[发明专利]一种NN-BP译码算法下基于遗传算法的极化码构造方法

权利要求书

1.一种NN-BP译码算法下基于遗传算法的极化码构造方法，其特征在于：具体步骤如下：

生成NN-BP译码器的训练数据和测试数据；建立、训练并测试NN-BP；初始化种群P_init；通过引入交叉条件机制和新的轮盘赌选择法计算公式，改进遗传算法；根据改进的遗传算法，寻找NN-BP译码算法下的最优极化码构造；对比得到的最优极化码构造和传统构造方法得到的极化码构造。

2.根据权利要求1所述的方法，其特征在于：建立、训练并测试NN-BP译码器，包括：

根据极化码因子图的展开和极化码的置信传播译码算法来建立NN-BP译码器；

在一个完整的信道编码系统上进行NN-BP译码器的训练和测试，信道编码系统全部基于深度神经网络实现，它由输入层、极化码编码层、BPSK调制层、AWGN信道层、NN-BP译码器层和输出层(Sigmoid层)组成。

3.根据权利要求1所述的方法，其特征在于：初始化种群P_init，包括：

根据给定的码长N，码率R，信噪比SNR，从{1,2,...,N}中随机地选择索引构建相应的信息位集，根据信息位集可得到极化码构造，NN-BP译码器对极化码构造进行译码，并返回相应的BER；

将BER视作个体的适应度函数，BER越小表示该个体的适应度越高；

根据BER的降序排列，选择出S个BER最小的个体A_i作为初始化种群P_init，S应足够大，以包含更多好的极化码构造，增大遗传空间。

4.根据权利要求3所述的方法，其特征在于：NN-BP译码器对极化码构造进行译码，并返回相应的BER，包括：

译码操作在基于深度神经网络的信道编码系统内进行，如权利要求2所述。

5.根据权利要求1所述的方法，其特征在于：通过引入交叉条件机制和新的轮盘赌选择计算公式，改进遗传算法，包括：

采用轮盘赌选择法选择出适应度好的个体作为父代，进行交叉和变异；

如果父代相同，则跳过交叉步骤，直接进入变异操作；

如果父代不同，则进入交叉操作，不同于单点交叉或多点交叉，子代首先继承父代中相同的基因，剩余位置随机赋值0或1，直至满足码率R的要求。

6.根据权利要求5所述的方法，其特征在于：采用轮盘赌选择法选择适应度好的个体作为父代，进行交叉和变异，包括：

轮盘赌选择法中，个体的适应度值越大，其被选择到的概率就越高，反之亦然；

本发明将BER视作个体的适应度函数，BER越小表示该个体的适应度值越大；

不同于通用的轮盘赌选择法中的概率计算公式，为了选出BER最小的个体，本发明中的概率计算为

7.根据权利要求5所述的方法，其特征在于：如果父代相同，则跳过交叉步骤，直接进入变异操作，包括：

本发明采用二进制变异，随机选择基因点进行0和1的转换；

考虑到本发明的基因长度在64、128、526、1024，选取2的倍数次变异；

选择一个信息位变异为冻结位，再从剩余的冻结位中选择一个冻结位进行变异，以保证极化码的码率不变。