[发明专利]模拟退火算法修正的极化码串行抵消译码算法

说明书

本发明公开了一种模拟退火算法修正的极化码串行抵消译码算法，具体技术方案为：首先按照帧为单位执行SC译码，将译码结果进行CRC检测，如果检测通过，则开始译下一帧，否则，交给模拟退火算法进行修正；模拟退火算法对一帧中的位计算对应的初始似然值，并将信息位部分对应的似然值的绝对值按照升序排列，执行模拟退火算法；将模拟退火算法的结果进行CRC检测，检测通过，则开始译下一帧，否则宣告译码失败。本发明增强极化码在短码时的纠错能力，提高其可靠性并保持较低的译码时延。

技术领域

本发明属于通信技术领域，涉及一种模拟退火算法修正的极化码串行抵消译码算法。

背景技术

极化码(Polar Codes)是第一种能够从数学上证明其可达二元离散无记忆信道容量限的一种编码技术。由于其具有编译码都具有低复杂度，近十年来，一直成为业界的研究热点，并于2016年成功地被选作5G增强移动宽带(Enhance Mobile Broadband，eMBB)场景中控制信道的编码标准。

尽管极化码在带循环冗余检测(Cyclic Redundancy Check,CRC)且列表宽度较大的SCL(Successive Cancellation list,SCL)译码算法下的性能可达某些优化后的LDPC码的性能，但是串行机制会导致高延迟和硬件实施的高复杂度。随着物联网技术和区块链技术的发展，大量的物联设备都需要一种有效的传输机制，而且这些设备都需要低功耗、低成本、低复杂度的硬件实施。显然，SCL-CRC无法适应这种场景的需要。

当前的热点人工智能技术像自动驾驶和远程医疗，对传输的要求都是超高可靠、超低时延，因而传输的码长都是短码。而基于SC译码的各种改进算法，其在码长过短时由于信道极化效果不明显因而性能表现较差，且串行译码的机制带来的高延迟低输出都无法满足高可靠低时延等场景的需要，有待进一步优化。

置信度传播(Belief Propagation,BP)译码算法是极化码的另一个基本译码算法。该算法是一种软输出译码，且能够并行译码。相对于其他译码算法，它比SCL算法更可靠更稳定，更有利于让极化码应用在内部符号干扰的信道的turbo均衡中。然而，软判决译码算法一般是通过穷举搜索获得最优解，难以应用到解空间很大的场合。

针对上述问题，学者们将一些智能优化算法如广义最小距离译码、遗传算法、Chase-2以及神经网络等算法用于译码。其中，模拟退火算法也被用于大规模组合优化问题中去寻找合理解。因为理论上，它可以收敛到全局最优解，本发明据此将其用到极化码SC译码结果的修正过程中，以提高极化码SC译码的性能，而保持较低的译码复杂度和时延。

发明内容

本发明的目的是提供一种模拟退火算法修正的极化码串行抵消译码算法。

本发明所采用的技术方案是：

模拟退火算法修正的极化码串行抵消译码算法，包括以下步骤：

步骤1：发送端对要发送的信息序列u＝(u₀,u₁,...,u_N-1)进行极化码编码，接收端从信道中收到传输过来的序列流之后，按照帧为单位进行译码，首先对一帧y＝(y₀,y₁,...y_N-1)用SC进行译码，译码结果交给CRC进行检测，如果检测通过，则该帧译码结束，进行下一帧的译码，否则，交给模拟退火算法进行修正；

步骤2：收到该译码结果后，对y＝(y₀,y₁,...y_N-1)中的位计算对应的初始似然值并排序，执行模拟退火算法；

步骤3：将模拟退火算法的输出作为u＝(u₀,u₁,...,u_N-1)的新估值送入CRC检测器检测，如果通过，则该帧译码结束，进行下一帧的译码，否则宣告译码失败。