欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020110661222
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:未下证
专利领域: 基本电子电路
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于Q学习算法的Spinal码编译码交织策略,其特征在于,包括如下步骤:步骤S1,初始化Spinal码的编码参数和译码参数;初始化高斯学习算法参数;初始化交织器参数;初始化Q学习算法参数;

步骤S2,设置编码符号初始值W=N1,W指编码符号数量,N1表示设置的初始值;

步骤S3,发送端编码生成W个编码符号,编码的过程为:首先,将一段长度为n bits的信息比特序列M划分为 组,即 n表示信息比特序列的长度,k表示划分后每组的长度,即每组长度为k bits;然后,将随机数种子s0和M0经过Hash函数,根据式(1)依次类推计算:si=Hash(si‑1,Mi‑1)          (1)得到每组信息比特对应的值si,即: 其中i为每个值的标号, 每个值si的大小为v bits,最后,将 个值si分别作为随机数生成器(RNG)的输入,得到xi表示每一个随机数生成器的输出,随机数生成器每一批次的编码输出 组成一个Spinal码的编码符号,对于每一信息比特序列,发送端可通过随机数生成器源源不断地生成编码符号;

步骤S4,确定交织深度K, c表示每一个随机数生成器输出的长度,将W个编码符号作为输入信息序列逐行写入到大小为R×C的矩阵中;

步骤S5,对R×C矩阵进行行内交织,得到行内交织的序列Ui(j),它表示被改变顺序的第i行中第j个信息所对应的原始位置;

步骤S6,将得到的Ui(j)按照T(i)进行行间交织,其中T(i)为行间交织模型,具体参数根据交织的深度K和行数R选取,得到交织后的新矩阵;

步骤S7,通过裁剪新矩阵并按列读取得到输出信息序列;

步骤S8,将得到的交织后的输出信息序列作为一个数据包发送;

步骤S9,接收端对收到的数据包解交织,解交织过程为交织的逆过程,得到W个Spinal码编码符号;

步骤S10,对W个编码符号进行逐一译码,直到译码成功,或W个编码符号均译码失败,译码过程为:使用与编码端相同的s0、Hash函数以及随机数生成器在译码端重建译码树,以s0为根节点,按顺序考虑 的可能取值,然后从根节点遍历至叶子节点,从译码树的第d级开始,d表示译码时开始裁剪译码树的级数,每级译码树只保留译码开销最小的Bk个节点,B表示译码时每次删减保留的节点数;接着,从B·2条路径中选出译码开销最小的路径,即为最终译码结果;最后,对译码结果进行CRC校验,若CRC校验通过,则译码成功;否则译码失败;

步骤S11,判断当前译码状况,若对其中一个编码符号译码成功,表示对这一段信息比特序列译码成功,本轮译码结束;若对W个编码符号均译码失败,Retranstime次数累加1次,判断当前是否达到最大允许传输次数Retranstimemax;记本轮参与译码的编码符号数目为Morepass,当前信息段的传输次数为Retranstime;

步骤S12,计算回报函数Reward,在发送端,根据上一步译码的编码符号数目Morepass和传输次数Retranstime计算回报函数Reward, 其中,γ(0≤γ≤1)为权衡因子;Morepassmax为允许发送的最大累计编码符号数目;Retranstimemax表示最大允许的传输次数;

2 3

步骤S13,通过高斯学习确定方差σ,均值μ,偏度σ,发送端根据接收端的反馈,利用高2

斯学习算法计算当前信道的译码累计分布函数,得到信道新状态参数:方差σ,均值μ,偏度3

σ,计算方法为:

2

Qsample=Qα·Qsample+1,Qsumq=Qα·Qsumq+Qsample,Qsumsq=Qα·Qsumsq+Qsample ,Qsumtq=Qα·3

Qsumtq+Qsample,

Qα表示高斯学习因子,其取值越大,之前时刻的译码累积分布函数对当前时刻的译码累计分布函数的估计的影响就越大;Qsample、Qsumq、Qsumsq和Qsumtq为高斯学习算法参数,Qsample表示与高斯学习因子相乘得到的折扣后的样值,Qsumq表示与高斯学习因子相乘得到的折扣后的累加和、Qsumsq表示与高斯学习因子相乘得到的折扣后的平方和、Qsumtq表示与高斯学习因子相乘得到的折扣后的立方和,在步骤S1中进行初始化;

2 2

步骤S14,在发送端,根据信道状态参数σ,均值μ确定当前状态State(μ,σ),找到步骤S1初始化Q学习参数时建立的Q表中对应的行Q(State,:),找出这一行中最大的元素Qmax(State,A);得到下一步执行的最优动作A;

3 3

步骤S15,在发送端,根据最优动作A和偏度σ确定当前应编码产生的编码符号N,σ的正负及大小用来衡量译码累计分布函数的不对称性,偏度为正代表分布为右偏态,即右侧的尾部更长,分布的主体集中在左侧,此时应减少编码符号的数量;偏度为负代表分布为左偏态,即左侧的尾部更长,分布的主体集中在右侧,此时应增加编码符号的数量,具体计算方法为:步骤S16,设置探索因子βQ的值,产生一个0到1的随机数Qrand,若βQ>Qrand,则spinal码编码端生成的编码符号数量为W=N;若βQ≤Qrand,则实际发送的编码符号数量为W=N‑δ,δ表示探索值;

步骤S17,根据Reward和Qmax(State,A)更新Q表,更新公式为:Qnew(State,A)=Reward+η·Qmax(State,A),η为Q学习因子,Qnew(State,A)表示Q表的更新值;

步骤S18,编码端根据步骤S11的译码情况,若译码成功,则按照步骤S16得到的W,回到步骤S3,进入下一信息比特序列的传输;若译码失败,判断是否达到最大传输次数:若是,丢弃这一信息比特序列,按照步骤S16得到的W,回到步骤S3,进入下一信息比特序列的传输;

若否,按照步骤S16得到的W,回到步骤S3,继续这一信息比特序列的传输。

2.根据权利要求1所述的基于Q学习算法的Spinal码编译码交织策略,其特征在于,步骤S4中,将W个编码符号作为输入信息序列逐行写入到大小为R×C的矩阵中,包括如下步骤:步骤S4‑1,根据式(2)确定矩阵行数R:

其行号依次为0,1…,R‑1;

步骤S4‑2,确定矩阵列数C和行内交织质数p:

若481≤K≤530,则p=53,C=p;否则使p满足K≤R×(p+1),根据式(3)确定C:其列号依次为0,1…,C‑1;

步骤S4‑3,将输入信息序列按行写入R×C的矩阵中,若R×C>K,则在剩余位置上填入0或者1。

3.一种能实现权利要求1‑2任一项所述策略的基于Q学习算法的Spinal码编译码交织装置,其特征在于,包括Q学习装置,用于通过Q学习算法确定当前应编码产生的Spinal码编码符号数目W;

Spinal码编码器,与Q学习装置相连,用于将信息比特序列经过Spinal码编码器生成W个Spinal码编码符号;

3GPP标准交织器,与Spinal码编码器连接,用于将从Spinal码编码器生成的W个编码符号进行交织,然后调制并发送到自由空间光信道;

3GPP标准解交织器,用于将从自由空间光信道中接收的的W个Spinal码编码符号进行解调,然后解交织,得到W个Spinal码编码符号;

Spinal码译码器,与3GPP标准解交织器连接,用于将解交织后的W个Spinal码编码符号进行逐一译码,直到译码成功或W个均译码失败。