一种用于极化调整卷积（PAC）码速率构造的改进 Q-Learning 算法
信息论
2024-10-28 v2 机器学习
math.IT
摘要
本文提出一种基于强化学习的算法，用于 Arikan 极化辅助卷积（PAC）码的速率构造。该方法可用于连续抵消列表（SCL）译码和卷积预编码多项式下的任意码长、码率和列表大小。据我们所知，我们首次提出了一组新的奖励和更新策略，帮助强化学习智能体发现比现有文献中好得多的速率构造。仿真结果表明，与现有速率构造设计在各种列表长度下构造的 PAC 码相比，用所提算法构造的 PAC 码在帧擦除率（FER）方面表现更优。进一步，以 (64, 32) PAC 码为例，表明卷积预编码多项式的选择会对 PAC 码的速率构造产生显著影响。
引用
@article{arxiv.2110.01563,
title = {A Modified Q-Learning Algorithm for Rate-Profiling of Polarization Adjusted Convolutional (PAC) Codes},
author = {Samir Kumar Mishra and Digvijay Katyal and Sarvesha Anegundi Ganapathi},
journal= {arXiv preprint arXiv:2110.01563},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2011.04930 This work has been submitted to the IEEE for possible publication