高源浩 刘乃金 鲁渊明

摘  要：文章通过深度强化学习的方法来寻求二进制线性编码的有效解码策略。在加性高斯白噪声的条件下，将置信传播（BP）解码算法中软信息的迭代看作是对软信息的连续决策，并将其映射到马尔可夫决策过程，用深度强化学习网络代替传统译码器，扩大探索空间以提高译码性能，从而实现对数据驱动的最佳决策策略的学习。结果表明，相较于传统BP解码器，在误码率=10-5时，学习型BP解码器在BCH码上取得大约0.75 dB的优势，这在一定程度上解决了以往研究中过于依赖数据的问题。

关键词：深度强化学习;置信传播译码;马尔可夫决策;最佳决策

中图分类号：TP18    文献标识码：A文章编号：2096-4706（2021）21-0098-05

Abstracts： This paper uses a deep reinforcement learning approach to find an efficient decoding strategy for binary linear codes. Under the condition of additive Gaussian white noise， the iteration of soft information in the belief propagation （BP） decoding algorithm is regarded as a continuous decision-making of soft information， which is mapped to the Markov decision-making process. The deep reinforcement learning network is used to replace the traditional decoder， expand the exploration space to improve the decoding performance， so as to realize the learning of the best data-driven decision-making strategy. The results show that compared with the traditional BP decoder， when the bit error rate is 10-5， the learning BP decoder has an advantage of about 0.75 dB in BCH code， which solves the problem of relying too much on data in previous research to a certain extent.

Keywords： deep reinforcement learning; belief propagation decoding; Markov decision-making; best decision-making

0  引  言

数字信号在传输过程中，由于受到各种干扰的影响，码元波形将变坏，接收端收到后可能发生错误判决。由乘性干扰引起的码间串扰，可以采用均衡的方法进行纠正。而加性干扰的影响则需要通过其他方法解决。在设计数字通信系统的时候，应该首先从合理选择调制制度、解调方法以及发送功率等方面考虑，使得加性干扰不足以影响到误码率要求。在仍不能满足要求时，就要考虑采用信道编码方法了。

為了改善通信的质量，研究者们尝试了很多办法。信道编码是人们在改善通信质量方面最早采用的方法之一，通过给原数据添加相关的冗余信息来对抗传输过程中的干扰。信道编码中以线性分组码应用最广，广泛应用于卫星通信、移动通信、存储设备、数字视频广播等领域，此外，线性分组码可以在传输效率与纠错能力之间进行权衡，允许其在更低的发射功率下保持同质量的服务。……