一种NN-BP译码算法下基于遗传算法的极化码构造方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115913253A(43)申请公布日2023.04.04(21)申请号202211268873.1(22)申请日2022.10.17(71)申请人辽宁工程技术大学地址125105辽宁省葫芦岛市兴城市龙湾南大街188号(72)发明人李娟娟陶志勇(74)专利代理机构湖北唯迈知识产权代理事务所(普通合伙)42314专利代理师曹军(51)Int.Cl.H03M13/15(2006.01)G06N3/086(2023.01)权利要求书2页说明书5页附图2页(54)发明名称一种NN-BP译码算法下基于遗传算法的极化码构造方法(57)摘要本发明涉及5G移动通信中的信道编译码技术领域，特别是涉及一种NN‑BP译码算法下基于遗传算法的极化码构造方法，具体步骤如下：S1：生成NN‑BP译码器的训练数据和测试数据；S2：建立、训练并测试NN‑BP译码器；S3：初始化种群；S4：通过引入交叉条件机制和新的轮盘赌选择法计算公式，改进遗传算法；S5：根据改进的遗传算法，寻找NN‑BP译码算法下的最优极化码构造；S6：对比得到的最优极化码构造和传统构造方法得到的极化码构造。此方法提供一种NN‑BP译码算法下的基于遗传算法的极化码构造方法，相对于传统的极化码构造方法，本发明得到的极化码在NN‑BP译码算法下的纠错性能更优，本发明对探索适用NN‑BP译码算法的极化码构造方法研究具有重要意义。CN115913253ACN115913253A权利要求书1/2页1.一种NN‑BP译码算法下基于遗传算法的极化码构造方法，其特征在于：具体步骤如下：生成NN‑BP译码器的训练数据和测试数据；建立、训练并测试NN‑BP；初始化种群Pinit；通过引入交叉条件机制和新的轮盘赌选择法计算公式，改进遗传算法；根据改进的遗传算法，寻找NN‑BP译码算法下的最优极化码构造；对比得到的最优极化码构造和传统构造方法得到的极化码构造。2.根据权利要求1所述的方法，其特征在于：建立、训练并测试NN‑BP译码器，包括：根据极化码因子图的展开和极化码的置信传播译码算法来建立NN‑BP译码器；在一个完整的信道编码系统上进行NN‑BP译码器的训练和测试，信道编码系统全部基于深度神经网络实现，它由输入层、极化码编码层、BPSK调制层、AWGN信道层、NN‑BP译码器层和输出层(Sigmoid层)组成。3.根据权利要求1所述的方法，其特征在于：初始化种群Pinit，包括：根据给定的码长N，码率R，信噪比SNR，从{1,2,...,N}中随机地选择索引构建相应的信息位集，根据信息位集可得到极化码构造，NN‑BP译码器对极化码构造进行译码，并返回相应的BER；将BER视作个体的适应度函数，BER越小表示该个体的适应度越高；根据BER的降序排列，选择出S个BER最小的个体Ai作为初始化种群Pinit，S应足够大，以包含更多好的极化码构造，增大遗传空间。4.根据权利要求3所述的方法，其特征在于：NN‑BP译码器对极化码构造进行译码，并返回相应的BER，包括：译码操作在基于深度神经网络的信道编码系统内进行，如权利要求2所述。5.根据权利要求1所述的方法，其特征在于：通过引入交叉条件机制和新的轮盘赌选择计算公式，改进遗传算法，包括：采用轮盘赌选择法选择出适应度好的个体作为父代，进行交叉和变异；如果父代相同，则跳过交叉步骤，直接进入变异操作；如果父代不同，则进入交叉操作，不同于单点交叉或多点交叉，子代首先继承父代中相同的基因，剩余位置随机赋值0或1，直至满足码率R的要求。6.根据权利要求5所述的方法，其特征在于：采用轮盘赌选择法选择适应度好的个体作为父代，进行交叉和变异，包括：轮盘赌选择法中，个体的适应度值越大，其被选择到的概率就越高，反之亦然；本发明将BER视作个体的适应度函数，BER越小表示该个体的适应度值越大；不同于通用的轮盘赌选择法中的概率计算公式，为了选出BER最小的个体，本发明中的概率计算为7.根据权利要求5所述的方法，其特征在于：如果父代相同，则跳过交叉步骤，直接进入变异操作，包括：本发明采用二进制变异，随机选择基因点进行0和1的转换；2CN115913253A权利要求书2/2页考虑到本发明的基因长度在64、128、526、1024，选取2的倍数次变异；选择一个信息位变异为冻结位，再从剩余的冻结位中选择一个冻结位进行变异，以保证极化码的码率不变。8.根据权利要求1所述的方法，其特征在于：根据改进的遗传算法，寻找NN‑BP译码算法下的最优极化码构造，包括：种群内各个体经过极化码编码后，经传输信道到达NN‑BP译码器并进行译码操作，译码器输出个体对应的BER；使用改进的轮盘赌选择方法选择适应度最好的个体作为父代；父代之间进行交叉产生新的后代；