[发明专利]一种Turbo码与神经网络相结合的信号传输方法

说明书

本发明涉及一种Turbo码与神经网络相结合的信号传输方法，包括：步骤(1)：将长度为n的消息M通过编码模块生成长度为l的编码序列X_l；步骤(2)：所述编码序列X_l经过信道发送至接收端，并输出接收序列Y_l；步骤(3)：通过分接器将所述接收序列Y_l进行分割生成R⁽⁰⁾,R⁽¹⁾,...,R⁽ⁿ⁾；步骤(4)：将R⁽⁰⁾,R⁽¹⁾,...,R⁽ⁿ⁾同时输入译码模块和神经网络模块，所述译码模块译码生成第一恢复消息M'，所述神经网络模块输出第二恢复消息M”，将所述第一恢复消息M'和第二恢复消息M”通过判决模块进行比较，择优输出。本发明通过使用神经网络配合传统的Turbo码系统，能够有效降低计算复杂度，提高传输效率。

技术领域

本发明涉及无线通信技术领域，特别是涉及一种Turbo码与神经网络相结合的信号传输方法。

背景技术

在信息论中，Turbo码是一类高性能前向纠错(FEC)的信道编码方式，于1991年左右开发，于1993年首次发布。它们是最早接近最大信道的实用代码。Turbo码用于3G/4G移动通信(例如UMTS和LTE中)和(深空)卫星通信中，以及其他应用中，设计人员寻求在带宽或等待时间受限的通信链路中实现可靠的信息传输。信道编码技术可改善数字信息在传输过程中噪声和干扰造成的误差，提高系统可靠性。因而高效的信道编译码技术成为移动通信系统中的关键技术之一。Turbo码在通信领域中应用十分广泛，在3G移动通信系统中，最早的Turbo码应用是由高通研发的CDMA2000 1x数字蜂窝技术。此外，WCDMA和CDMA2000方案都采用了Turbo编码技术。

人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

Turbo码技术虽然能够近达到理论Shannon极限，但代价是计算复杂度高。这对移动终端设备、小基站等设备的运算能力提出了很高的要求。Turbo码本身具有效率较低的缺点，已无法满足人们日益增加的通信带宽和流量需求，需要改善Turbo码在译码过程中的繁琐过程，以提高信息传输效率。

发明内容

本发明所要解决的技术问题是提供一种Turbo码与神经网络相结合的信号传输方法，通过使用神经网络配合传统的Turbo码系统，能够有效降低计算复杂度，提高传输效率。

本发明解决其技术问题所采用的技术方案是：提供一种Turbo码与神经网络相结合的信号传输方法，包括：

步骤(1)：将长度为n的消息M通过编码模块生成长度为l的编码序列X_l；

步骤(2)：所述编码序列X_l经过信道发送至接收端，并输出接收序列Y_l；

步骤(3)：通过分接器将所述接收序列Y_l进行分割生成R⁽⁰⁾,R⁽¹⁾,...,R⁽ⁿ⁾；

步骤(4)：将R⁽⁰⁾,R⁽¹⁾,...,R⁽ⁿ⁾同时输入译码模块和神经网络模块，所述译码模块译码生成第一恢复消息M'，所述神经网络模块输出第二恢复消息M”，将所述第一恢复消息M'和第二恢复消息M”通过判决模块进行比较，择优输出。