文章标题：一种基于CNN-SENet的水声信道极化码译码算法

文章作者：代兵兵, 徐明
关 键 字：极化码译码;水声信道;双通道输入;深度学习
文章摘要：针对现有基于神经网络的极化码译码算法存在的码长不变码率一旦发生变化就需重新训练与无法充分利用冻结比特位信息的问题，提出一种基于CNN-SENet（ConvolutionalNeural Network-Squeeze and Excitation Networks）的水声信道极化码译码算法。神经网络的输入为双通道输入，通道一为LLR（Log-Likelihood Ratio）信息，通道二为冻结比特位信息，并使用SENet注意力模块对不同通道赋予不同权重，注意不同通道的信息重要程度。仿真结果表明，信号通过水声信道后，在-1～2.5 dB信噪比范围下，对于（8,4）码率的极化码，CNN-SENet译码与SC译码性能相近；对于(8,5)码率的极化码，CNN-SENet译码性能整体高于SC译码，在BER为0.1时，平均可以多提供约0.8 dB的编码增益。