/Channel-Coding-Based-on-Deep-Learning

基于深度学习的信道译码研究

Channel-Coding-Based-on-Deep-Learning

  • Updated: 16/6/2021.
  • 这个存储库包含重现以下论文中给出的结果所需的源代码:
  • 袁治中，王旭东，吴楠. 高可靠性信道反馈自编码器系统设计[J]. 电讯技术. 已录用拟于2021年第61卷第12期刊出.
  • 知网

主要内容

  • 基于神经网络的信道译码实现
    • 针对卷积码的维特比译码算法，设计了一种基于RNN的卷积码解码器（CONV-DEC）。
    • 在此基础上，设计了一种基于BCJR算法的Turbo码解码器（Turbo-DEC）。
  • 基于自编码器的信道编码系统设计
    • 针对卷积码的编码原理和译码算法，提出了一种CNN和RNN结合的端到端通信系统（CNN-RNN-AE）。
    • 为了进一步提升信道编码系统的可靠性，提出了一种基于RNN的端到端通信系统（RNN-AE）。
  • 高可靠性信道反馈自编码器系统设计
    • 为了提高信道反馈编码系统的可靠性，提出了一种基于反馈解码器模块的信道反馈编码通信系统（FBC-AE）方案。
    • 此外，提出了一种部分反馈方案，通过控制抽样间隔大小，可以灵活调整反馈发送功率，从而达到节省反馈发送功率的目的。

联系方式