[发明专利]一种基于深度学习的LDPC码迭代译码方法有效
| 申请号： | 201811488099.9 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109728824B | 公开（公告）日： | 2023-03-28 |
| 发明（设计）人： | 郭锐;冉凡春 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | H03M13/11 | 分类号： | H03M13/11 |
| 代理公司： | 杭州杭诚专利事务所有限公司 33109 | 代理人： | 尉伟敏 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 ldpc 码迭代 译码 方法 | ||
1.一种基于深度学习的LDPC码迭代译码方法，其特征在于，包括以下方法：
步骤一：对信息序列X进行LDPC码编码，编码后的信息序列为U＝XG，把信息序列U分为训练集和测试集，LDPC码由其校验矩阵表示，将校验矩阵进行初等变换，转换为生成矩阵G；
步骤二：对训练集的信息序列U进行调制，调制后的传输符号S经过信道噪声N的加噪信道，得到信道输出端的传输符号Y；
步骤三：传输符号Y先进行BRSK软解调后，通过BP译码器得到信息序列估计值由传输符号Y减去信道传输符号S的估计值/得到信道噪声估计值/传输符号Y通过BPSK软解调得到信道传输符号S的估计值/信道噪声估计值/输入到神经网络得到更新后的信道噪声估计值/以/为基本输入单元，输入到神经网络中，在神经网络中，经过前向传播算法和反向传播算法，信道噪声估计值/在输出层的sigmoid函数作用下分类，得到更新后的信道噪声估计值/将更新后的传输符号/再输入BP译码器，进行迭代译码，使得BP译码器的输入端和神经网络输入端的数据不断更新，不断译码，直到BP-DNN译码器迭代结束；
步骤四：用测试集的数据输入BP译码器，使得BP译码器的输入端和神经网络输入端的数据不断更新，不断译码，直到迭代结束。
2.根据权利要求1所述的一种基于深度学习的LDPC码迭代译码方法，其特征在于：对训练集的信息序列U进行BPSK调制，调制后的信道传输符S。
3.根据权利要求1所述的一种基于深度学习的LDPC码迭代译码方法，其特征在于：由信道噪声N和信道噪声估计值可以得到信道残余噪声值R，/为神经网络的损失函数，n为码字长度。/
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杭州电子科技大学，未经杭州电子科技大学许可，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/201811488099.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种编码器
- 下一篇：一种新型的m序列截段纠错码的校验矩阵扩展方法
- 同类专利
- 专利分类
