[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

说明书

本发明涉及5G移动通信中的信道编译码技术领域，特别是涉及一种NN‑BP译码算法下基于遗传算法的极化码构造方法，具体步骤如下：S1：生成NN‑BP译码器的训练数据和测试数据；S2：建立、训练并测试NN‑BP译码器；S3：初始化种群；S4：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；S5：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；S6：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。此方法提供一种NN‑BP译码算法下的基于遗传算法的极化码构造方法，相对于传统的极化码构造方法，本发明得到的极化码在NN‑BP译码算法下的纠错性能更优，本发明对探索适用NN‑BP译码算法的极化码构造方法研究具有重要意义。

技术领域

本发明涉及5G移动通信中的信道编译码技术领域，特别是涉及一种NN-BP译码算法下基于遗传算法的极化码构造方法。

背景技术

信道编码技术通过设计出纠错性能优良、时延低和复杂度低的编码方案和译码方案去提升无线通信系统的可靠性。极化码作为目前唯一一种可达信道容量的新型信道编码方案，自“诞生”起就深受学界和工业界的关注和研究，现已成为5G eMBB场景下控制信道的编码方案。极化码基于信道极化现象而产生，是一种信道专属编码。

为使极化码能有更好的应用前景，就需要确保极化码的码字构造和译码算法的优良性。极化码构造聚焦于如何使用更加精确的方法选出信道质量好的极化信道用于传输信息比特，而信道质量不好的信道用于传输无关紧要的冻结比特(一般为0或收发端已知的比特)，将信息比特和冻结比特合并成完整的传输消息序列。对比极化码和其他码的编码方案，正是多出的选择信息位这一步骤使得极化码可以达到香农限的基础。特别是码长为有限长时，极化码的性能依赖于其构造。极化码译码算法最初采用的是串行消除(SC)译码算法，由于SC译码算法的译码性能并不理想，研究者们提出了置信度传播(BP)译码算法、串行消除列表(SCL)译码算法、模型驱动神经网络(NN-BP)译码算法等。

Arikan在提出极化码时使用的巴特查理亚参数法、后续改进的Tal-Vardy构造法、高斯近似(GA)法等仅适用于最初的SC译码算法，而对于其他的改进译码算法则不再适用。在使用BP、SCL、NN-BP译码算法时，上述极化码构造方法所得的极化码不是最优的，也就是不具备最优的纠错性能。因此，本发明提出了一种NN-BP译码算法下的基于遗传算法的最优极化码构造方法。

发明内容

现有的通用极化码码字结构是面向SC译码算法设计的，其构造过程中仅考虑到了SC译码算法的序列译码特性，未考虑到非SC译码算法的译码特性，如BP译码算法的迭代译码、SCL译码算法的列表译码特性和NN-BP译码算法的并行译码特性，实验结果表明现有极化码码字在非SC类译码算法下的纠错性能不是最优的。

本文考虑通过码字结构不断进化的形式，将误码率(Bit errorrate，BER)最小化作为码字最优的标准，探索非SC译码算法下的最优极化码码字结构。以现有的纠错性能优良极化码码字为基础，建立码字的生成-评估系统，运用进化算法结合非SC译码算法对码字结构进行优化，得到非SC译码算法下的最优极化码码字结构。同时在文中对所提方法进行模拟、仿真，验证方法的收敛性。此外，为节省计算资源，用同父异母上的变异取代交叉操作；引入新的交叉定义，以获得更高的遗传力，提高纠错性能。

本发明的目的在于提供一种NN-BP译码算法下基于遗传算法的极化码构造方法，以解决目前无适用于NN-BP译码算法的极化码构造的问题。

为实现上述目的，本发明采用以下技术方案：

发明NN-BP译码算法下的基于遗传算法的最优极化码构造方法，具体步骤如下：

S1：生成NN-BP译码器的训练数据和测试数据；

S2：建立、训练并测试NN-BP译码器；

S3：初始化种群P_init。