GenAlg-SCL：基于遗传算法的SCL极化解码技术，旨在优化列表大小

《IEEE Transactions on Green Communications and Networking》：GenAlg-SCL: Genetic Algorithm-Based SCL Polar Decoding Toward List Size Optimization

极化码CA-SCL解码算法通过遗传算法自动优化列表大小L，结合离线优化框架降低复杂度43.9%同时性能损失<0.5%，SDR实现吞吐量提升1.94倍，延迟降低51.6%。

　　

摘要：

由于出色的性能，基于循环冗余校验（CRC）辅助的连续消除列表（CA-SCL）解码算法在极化码领域得到了广泛认可。然而，其复杂度与列表长度L直接相关，这给满足未来6G不断增长的性能需求带来了挑战。因此，迫切需要探索在保持良好错误性能的同时优化L的方法。减少L的努力主要依赖于设计者的专业知识或在线训练的机器学习。然而，这些策略受到对性能与复杂度之间近乎最优平衡探索有限的阻碍，或者为解码过程增加了相当大的在线复杂性。为了解决这个问题，本文提出了一种基于遗传算法的SCL（GenAlg-SCL）解码器，并结合了一个离线优化框架。通过遗传算法自动微调SCL解码器的列表长度，所提出的解码器在性能损失可接受的情况下实现了更低的复杂度。此外，还为GenAlg-SCL解码器在速率匹配场景下提出了一种列表长度优化方案。对于（256,128）5G-NR极化码，数值结果表明，GenAlg-SCL-32解码器的复杂度降低了43.9%，而性能损失不到0.5%。软件定义无线电（SDR）的实现结果表明，与自适应CA-SCL解码器相比，GenAlg-SCL在延迟方面降低了51.6%，吞吐量提高了1.94倍。

引言

极化码作为5G新无线电（NR）中增强型移动宽带（eMBB）控制信道的标准化编码方案而脱颖而出[1]。随着码长趋于无穷大，它们的信道容量也会增加[2]。广泛采用的基于循环冗余校验（CRC）辅助的连续消除列表（CA-SCL）解码器在极化码方面表现出显著的性能优势[3]、[4]。在码长为N、列表长度为L的CA-SCL解码器中，复杂度由两个主要部分组成：消息计算（复杂度：）和列表排序操作（复杂度：[5]、[6]、[7]、[8]、[9]）。这表明列表长度是影响复杂度的主要因素。对于要求低错误率的应用，如5G eMBB和超可靠低延迟通信（URLLC），通常需要一定的列表长度[10]、[11]、[12]。由于复杂度的增加，这带来了重大挑战，亟需开发高效的算法。同时，对于由软件定义无线电（SDR）[13]和开放无线接入网络（O-RAN）[14]、[15]支持的B5G/6G系统，需要灵活且低复杂度的软件实现[16]。因此，为了改进CA-SCL解码及其软件实现，选择能够降低复杂度同时确保纠错性能的适当列表长度至关重要。