.png){kind=icon}
返回
TS-SCLF: Threshold-Learning-Based SCLF Polar Decoder With Segmented CRC
.png){kind=icon}
PRE
AI
DOI：10.1109/LWC.2025.3627410.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
级联消去列表翻转（SCLF）极化译码因其卓越的纠错性能而获得了广泛的科研关注。然而，该方法存在高复杂度和长最坏情况译码延迟问题，尤其是在低信噪比（SNRs）条件下。为解决这些问题，本文提出TS-SCLF，一种采用双阈值策略和分段CRC的SCLF译码器以降低延迟。所提出的双阈值策略通过历史失败模式分析动态跳过冗余翻转尝试，同时采用受高斯分布启发的路径度量阈值以实现早期级联消去列表（SCL）终止。此外，应用深度Q网络（DQN）框架优化阈值参数，在复杂度和纠错性能之间实现了良好平衡。实验结果表明，对于（1024, 512）极化码，TS-SCLF在低SNR条件下相比现有先进方案最多可将平均译码尝试次数降低55.3%，同时保持纠错性能。
Keyword:
Successive cancelation list flip
polar codes
reinforcement learning
early termination
期刊
I
IF:
5.5
论文数:
824
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容