基于时间卷积网络的极化码译码算法

来源：计算机技术与发展杂志2022年第03期北京时间：

作者：李硕;王友国*;柴允;任珈仪

单位：1. 南京邮电大学 通信与信息工程学院,江苏 南京 210003;2. 南京邮电大学 理学院,江苏 南京 210023

摘要：针对传统的极化码译码(SC 译码) 算法实际应用中的用时较长和容错率较差的问题,提出并使用新型人工神经网络——时间卷积网络 ( temporal convolutional network, TCN)? 拟合的方式搭建极化码译码模型。 与其他人工神经网络不同的是, 时间卷积网络属于卷积神经网络( convolutional neural network,CNN) ,和循环神经网络( recurrent neural network,RNN) 的功能相似,其独有的膨胀因果卷积结构和残差链接方法使其擅于分析时间数据,比长短期记忆网络( long short-term memory, LSTM) 、门控循环神经网络( gated recurrent units,GRU) 之类的规范循环网络更准确、更简单、更清晰,比较适合极化码这样的时间序列。 通过调试网络模型参数的方式,对时间卷积网络译码性能影响进行了研究,仿真结果显示,通过合理地调整训练序列数、卷积核的大小和数目可以实现提升极化码译码性能的要求。

关键词：极化码;SC 译码;时间卷积网络;膨胀因果卷积;残差链接