融合特征提取与恢复机制的SCUNet瑞利衰落信道译码算法

来源：电子与信息学报杂志2026年第5期北京时间：

作者：王磊军, 王宽, 谢晋发, 彭栖栋, 黎嘉文, 陈荣军

单位：广东技术师范大学计算机科学学院 广州 510665

摘要：人工智能的快速发展为无线通信系统性能的优化和提升提供了新思路。针对瑞利衰落信道下常规深度神经网络(DNN)译码算法性能受限的问题，该文提出一种融合特征提取与恢复机制的SCUNet译码算法，记为SCUNetDec。该网络设计中融入了数据预处理、特征提取与恢复以及噪声水平图3方面机制：首先通过升维操作将一维信号映射为二维特征图，以挖掘更丰富的结构信息；继而利用特征提取与恢复模块削弱维度转换中产生的不相关干扰，从而提升译码效果；同时引入噪声水平图，使网络能够更敏锐地感知和建模信噪比的变化，进一步增强在复杂信道环境下的适应能力。仿真结果表明，SCUNetDec在瑞利衰落信道下的误码性能优于常规神经网络译码方法，接近传统最优译码算法，且同时具备更快的译码速度。

关键词：智能译码, SCUNet, 特征提取, 短码, 瑞利衰落信道

基金资助：广东省重点学科建设项目(2022ZDJS015, 2025ZDJS023)，广东技术师范大学博士点建设单位科研能力提升项目(22GPNUZDJS17)，广东技术师范大学研究生教育示范基地项目(2023YJSY04002)，广州市科技计划(2024B03J1361, 2023B03J1327)