基于自适应先验增强的智能Turbo译码算法

来源：计算机测量与控制杂志2025年第10期北京时间：

作者：李若冰,刘丽哲,杨朔,李勇,王斌

单位：中国电子科技集团公司第五十四研究所 先进通信网全国重点实验室

摘要：针对传统Turbo信道译码算法误码率性能不足的问题,采用一种基于模型与数据双驱动的智能Turbo信道译码方法；基于传统Max-Log-MAP译码算法,将迭代过程深度展开,重构为多层级联的神经网络架构,提出自适应先验信息增强APETurbo译码网络模型,在模型中设计APENet神经子网络；该子网络采用可学习权重线性调整外部信息,并基于全连接层与非线性激活函数进一步提取非线性特征,利用可训练混合系数结合线性计算结果和非线性提取结果,构建残差连接结构,实现对先验信息的更精准估计；设计基于归一化的概率空间均方误差损失函数进行优化；仿真结果表明,在AWGN信道下,所提算法在误码率为 时比Max-Log-MAP算法误码率性能提升约0.4dB。

关键词：Turbo译码;Max-Log-MAP算法;模型与数据双驱动;神经网络;可学习权重

基金资助：先进通信网全国重点实验室基金(SXX24104X030、SCX23641X011)