[发明专利]一种极化码译码参数的快速优化方法在审
| 申请号： | 201810735831.1 | 申请日： | 2018-07-06 |
| 公开（公告）号： | CN108777584A | 公开（公告）日： | 2018-11-09 |
| 发明（设计）人： | 李世宝;卢丽金;潘荔霞;刘建航;黄庭培;陈海华;邓云强 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | H03M13/13 | 分类号： | H03M13/13;H04L1/00;G06K9/62;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 极化 径向基函数神经网络 样本数据 译码参数 优化 译码复杂度 计算操作 随机梯度 信号计算 训练网络 译码技术 译码算法 初始化 似然比 建模 抵消 输出 监督 学习 | ||
【权利要求书】：
1.一种极化码译码参数的快速优化方法，其特征在于，所述方法用径向基函数神经网络来优化串行抵消列表译码的列表大小L，所述参数优化方法包括以下步骤：
步骤1，准备样本数据，并对样本数据进行预处理；
步骤2，搭建径向基函数神经网络，并训练径向基函数神经网络；
步骤3，在极化码译码阶段，将似然比输入到径向基函数神经网络模型中，得到一个值M，并将L初始化为M，执行串行抵消列表译码算法。
2.根据权利要求1所述的一种极化码译码参数的快速优化方法，其特征在于，步骤1中准备样本数据指的是，执行50000次自适应串行抵消列表译码算法，将每一次译码成功时由接收信号计算得到的似然比和译码成功时对应的L记录下来，一次成功译码所记录的似然比与对应的L构成一组样本数据，随机选取10000组样本数据，从这10000组数据中随机选取75％组数据作为训练样本，并将余下的25％组数据作为测试样本。
3.根据权利要求1所述的一种极化码译码参数的快速优化方法，其特征在于，步骤2中搭建径向基函数神经网络指的是，将输入层的节点数目设置为1，隐藏层的层数设置为1，隐藏层的节点数目设置为300，输出层的节点数目设置为6。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（华东），未经中国石油大学（华东）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810735831.1/1.html，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
