34、人工智能驱动 5G 移动通信迈向 6G：5G 编码技术新突破

人工智能驱动 5G 移动通信迈向 6G：5G 编码技术新突破

1. LDPC 码构建方法

在通信技术领域，LDPC 码的构建是一个关键环节。有一种基于深度神经网络（DNN）的构建方法，它能以比渐进边增长（PEG）方法更低的复杂度确定度分布，非常适合灵活设计的 5G NR。具体操作步骤如下：
1. 训练 DNN ：使用蒙特卡罗树搜索（MCTS）构建的码来训练 DNN。
2. 优化网络 ：重复构建阶段，利用上一学习阶段训练好的 DNN 优化网络。构建过程是根据指定的度分布，依次在选定的边上将全零奇偶校验矩阵更新为 1，直到获得完整的 LDPC 矩阵。这里将边视为状态，选择下一条边视为动作。
3. 选择码型评估 ：选择准循环 LDPC（QC - LDPC）码的构建来评估该方法。选择 QC - LDPC 码是因为其结构庞大，更易观察到构建的改进。选取码长为 64 位，码率为 1/2，循环大小为 8，变量节点度为 3，校验节点度为 6，LDPC 码的基矩阵大小为 4×8，循环置换矩阵大小为 8×8。
4. 训练与评估 ：训练时，使用构建的 LDPC 码的误码率（BER）性能来对码进行评级。DNN 以 4×8×2 的图像堆栈作为输入，使用三个卷积层，每个卷积层的滤波器数量不同。最后一个卷积层的输出分别输入策略头和值头。策略头由一个卷积层和一个全连接层组成，使用 softmax 激活函数输出；值头由一个卷积层和两个全连接线性层组成。网络中所有卷积层都使用 ReLU 激活函数。通过 BER 模拟将该构建方法与 PEG 方法进行比较，发现两种方法的