基于强化学习的极坐标码通用序列设计
机器学习
2026-01-29 v1
摘要
为推进6G应用中的极坐标码设计，本文开发了一种基于强化学习的通用序列设计框架，该框架可扩展且适应多样化的信道条件和解码策略。关键在于该方法可扩展至2048的长度，适用于标准化。我们的方法在5G中支持的所有(N,K)配置下，均相对于5G中采用的NR序列表现出竞争力， 在N=2048时，相对于beta-expansion基线可实现最高0.2 dB的增益。我们进一步指出实现大规模学习的关键要素：(i) 纳入以极坐标码通用部分序性质为约束的物理规律学习，(ii) 利用决策长期影响较弱的特性限制前瞻评估，以及(iii) 联合多配置优化以提高学习效率。
引用
@article{arxiv.2601.20118,
title = {A Reinforcement Learning Based Universal Sequence Design for Polar Codes},
author = {David Kin Wai Ho and Arman Fazeli and Mohamad M. Mansour and Louay M. A. Jalloul},
journal= {arXiv preprint arXiv:2601.20118},
year = {2026}
}
备注
8 pages, 4 figures, ICML2026