[发明专利]基于深度学习的PC-SCMA联合迭代检测译码方法

权利要求书

1.一种基于深度学习的PC-SCMA联合迭代检测译码方法，其特征在于，所述方法：

S1、利用SCMA的消息传递算法进行多用户检测，并在其因子图中资源节点和用户节点之间的传递路径中添加可学习权重因子表示为：

其中，表示在i次迭代过程中由用户节点u_j向资源节点r_k传递消息；表示在i次迭代过程中由资源节点向用户节点u_j传递消息；表示在i次迭代过程中资源节点向用户节点u_j的传播路径上的可学习权重因子；{ζ_j\k}表示除资源节点r_k以外与用户节点u_j相连接的所有资源节点；

S2、利用置信度传播算法进行极化码译码，并在其因子图中信息迭代中添加可通过离线学习的可学习偏移量；

S3、将多用户检测的因子图与极化码译码的因子图进行级联，并形成联合因子图；

S4、将所述联合因子图中的可学习权重因子以及可学习偏移量作为深度神经网络的隐藏层参数，并输入加扰后的信息比特值在所述深度神经网络中进行迭代更新；

S5、更新资源节点信息，并在更新完成后将资源节点信息传入联合因子图的译码部分；

资源节点信息的更新过程包括：

其中，表示在i次迭代过程中由资源节点r_k向用户节点u_j传递消息；表示高斯白噪声信道下所有码字组合的条件概率密度函数；表示预测符号值与实际传输符号值x_j一致的情况；表示在i-1次迭代过程中由用户节点u_j向资源节点r_k传递消息；{ζ_k\j}表示除用户节点u_j以外与资源节点r_k相连接的所有用户节点；

S6、将资源节点信息转换为用于译码算法的先验信息，以执行极化码译码算法的信息迭代过程；

S7、在用户节点接收到先验信息后，将更新信息传递到与其相邻的资源节点，迭代更新用户节点信息；

用户节点信息的更新过程包括：

其中，表示由用户节点u_j向资源节点r_k传递消息；表示用户节点u_j获得的先验信息；表示资源节点r_k向用户节点u_j传递的第l个SCMA符号的信息；{ζ_j\k}表示与用户节点u_j相连接的除r_k以外的所有资源节点集合；

S8、更新完资源节点信息、用户节点的先验信息以及用户节点信息后，输出估计传输符号。

2.根据权利要求1所述的一种基于深度学习的PC-SCMA联合迭代检测译码方法，其特征在于，在其因子图中信息迭代中添加可通过离线学习的可学习偏移量的过程包括在每次迭代过程所对应的深度神经网络的隐藏层中，每个阶段的因子图节点在右信息对数似然比和从左信息对数似然比的运算函数上添加偏移量，表示为：

g'(a,b,β)＝sign(a)sign(b)f_ReLU(min(|a|,|b|)-β,0)

其中，g'(a,b,β)表示信息迭代函数；sign(a)表示信号a的符号函数；sign(b)表示信号b的符号函数；f_ReLU表示深度神经网络的激活函数；β表示离线学习的可学习偏移量。

3.根据权利要求1所述的一种基于深度学习的PC-SCMA联合迭代检测译码方法，其特征在于，步骤S5中所述在更新完成后将用户节点的信息传入联合因子图的译码部分包括通过更新后的资源节点信息计算出符号外信息；将所述符号外信息转换成比特外信息，将所述比特外信息转换成对数似然比信息，并将所述对数似然比信息输入到联合因子图中对应的极化码译码部分中。