[发明专利]一种深度学习辅助的Polar码共享权重残差BP译码方法

权利要求书

1.一种深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的方法包括步骤如下：

将BP网络因子图展开后，BP网络中每层节点在所有迭代期间共享两个可训练的权重l_i和权重r_i，其中，权重l_i表示从右到左更新软信息时每层节点共享的可训练权重，r_i表示从左到右更新软信息时每层节点共享的可训练权重；

每条残差边在不同迭代期间共享一个残差系数β；

在为每层节点分配好权重后，除首次迭代之外，每次迭代更新所得的软信息为本次迭代更新所得的软信息的(1-β)部分与上次迭代所得的软信息的β部分之和；

迭代结束后，得到译码结果。

2.根据权利要求1所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：根据码字和信道条件初始化软信息和

式中，表示软信息的初始值；n表示在因子图中的层数，j表示节点在该层的位置，y_j表示码字的第j个比特，σ表示高斯白噪声的标准差。

3.根据权利要求1所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的首次迭代按传统NBP方式进行迭代。

4.根据权利要求3所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：具体地，首次迭代基于软信息的初始值做一次从右到左和从左到右的更新，不加入残差，得到各节点的软信息和

5.根据权利要求3所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：迭代结束的条件为当迭代次数达到最大迭代次数T后，结束迭代，并把码字的冻结比特位置为0，信息比特位根据判决，由此得到译码结果y_j；

式中，表示达到最大迭代次数时，因子图中第一层里第j个节点的从右到左传播的软信息LLR值。

6.根据权利要求3所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的权重β通过深度学习训练得到。

7.根据权利要求6所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：所述的Polar码共享权重残差BP译码方法构成译码模型，对译码模型进行如下训练：

先通过高斯近似法得到码字的信息比特和冻结比特位置，信息比特随机置为0或1，冻结比特置为0；

随后对码字进行Polar码编码和BPSK调制，再通过AWGN信道，得到训练数据；

将训练数据输入译码模型进行训练，训练时选用激活函数将输出的软信息映射到0和1之间，通过交叉熵损失函数与输入码字计算损失；

然后通过SGD优化器来优化可训练参数，训练直到损失收敛，得到训练好的译码模型。

8.根据权利要求7所述的深度学习辅助的Polar码共享权重残差BP译码方法，其特征在于：为了让训练得到的译码模型能在不同信噪比的信道下工作，对每一信噪比均匀生成训练数据。

9.一种译码器，其特征在于：所述的译码器实现的译码方法如权利要求1～8任一项所述的深度学习辅助的Polar码共享权重残差BP译码方法。

10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时，实现如权利要求1～8任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时，实现如权利要求1～8任一项所述的方法的步骤。