BriefGPT - AI 论文速递
·
基于数据驱动的神经极化码研究未知无记忆信道及带有记忆信道
原文中文，约400字，阅读约需1分钟。
📝
内容提要
通过数据驱动方法设计了一种针对具有和不具有记忆的信道的极化码方法。该方法利用神经网络替代原始译码器的核心元素，并在输入空间中嵌入信道输出的附加神经网络。该方法具备理论保证，计算复杂性不随信道记忆大小增长。在无记忆和具有记忆信道上展示了性能，并与最优极化译码器进行了比较。适用于SC和SCT译码器不适用的情况。
🎯
关键要点
-
提出了一种针对具有和不具有记忆的信道设计极化码的方法。
-
该方法利用神经网络替代原始SC译码器的核心元素。
-
在SC译码器的输入空间中嵌入信道输出的附加神经网络。
-
该方法具备理论保证，计算复杂性不随信道记忆大小增长。
-
在无记忆信道和具有记忆信道上展示了性能。
-
与最优极化译码器进行了比较。
-
适用于SC和SCT译码器不适用的情况。
🏷️
