码字c；将译码码字c映射为双极性序列，得到映射序列并计算映射序列与解调序列x之间的距离d；将解调序列x和距离d输入预置的神经网络，或者从所述解调序列x的绝对值序列x^*和距离d中提取特征参数向量β输入神经网络，得到UER_e；根据UER_e与预设UER阈值之间的大小关系，判断译码码字c是否为有效译码码字。利用神经网络实现译码算法中的卷积运算，加快处理速度，减少处理时间，降低通信延时，在高可靠低延时场景中具有重要应用前景。

技术领域

本发明属于纠错编码领域，更具体地，涉及一种基于神经网络的译码有效性检测方法及介质。

背景技术

漏检测错误率(Undetected Error Rate，UER)是指译码所得到的满足编码校验关系的译码码字为错误码字或虚假码字，但却被接纳为正确码字的比率，UER是保障译码有效性的关键指标。现代通信系统主要利用检错编码检测译码码字是否有效，从而控制纠错编码的UER。例如利用循环冗余校验(Cyclic Redundancy Check)码控制纠错编码的UER，CRC码的检错能力取决于CRC比特数量。在编码码长比较短的情况下，采用大量的CRC比特控制通信系统的UER，这会造成显著的资源开销，不利于提升编码效率和纠错性能。此外，采用检错编码控制通信系统UER时，校验比特数量一旦固定，则通信系统的UER将处于固定水平。当需要调整通信系统的UER水平时，必须重新设计通信系统，尤其是需要再次设计检错编码。在一些通信场景下，需要根据环境条件灵活改变译码UER，现有的检错编码无法适用于这些应用场景。

现有技术中，例如专利CN109936375A通过评估译码码字与接收序列的距离在码字空间中所有双极性序列中的排名，根据系统的UER要求和P判决译码码字是否为有效译码码字，以实现对译码漏检错误率的控制。这种方案不仅可以实现对漏检错误率的控制，还可以灵活调整通信系统的UER阈值，有效地解决了检错编码存在的问题。

虽然上述方案可以灵活控制译码漏检错误率，但其获取译码码字排名的计算量较大，具体表现在算法执行流程中需要不断迭代求解分布序列B_n。当编码码字长度为N时，要迭代获取N个分布序列B_n，其中，1≤n≤N。B_n由B_n-1、B_n-2、…和B₁等n-1个分布序列参与卷积运算而得。例如，当码长N大于2且为奇数时，需要进行N(N-1)/2次卷积运算。码长比较短时，此算法的计算复杂度尚可接受，但是对译码算法而言，当码长比较长时，此算法计算急剧增加，其计算复杂度将不可忍受。对于通信延时存在严格约束的场景，例如5G中高可靠低时延场景，此算法将受到限制。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于神经网络的译码有效性检测方法及介质，其目的在于解决高可靠低延时通信场景中面临的译码有效性检测计算复杂度高的问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于神经网络的译码有效性检测方法，包括：S1，接收调制符号序列并进行解调，得到解调序列x，对所述解调序列x进行译码，得到译码码字c；S2，将所述译码码字映射为双极性序列，得到映射序列并计算所述映射序列与所述解调序列x之间的距离d；S3，将所述解调序列x和所述距离d输入预置的神经网络，得到UER_e；S4，根据UER_e与预设UER阈值之间的大小关系，判断所述译码码字是否为有效译码码字。

更进一步地，所述S3在于将所述解调序列x的绝对值序列x^*和所述距离d输入预置的神经网络，得到UER_e。