CommUnet：用于通信中卷积码解码的 U-net 解码器
信号处理
2020-04-22 v1
摘要
近年来，深度神经网络在解决二维图像处理中的各种挑战方面发挥了重要作用。诸如U-net之类的全卷积网络（FCN）已被证明在医学图像分析的分割任务和暗光环境下所拍摄图像的去噪方面极为成功。本文将这一知名深度神经网络用于信道解码挑战，该任务近期已被证明适合深度神经网络。先前工作已使用不同架构（如循环神经网络（RNN）和全连接神经网络（FCNN））成功解码卷积码，并取得有前景的结果。然而，这些方法在延迟、计算资源和内存方面代价极高。本文表明，采用二维图像处理的方法，通过在预处理阶段对数据进行简单处理，可在误码率（BER）度量上取得更好结果，并大幅降低维持神经解码器所需的延迟与参数数量。
引用
@article{arxiv.2004.10057,
title = {CommUnet: U-net decoder for convolutional codes in communication},
author = {Noam Katz},
journal= {arXiv preprint arXiv:2004.10057},
year = {2020}
}