极化码的盲检测
本文提出一种针对极化码的盲检测方案,其中用户 ID 被传输替代了某些已冻结的比特。第一阶段的粗略解码可以帮助选择一个更小的子集,然后使用更强大的算法进行解码。通过引入早停准则,实现少量系统资源的同时,实现了低的漏检率和误警率以及显著的延迟优势,该方案的架构是基于可以用于两个阶段的可调解码器。
Jan, 2018
介绍了 5G 标准采用的极化码编码过程,着重探讨了极化码系列的设计、速率灵活性和低译码延迟等方面,最终得出了一个应用新编码技术提供实心通道编码的复杂架构。
Apr, 2018
本文提出一种基于深度学习的解决方案来识别包括 LDPC、卷积、Turbo 和 Polar 等编码方案的通道编码参数。该方法不需要关于通道状态或信噪比(SNR)的先前知识或估计,并能够抵抗多径衰减等通道失真,从而提高了正确检测编码参数的概率,优于类似工作的表现。
Sep, 2020
本文提出了一种基于自监督学习的无监督深度学习解码方案,其将极化码的发生矩阵作为信息标签,使神经网络充当有界距离解码器,大大提高了通信系统的实际应用性能。经计算机模拟验证,与传统编码方案相比,该方案具有更优异的泛化能力和无限接近最大后验概率解码器的数据错误率和块错误率表现。
Jul, 2023
本研究提出了一种新的极化码构建框架,其中基于遗传算法,定制化地选择某个译码算法的冻结比特位置,以适应译码行为和通道特性,并在成功地构造出匹配无 CRC 辅助 SCL 译码的长度为 2048、编码速率为 0.5 的极化码的同时,大幅减少低重量码字的总数,从而获得了相对于 CRC 辅助译码更优异的 1 dB 的编码增益。
Jan, 2019
本文提出了一种综合的极化编码解决方案,该方案集成了可靠性计算、速率匹配和奇偶校验编码,具有低复杂性实现和优秀的性能表现,可为未来优化极化编码提供基线。
Jan, 2018
本文提出一种基于 Genetic Algorithm 的新型极化码构造框架,通过演化变换不同的信息集来适应于指定的译码算法,而不是基于不一定最优的假设;使用该算法,我们构造了一种极化码,无须 CRC 辅助,达到了与 CRC 辅助 SCL 译码相同的误码率性能,同时在 $10^{-6}$ 比特误率下实现了 1dB 的编码增益。另外,我们还展示了可以通过把我们的算法应用到信念传播译码来接近 SCL 的误码率性能而不需要修改译码算法本身。
Jan, 2019
通过使用深度学习建立极化码,我们将信息 / 冻结比特索引表示为二进制向量,并通过梯度下降优化这个向量,同时考虑译码器,实现了在 AWGN 和 Rayleigh 信道上的很好表现的极化码设计。
Sep, 2019
本文提出了一种基于置信传播列表(BPL)的解码器,实现了与连续取消列表(SCL)解码器相当的性能,并且没有改变极化码的结构,是连续取消列表(SCL)解码器的一种替代方案,可用于迭代检测和译码以进一步提高性能。此外,该算法具有较低的解码延迟和高吞吐量实现的可能性,并且可以通过不同的选位冻结策略进一步增强误码率性能。
Jun, 2018
提出了一种极化码的扩展,允许一些称为动态冻结符号的冻结符号是数据相关的。 提出了一种极化码与动态冻结符号的结构,是扩展 BCH 码的子码。所提出的代码具有比经典极化码更高的最小距离,但仍可以使用逐次取消算法及其扩展有效解码。代码使用 Arikan,扩展的 BCH 和 Reed-Solomon 内核。所提出的代码被证明优于 LDPC 和 turbo 代码,以及带有 CRC 的极化码。
Nov, 2015