[发明专利]一种基于深度学习的极化码SSCL算法译码器在审
| 申请号： | 201910505532.3 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110138390A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 王秀敏;何金隆;单良;洪波 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | H03M13/13 | 分类号： | H03M13/13;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙江省杭*** | 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： | 本发明提供了一种与深度学习结合的低时延极化码译码器，特别是相比于简化的连续取消列表(Simplified Successive Cancellation List，SSCL)译码器具有更少的计算次数。该装置包含5个模块，分别是正常SCL计算模块、Rate‑0计算模块、Rep计算模块、Rate‑1计算模块和普通节点的DNN计算模块。这种与深度神经网络结合的SSCL译码器除了保留原有的Rate‑0、Rate‑1和Rep节点的低译码延迟特性外，还用深度神经网络对普通节点译码来降低译码时延，最后达到降低整体译码延时的目的。实验计算得出，当码长为64、码率为1/2时，本发明的译码延迟比SSCL的译码延迟降低约27％。 | ||
| 搜索关键词： | 计算模块 译码器 译码延迟 神经网络 极化 码译码器 实验计算 译码时延 译码延时 低时延 原有的 码长 码率 算法 译码 学习 保留 | ||
【主权项】：
1.一种改进的深度神经网络(deep neural network，DNN)与SCL结合的极化码的译码器，该装置包含5个模块，正常SCL计算模块、Rate‑0计算模块、Rep计算模块、Rate‑1计算模块和普通节点的DNN计算模块，在SCL译码过程中使用树型译码方式，从根节点到中间某层使用正常SCL计算，再在该层对码字进行分类，引入了4种计算，达到提前译出码字，停止剩下的树搜索的目的。
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中国计量大学，未经中国计量大学许可，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/201910505532.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种多路内插时域交织电流源开关的数模转换器
- 下一篇：发射功率控制方法及装置
- 同类专利
- 专利分类
