一种基于循环神经网络的极化码BP译码算法
来源：计算机工程杂志2022年第1期北京时间：
作者：何彦琦, 彭大芹, 赵雪志
单位：1. 重庆邮电大学 通信与信息工程学院, 重庆 400065;2. 重庆邮电大学 电子信息与网络工程研究院, 重庆 400065
摘要：置信传播（BP）算法作为极化码最常用的软判决输出译码算法之一，具有并行传输、高吞吐量等优点，但其存在收敛较慢、运算复杂度高等缺陷。提出一种基于循环神经网络的偏移最小和近似置信传播译码算法。通过偏移最小和近似算法替代乘法运算，修改迭代过程中的消息更新策略，并运用改进的循环神经网络架构实现参数共享。仿真结果表明，相比传统BP译码算法，该译码算法在提升误码率（BER）性能的前提下，减少约75%的加法运算且收敛速度大幅提升，相比基于深度神经网络的BP译码算法，该算法在确保BER性能无显著下降的前提下，使用加法运算替代乘法运算，节省了约80%的存储空间开销。
关键词：极化码,置信传播,循环神经网络,偏移最小和,运算复杂度
基金资助：国家自然科学基金“基于SIW圆极化赋形阵列的毫米波可重构切换波束天线研究”（E020B2018023）。
