极化码的低复杂度神经BP译码

发布时间：2021-11-16 11:49

　　提出一种用于极化码的NBP（神经置信度传播）译码算法的低复杂度替代方案.首先,利用有效的聚类技术,减少权重参数的数量;然后,通过在时间上共享权重,进一步消除大量权重参数中存在的不必要冗余;最后,从均匀量化和非均匀量化两方面对浮点权重参数进行量化,进一步减少权重参数的存储需求.仿真结果和复杂度分析表明:通过在时间和空间上应用有效的权重共享策略,将权重参数量化为4位定点形式,可以减少至少80%的网络权重,并且降低了权重参数的内存消耗,大幅度压缩了NBP译码器,同时保持良好的译码性能;在高信噪比区域,对权重参数进行A律非均匀量化时译码器的译码性能较浮点权重参数译码器最高约有0.2 dB的提升. 

【文章来源】：华中科技大学学报(自然科学版). 2020,48(10)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

不同量化位数的BER性能

【参考文献】：
期刊论文
[1]基于深度学习的动态场景语义SLAM[J]. 房立金,刘博,万应才.  华中科技大学学报(自然科学版). 2020(01)
[2]基于深度学习的听觉倒谱系数语音增强算法[J]. 李如玮,孙晓月,刘亚楠,李涛.  华中科技大学学报(自然科学版). 2019(09)
[3]基于中继循环残差网络的人脸超分辨率重建[J]. 卢涛,汪家明,李晓林,张彦铎.  华中科技大学学报(自然科学版). 2018(12)



本文编号：3498828