一种模型驱动的LDPC码译码方法
王宝祥1
陈斌杰2
1.哈尔滨工程大学 黑龙江哈尔滨 1500012.北京遥感设备研究所 北京 100000
摘要：针对对数似然比置信传播(log-likelihood ratio belief propagation,LLR BP)译码算法对短码长的低密度奇偶校验(low density parity check code,LDPC)码译码性能差的问题,提出了一种基于LLR BP译码算法的深度神经网络译码器.根据Tanner图构建深度神经网络模型,利用深度学习优化边的权重来缓解短环造成的影响,提升译码性能.此外,网络采用了迁移学习的训练思想并添加批量归一化(batch normalization,BN)层来加快网络收敛.仿真结果表明,所提出方法构建的深度神经网络收敛速度较快,并且与传统BP译码算法相比,对于短码长LDPC码译码性能有明显提升.
关键词：LDPC码信道译码深度学习模型驱动迁移学习
论文发表日期：2024-06-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 52-55 )