[发明专利]基于深度强化学习的极化码增量冗余混合重传方法和装置在审
| 申请号： | 202011074287.4 | 申请日： | 2020-10-09 |
| 公开（公告）号： | CN112332862A | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 丘耿鑫;雷鸣;赵民建;赵明敏 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | H03M13/13 | 分类号： | H03M13/13 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张大威 |
| 地址： | 310027*** | 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： | 本发明提出一种基于深度强化学习的极化码增量冗余混合重传方法和装置，方法包括：确定极化码的增量冗余混合重传方式；根据增量冗余混合重传方式，建立马尔科夫决策过程模型；根据马尔科夫决策过程模型，对增量冗余比特数优化问题进行描述，其中，将增量冗余比特数优化问题描述为最小化每次重传的冗余比特数；采用深度确定性策略梯度方法，构建神经网络并进行学习，以解决增量冗余比特数优化问题，得到优化后的每次重传的冗余比特数；利用优化后的每次重传的冗余比特数，采用极化码的增量冗余混合重传方式，进行极化码的增量冗余混合重传。可以准确的根据信道条件采取最优的冗余比特数进行重传，以减少传输的数据量，提高通信系统的数据吞吐率。 | ||
| 搜索关键词： | 基于 深度 强化 学习 极化 增量 冗余 混合 方法 装置 | ||
【主权项】：
暂无信息
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浙江大学，未经浙江大学许可，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/patent/202011074287.4/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
