利用LSTM网络学习翻转极化码连续消除译码
信息论
2019-02-26 v2 机器学习
math.IT
摘要
极化码连续消除（SC）翻转译码的关键在于准确识别首个错误比特。由于缺乏解析解，最优翻转策略被认为难以求得。作为替代，我们提出了一种深度学习辅助的SC翻转算法。具体而言，在每次SC译码尝试之前，利用长短期记忆（LSTM）网络来执行以下之一：(i) 定位首个错误比特，或 (ii) 撤销先前的“错误”翻转。在每次SC尝试中，利用前一次SC尝试中得到的对数似然比（LLRs）序列来决定采取何种动作。相应地，提出了LSTM网络的两阶段训练方法：第一阶段学习定位首个错误比特，第二阶段学习撤销“错误”翻转。仿真结果表明，所提方法比现有最优的SC翻转算法更准确地识别错误比特，并取得更优性能。
引用
@article{arxiv.1902.08394,
title = {Learning to Flip Successive Cancellation Decoding of Polar Codes with LSTM Networks},
author = {Xianbin Wang and Huazi Zhang and Rong Li and Lingchen Huang and Shengchen Dai and Yourui Huangfu and Jun Wang},
journal= {arXiv preprint arXiv:1902.08394},
year = {2019}
}
备注
5 pages, 7 figures