CN111988045B - 一种基于遗传算法的改进的极化码scf译码器 - Google Patents

一种基于遗传算法的改进的极化码scf译码器 Download PDF

Info

Publication number
CN111988045B
CN111988045B CN202010815415.XA CN202010815415A CN111988045B CN 111988045 B CN111988045 B CN 111988045B CN 202010815415 A CN202010815415 A CN 202010815415A CN 111988045 B CN111988045 B CN 111988045B
Authority
CN
China
Prior art keywords
scf
decoder
candidate
genetic algorithm
cfps
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010815415.XA
Other languages
English (en)
Other versions
CN111988045A (zh
Inventor
王秀敏
马强强
李君�
张鸿超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN202010815415.XA priority Critical patent/CN111988045B/zh
Publication of CN111988045A publication Critical patent/CN111988045A/zh
Application granted granted Critical
Publication of CN111988045B publication Critical patent/CN111988045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
    • H03M13/13—Linear codes
    • H03M13/15—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Genetics & Genomics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Algebra (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Error Detection And Correction (AREA)

Abstract

本发明提供了一种基于遗传算法(Genetic Algorithm,GA)的改进的极化码串行消除翻转(Successive Cancellation Flip,SCF)译码器。在原始的SCF译码器的基础上，针对原始候选翻转位置集合(Candidate Flipping Positions Set,CFPS)存在冗余的问题，通过利用GA构建了一种新的CFPS。用所有非冻结位的索引构成遗传算法的初始种群，并且以高斯近似计算的信道可靠度作为每个个体的适应度。然后对种群通过不断的选择、交叉和变异操作，并且把每代的种群最优个体保存下来。最后通过统计每个种群在向量中出现的频率来获得一个新的候选翻转位置集合CFPS‑GA，并以这个新构建的候选翻转位置集合CFPS‑GA来进行SCF译码。本发明有益效果：与其它类似的SCF译码器相比，基于CFPS‑GA的SCF译码器能在保证译码性能的前提下拥有更低的计算复杂度和译码延迟。

Description

一种基于遗传算法的改进的极化码SCF译码器
技术领域
本发明属于信道编译码领域，涉及到极化码的串行消除翻转(SuccessiveCancellation Flip,SCF)译码器和人工智能技术中的遗传算法。
背景技术
极化码自从2009年由提出后就得到了广泛的关注，并且在新发布的5G通信标准中，极化码被选为eMBB场景控制信道下的编码方案。极化码还是目前唯一理论上证明能达到香农理论界限的信道编码方案。最原始的极化码译码器是串行消除(SuccessiveCancellation,SC)译码器，而且极化码正是在这种译码器下才能达到香农理论界限。可是SC译码器是一种串行译码器，如果前面比特译码发生错误，会对后面比特的译码产生影响，造成误码传播现象。为了改进SC译码器的译码性能，一种串行消除列表(SuccessiveCancellation List,SCL)译码器被提出。与SC译码器不同的是，SCL译码器在译码的时候保留至多L条译码路径，然后通过路径度量值或者循环冗余校验(Cyclic Redundancy Check,CRC)来选择最终的路径作为译码结果。SCL译码器极大的提升了极化码的译码性能，使极化码拥有与其它纠错码一样的译码性能。但是SCL译码器译码时保留了多条译码路径，这种译码特性使得SCL译码器具有较高的译码时延和计算复杂度。
为了提升SC译码器的译码性能和降低SCL译码器的复杂度，相关学者提出了一种名为SCF的译码器。在SCF译码器中，首先进行SC译码。然后对SC译码器得到的结果进行CRC校验。当SC译码得到的结果没有通过CRC校验，对所有非冻结位所对应的对数似然比的绝对值大小进行排序，然后翻转对数似然比的绝对值最小的那一位，翻转位之后的码字继续用SC译码器进行译码。Tmax表示这种尝试的最大次数。在实际通信中，信道噪声引起的错误是很少的，但是大部分错误都是由于信道噪声引起的错误造成的。而SCF译码器就是通过不断的翻转尝试来找到这些由信道噪声引起的错误，进而提升极化码的译码性能。与SC和SCL译码器相比，虽然SCF译码器在译码性能和译码复杂度之间实现了一种平衡，但是在上面提到的SCF译码算法中，候选翻转位置集合(Candidate Flipping Positions Set,CFPS)是由所有非冻结位的索引组成的。可是根据实验发现，一些子信道是非常可靠的，并不需要对这些子信道的译码比特进行翻转尝试。然后为了去减小CFPS的大小和候选翻转位置的搜索空间，有学者提出利用关键集(Critical Set,CS)来作为SCF译码器的CFPS。CS的获取方法是通过找出极化码码树中的所有rate-1节点，然后把rate-1节点的第一个非冻结位所对应的索引作为CS中的元素。基于CS的SCF译码器有效地提升了SCF译码器的译码性能，并且降低了原始SCF译码器的计算复杂度。与此同时，一些学者通过利用信道特性也提出了一种中等水平子信道(Middle-levelbit channels,MBC)集合的概念。蒙特卡洛仿真结果表明基于MBC集合的SCF译码器有与基于CS的SCF译码器一样的译码性能和计算复杂度。
发明内容
本发明针对极化码SCF译码器候选翻转位置集合存在冗余的问题，提供了一种基于遗传算法的改进的极化码SCF译码器。极化码SCF译码模块由标准SC译码模块、CRC校验模块和候选翻转位构建模块组成。并且该译码器在候选翻转位构建模块中采用了一种新的基于遗传算法的CFPS构造方法。在本发明的实现方式中，以每个非冻结位的索引作为遗传算法的个体，然后以所有非冻结位的索引构成遗传算法的初始种群。由于本发明的信道环境为加性高斯白噪声，所以本发明以高斯近似计算的信道可靠度作为每个个体的适应度。使用的选择策略为锦标赛选择。对经过选择操作后的新种群进行二进制编码，然后对新产生的种群进行交叉和变异操作，并且把每代最优的个体保存下来。当迭代结束时，统计每个非冻结位索引出现的频率，然后以那些具有非0频率的索引构成新的基于GA的CFPS。构造的具体步骤如下所示：
步骤一：利用所有非冻结位的索引初始化种群，并利用高斯近似计算每个个体的适应度。
步骤二：利用锦标赛选择策略对个体进行选择，获得选择后的新种群。
步骤三：对选择后的种群进行二进制编码，然后通过单点交叉和简单变异的策略对个体执行交叉和变异操作，并把经过变异操作后的新种群中的最优个体保存在向量path中。
步骤四：重复步骤二、三，直到迭代结束，然后获得最终的向量path，向量的大小和种群的迭代次数是相同的。
步骤五：统计每个非冻结位索引在向量path中出现的频率，然后把具有非0频率的索引放入到新的CFPS中。
利用这个新构建的CFPS进行SCF译码，通过实验仿真可以发现，基于CFPS-GA的SCF译码器能达到单比特翻转译码性能的上限。而且与其它类似的SCF译码器相比，基于CFPS-GA的SCF译码器拥有更低的计算复杂度和译码时延。
附图说明
图1为本发明SCF译码器***框图；
图2为本发明CFPS-GA构造过程流程图；
图3为本发明变异操作示意图；
图4为不同译码器在1024码长下译码平均复杂度；
图5为不同译码器在1024码长下平均译码时延。
具体实施方式
下面结合附图对本发明作进一步详细描述，以下实施例有助于对本发明的理解，是比较好的应用实例，但不应看作是对本发明的限制。
在图1中,该***框图主要由极化码编码模块、信道模块和极化码SCF译码模块组成。另外极化码SCF译码模块又由标准SC译码模块、CRC校验模块和基于遗传算法的候选翻转位构建模块组成。信道模块采用加性高斯白噪声。CRC校验模块中CRC检验位长度为16，CRC生成多项式为g(x)＝x16+x15+x2+1。候选翻转位置构建模块中采用了隶属于人工智能领域的遗传算法技术。如图2所示，因为冻结位所传输的信息对于发送端和接收端都是已知的，SC译码发生错误时翻转这些比特并不会改善译码性能，所以非冻结位的索引被用于种群的初始化。因为二进制编码是从0开始的，而索引是从1开始的，所以对个体进行二进制编码时，其二进制编码所对应的数值会比十进制的数值小1。并且是否对父代个体执行交叉操作是由交叉率决定的。因为通过交叉操作可能会产生新的索引，而这些新产生的索引可能是冻结位的索引，所以需要对产生的索引进行检验，只有那些对应非冻结位的索引的子代才能作为有效的个体。图3是变异操作的示意图，其中种群的一个个体514首先通过二进制编码转换成与它对应的二进制向量100000001。flag1表示随机产生的范围为0到1的随机数，pm表示变异率。从图3可以看出，通过变异操作，二进制向量能从1000000001突变为1000001010。
基于图2的构造流程图，码长为1024，码率为0.5，信噪比为2.5dB。种群大小和非冻结位的数量相同。因为原始的SCF译码需要对所有非冻结位的对数似然比进行排序，所以它的CFPS的大小等于非冻结位比特的数量。在同等条件下，通过遗传算法构造的CFPS-GA拥有更小的集合，这样能有效降低基于遗传算法改进的SCF译码器的译码复杂度和译码时延。
在仿真实验中，码长为1024，码率为0.5，仿真条件采用控制变量法。用SCF-GA表示基于遗传算法构建的CFPS-GA的SCF译码器，SCF-CS表示基于关键集的SCF译码器。而SCO1表示单比特翻转译码器的译码性能上限。仿真实验结果表明，在所有信噪比下，SCF-GA译码器和SCO1译码器拥有几乎一样的译码性能。并且当信噪比小于2dB时，SCF-GA译码器拥有和SCF-CS以及原始SCF译码器一样的译码性能。但是当信噪比大于2dB的时候，SCF-GA译码器能获得更好的译码性能。SCF-CS和原始的SCF译码器相比，当误帧率为10-3时，SCF-GA译码器有大约0.1dB的性能增益。在图4中，本发明用额外的翻转次数来表示平均归一化计算复杂度。随着信噪比的增加，各种SCF译码器的复杂度很快下降到与SC译码器一样的水平。由于本发明构造的CFPS-GA含有更少的非冻结位索引，所以当决定翻转位置的时候搜索空间会更小。所以从图5中可以看出，SCF-GA译码器在整个信噪比范围内都拥有更低的译码时延。
上述实施例不以任何形式限制本发明，凡采用本发明的相似结构、方法及其相似变化方式所获得的技术方案，均在本发明的保护范围。

Claims (1)

1.一种基于遗传算法的改进的极化码 SCF译码器，其特征在于：所述极化码SCF译码器包括极化码SCF译码模块，所述极化码SCF译码模块包括标准SC译码模块、CRC 校验模块和基于遗传算法的候选翻转位构建模块，所述候选翻转位构建模块通过遗传算法来进行候选翻转位的构建，包括以下步骤：
步骤一:利用所有非冻结位的索引构成遗传算法的初始群体；
步骤二:通过利用高斯近似计算每个个体的适应度，然后对个体进行选择操作，选择策略为锦标赛选择；
步骤三:对选择后的个体进行二进制编码，然后对个体进行交叉和变异操作，并且把每代最优个体保存；
步骤四:统计每个冻结位索引作为每代最优个体的次数，并用具有非0统计次数的索引构成新的候选位置集合，作为构建的最终结果。
CN202010815415.XA 2020-08-14 2020-08-14 一种基于遗传算法的改进的极化码scf译码器 Active CN111988045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010815415.XA CN111988045B (zh) 2020-08-14 2020-08-14 一种基于遗传算法的改进的极化码scf译码器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010815415.XA CN111988045B (zh) 2020-08-14 2020-08-14 一种基于遗传算法的改进的极化码scf译码器

Publications (2)

Publication Number Publication Date
CN111988045A CN111988045A (zh) 2020-11-24
CN111988045B true CN111988045B (zh) 2024-04-05

Family

ID=73434422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010815415.XA Active CN111988045B (zh) 2020-08-14 2020-08-14 一种基于遗传算法的改进的极化码scf译码器

Country Status (1)

Country Link
CN (1) CN111988045B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113098533B (zh) * 2021-03-29 2022-10-18 中山大学 基于对数似然比绝对值变化的连续消除翻转译码方法
CN113630127B (zh) * 2021-08-06 2023-09-29 网络通信与安全紫金山实验室 一种基于遗传算法的快速极化码构造方法、装置和设备
CN115622574B (zh) * 2022-12-16 2023-04-07 天地信息网络研究院(安徽)有限公司 一种基于遗传算法的极化码译码方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108566213A (zh) * 2018-04-25 2018-09-21 东南大学 极化码的串行抵消列表比特翻转译码方法
CN109660264A (zh) * 2018-12-03 2019-04-19 中国人民解放军陆军工程大学 高性能极化码译码算法
CN110995278A (zh) * 2019-12-16 2020-04-10 重庆邮电大学 一种改进极性码串行消除列表比特翻转译码方法及***
CN111416624A (zh) * 2020-03-27 2020-07-14 网络通信与安全紫金山实验室 一种极化码置信传播译码方法、设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080095259A1 (en) * 2006-10-23 2008-04-24 Dyer Justin S Pre-coding for multiple-input-multiple-output communications
US8358636B2 (en) * 2007-03-30 2013-01-22 Alcatel Lucent Methods and devices for scheduling the transmission of multicast messages in wireless local area networks
KR101856416B1 (ko) * 2017-02-28 2018-05-09 성균관대학교산학협력단 극 부호를 위한 저 복잡도 scl 복호 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108566213A (zh) * 2018-04-25 2018-09-21 东南大学 极化码的串行抵消列表比特翻转译码方法
CN109660264A (zh) * 2018-12-03 2019-04-19 中国人民解放军陆军工程大学 高性能极化码译码算法
CN110995278A (zh) * 2019-12-16 2020-04-10 重庆邮电大学 一种改进极性码串行消除列表比特翻转译码方法及***
CN111416624A (zh) * 2020-03-27 2020-07-14 网络通信与安全紫金山实验室 一种极化码置信传播译码方法、设备和存储介质

Also Published As

Publication number Publication date
CN111988045A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111988045B (zh) 一种基于遗传算法的改进的极化码scf译码器
CN108282264B (zh) 基于比特翻转串行消除列表算法的极化码译码方法
US8095863B2 (en) Low complexity decoding of low density parity check codes
CN110995278B (zh) 一种改进极性码串行消除列表比特翻转译码方法及***
CN110278002A (zh) 基于比特翻转的极化码置信传播列表译码方法
CN109347487A (zh) 基于比特冻结辅助的极化码scl译码方法
CN108847848A (zh) 一种基于信息后处理的极化码的bp译码算法
CN113162634B (zh) 一种基于比特翻转的码长自适应极化码译码方法
CN111726202B (zh) 一种极化码置信传播译码的提前终止迭代方法
CN114070331B (zh) 一种自适应串行抵消列表翻转译码方法及***
CN112713903A (zh) Scl译码器下的基于普遍偏序和遗传算法的极化码构造方法
CN113114269A (zh) 一种置信传播-信息修正译码方法
CN111130567B (zh) 添加噪声扰动和比特翻转的极化码置信传播列表译码方法
CN116614142A (zh) 一种基于bpl译码和osd译码的联合译码方法
CN113014271B (zh) 一种缩小翻转集的极化码bp译码方法
CN113556134B (zh) 适用于简化串行抵消译码的极化码删余编码器及编码方法
CN115694515A (zh) 基于关键比特的神经网络辅助极化码译码方法及装置
CN112311404B (zh) Sc译码器下的基于极化权重和遗传算法的极化码构造方法
CN113572577B (zh) 一种新型缩短极化码方法及***
TWI783727B (zh) 使用極化碼之通訊系統及其解碼方法
LU502737B1 (en) Methods and systems for data transfer via a communication channel
CN115333676B (zh) 一种适用于极化调整的卷积编码的码字构造方法
CN114039701B (zh) 一种ldpc码结合额外信息传输的编译码方法
Wang et al. An adaptive fusion successive cancellation list decoder for polar codes with cyclic redundancy check
CN118041484A (zh) 一种基于信道截止速率曲线的pac码构造方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant