论文部分内容阅读
第五代移动通信技术(5G)是近年来通信领域的研究热点,学术界和产业界都在努力推进5G的发展进程。信道编码技术是无线通信领域的核心技术之一,是对抗传输干扰的重要技术手段,编码性能的好坏直接关系到网络覆盖率和用户传输速率。作为第一种在理论上证明可达香农限的信道编码方案,Polar码在2008年的国际信息论会议上由E.Arikan提出,并在2016年正式成为5G通信的短码标准,被广泛用于e MBB(Enhance Mobile Broadband)场景。然而作为一个诞生仅十余年的新型码方案,Polar码在实用化方面上还存有很大的不足。首先是对于中短码长的Polar码由于很多子信道无法达到完美信道的标准,可靠性较差。其次是基于接续消除(Successive Cancellation,SC)算法的译码方案普遍存在错误衍生的问题,极大地影响了传输性能。本文为解决Polar码在中短码长下性能不足的问题,基于5G标准化所采用的CRC(Cyclical Redundancy Check)码与Polar码级联的结构,研究了CRC的纠错能力,分别提出了ET-SCC-SCL(Error-Correcting Table Based Segmented CRC-Error-Correcting Aided SC List)和DL-SCC-SCL(Deep Learning Based SCC-SCL)两种利用CRC进行纠错的译码方案。针对Polar码在中短码长下性能不足的问题,本文提出了基于纠错表进行纠错的ET-SCC-SCL译码算法。按照极化子信道的误码率将信息块进行合理的分段并分别在尾部附加CRC检测器,以及时的完成检错和纠错。采取分段译码的形式,依次对子信息块进行译码、校验,并利用基于查纠错表的CRC纠错方法对无法通过校验的子信息块进行纠错。通过复杂度分析和性能仿真,验证了ET-SCC-SCL译码方案的有效性,可以极大的提升Polar码的传输性能。为了进一步提升译码器的纠错性能,本文提出了基于深度学习纠错的DL-SCC-SCL译码算法。利用LSTM(Long Short-Term Memory)网络代替纠错表完成纠错过程,并将译码时产生的对数似然比(Log-Likelihood Ratios,LLR)和CRC校验时产生的校正子(Syndromes)相结合共同识别错误图样。通过引入神经网络和新的辅助信息,极大程度上解决了ET-SCC-SCL译码算法中纠错能力受限于纠错表大小的问题。复杂度分析和仿真结果表明,DL-SCC-SCL算法可以获得更高的译码性能增益,显著地提升Polar码在中短码长下的传输性能。