基于深度神经网络的信道译码性能评估
信号处理
2018-02-01 v2 机器学习
神经与进化计算
摘要
随着第五代（5G）移动通信对高数据速率和低时延的需求，深度神经网络译码器（NND）因其一次性译码和并行计算能力而成为有前景的候选方案。本文提出三类参数规模相同的 NND，即多层感知机（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）。通过大量仿真评估了这些深度神经网络的性能。数值结果表明，RNN 具有最佳的译码性能，但代价是最高计算开销。此外，我们发现每类神经网络都存在饱和长度，这由其受限的学习能力所致。
引用
@article{arxiv.1711.00727,
title = {Performance Evaluation of Channel Decoding With Deep Neural Networks},
author = {Wei Lyu and Zhaoyang Zhang and Chunxu Jiao and Kangjian Qin and Huazi Zhang},
journal= {arXiv preprint arXiv:1711.00727},
year = {2018}
}
备注
6 pages, 11 figures, Latex; typos corrected; IEEE ICC 2018 to appear