[發明專利]基于深度學習的PC-SCMA聯合迭代檢測譯碼方法

有效

• 申請號: 202110660122.3
• 申請日: 2021-06-15
• 公開（公告）號: CN113395138B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 彭大芹;何彥琦;黃萍
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04L1/00
• 分類號: H04L1/00;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

1.一種基于深度學習的PC-SCMA聯合迭代檢測譯碼方法，其特征在于，所述方法：

S1、利用SCMA的消息傳遞算法進行多用戶檢測，并在其因子圖中資源節點和用戶節點之間的傳遞路徑中添加可學習權重因子表示為：

其中，表示在i次迭代過程中由用戶節點u_j向資源節點r_k傳遞消息；表示在i次迭代過程中由資源節點向用戶節點u_j傳遞消息；表示在i次迭代過程中資源節點向用戶節點u_j的傳播路徑上的可學習權重因子；{ζ_j\k}表示除資源節點r_k以外與用戶節點u_j相連接的所有資源節點；

S2、利用置信度傳播算法進行極化碼譯碼，并在其因子圖中信息迭代中添加可通過離線學習的可學習偏移量；

S3、將多用戶檢測的因子圖與極化碼譯碼的因子圖進行級聯，并形成聯合因子圖；

S4、將所述聯合因子圖中的可學習權重因子以及可學習偏移量作為深度神經網絡的隱藏層參數，并輸入加擾后的信息比特值在所述深度神經網絡中進行迭代更新；

S5、更新資源節點信息，并在更新完成后將資源節點信息傳入聯合因子圖的譯碼部分；

資源節點信息的更新過程包括：

其中，表示在i次迭代過程中由資源節點r_k向用戶節點u_j傳遞消息；表示高斯白噪聲信道下所有碼字組合的條件概率密度函數；表示預測符號值與實際傳輸符號值x_j一致的情況；表示在i-1次迭代過程中由用戶節點u_j向資源節點r_k傳遞消息；{ζ_k\j}表示除用戶節點u_j以外與資源節點r_k相連接的所有用戶節點；

S6、將資源節點信息轉換為用于譯碼算法的先驗信息，以執行極化碼譯碼算法的信息迭代過程；

S7、在用戶節點接收到先驗信息后，將更新信息傳遞到與其相鄰的資源節點，迭代更新用戶節點信息；

用戶節點信息的更新過程包括：

其中，表示由用戶節點u_j向資源節點r_k傳遞消息；表示用戶節點u_j獲得的先驗信息；表示資源節點r_k向用戶節點u_j傳遞的第l個SCMA符號的信息；{ζ_j\k}表示與用戶節點u_j相連接的除r_k以外的所有資源節點集合；

S8、更新完資源節點信息、用戶節點的先驗信息以及用戶節點信息后，輸出估計傳輸符號。

2.根據權利要求1所述的一種基于深度學習的PC-SCMA聯合迭代檢測譯碼方法，其特征在于，在其因子圖中信息迭代中添加可通過離線學習的可學習偏移量的過程包括在每次迭代過程所對應的深度神經網絡的隱藏層中，每個階段的因子圖節點在右信息對數似然比和從左信息對數似然比的運算函數上添加偏移量，表示為：

g'(a,b,β)＝sign(a)sign(b)f_ReLU(min(|a|,|b|)-β,0)

其中，g'(a,b,β)表示信息迭代函數；sign(a)表示信號a的符號函數；sign(b)表示信號b的符號函數；f_ReLU表示深度神經網絡的激活函數；β表示離線學習的可學習偏移量。

3.根據權利要求1所述的一種基于深度學習的PC-SCMA聯合迭代檢測譯碼方法，其特征在于，步驟S5中所述在更新完成后將用戶節點的信息傳入聯合因子圖的譯碼部分包括通過更新后的資源節點信息計算出符號外信息；將所述符號外信息轉換成比特外信息，將所述比特外信息轉換成對數似然比信息，并將所述對數似然比信息輸入到聯合因子圖中對應的極化碼譯碼部分中。