閱讀論文
Belief Propagation Decoding of Polar Codes using Intelligent Post-processing
內容複述及理解：
1.概述了Polar Code和Original BP Decoding
2.詳細解釋了IP - BP的運行過程，在正常的BP迭代後如果CRC判決不通過，則進行Intelligent post-processing，而後至CRC判決通過拿到結果，結束算法。
3.Intelligent post-processing
分類：利用DNN對錯誤位進行分類，分類準則包括5個特徵：三個等間隔迭代LLR值，LLR整體和LLR方差。從而，利用DNN，可以比較精確的應對不同的特徵輸入，給每個比特一個比較靠譜的分類。此外提到了分類指標是精度（被預測爲1的比特中，正確預測的數目所佔比例），準確度（所有之中，正確預測數目所佔比例）。
排序：LLR均值越小，評價爲0或1的可靠性越低，那麼對有錯誤的集合進行升序排序，從而使得稍後可以按順序對結果進行更正。還要對正確的集合內容進行降序排序，可靠性高的靠前。
選擇和翻轉：按順序選取至少一個錯誤的比特進行翻轉，按順序選取p個正確的比特進行凍結，並對其施以一個比較大的獎懲值，從而提高可靠性，再次運行BP算法，做之前的那些步驟。
4.時間複雜度分析
分成三個部分，迭代(MbpMf)、翻轉(mMf)、排序(NlogN)。
5.表現
優於SC和BP算法，相較於SCL算法在FER和BER方面仍有不足。
閱讀論文
Enhanced Belief Propagation Decoder for 5G Polar Codes with Bit-Flipping
內容複述及理解：
1.在Preliminary，簡要回顧了5G極化碼和BP譯碼算法。
2.講解了GBPF譯碼算法。
初始化後進行第一輪BP算法，CRC判決一下，如果有問題就根據誤碼的可靠性排序依次翻轉，然後再判決，直到判決通過爲止。
3.講解了EBPF譯碼算法。
GBPF具備排序時的高複雜度，因此對於易出錯的T數組動手腳，根據3GPP(?)規定下的可靠度排序，如果信道足夠可靠（大於某個規定值），不管LLR多麼小，這個比特有多麼不可靠，都被視爲正確的，不做反轉操作，把它從T數組中刪掉，就不會被反轉了，這個新的數組稱爲Γ數組，它的規模記作γ，實驗表明γ在K’/2的時候對應的上行和下行的FER最小，效果最好。
4.對比了糾錯能力。
BPF相比於GBPF，在FER方面表現更優；相較於SCL算法，在信噪比高的情況下迭代次數與之相似，但由於5G對BP譯碼的不友好，SCL在FER方面更勝一籌。