[发明专利]基于多层感知神经网络的多进制LDPC码的译码方法

权利要求书

1.基于多层感知神经网络的多进制LDPC码的译码方法，其特征在于，具体包括如下步骤：接收符号数据信息、FHT-BP译码算法、多层感知神经网络译码、判决条件、比特翻转及输出判定的比特流；其中，接收符号数据信息是由接收端直接从信道得到的数据，之后对信息进行FHT-BP译码算法，译码得到的比特数据经过神经网络处理之后得到最可能出错的比特位置，将最可能出错的数据翻转过来继续下一步的算法译码，满足译码条件则判决输出比特从而进行误码判定。

2.如权利要求1所述的基于多层感知神经网络的多进制LDPC码的译码方法，其特征在于，具体包括如下步骤：

步骤S1：接收符号数据信息；

利用MATLAB软件仿真实际信号传输的传输过程，在发送端随机生成二进制序列并将其映射为QPSK信号，通过公式(1)在接收端计算出QPSK信号的概率值f_n(α)，即为信道的初始消息；

其中，n为码长，α取值{0,1,2,3}为4进制下的点，为接收的符号，X^m为星座图上每一个点的位置，δ²为加入噪声的方差；

步骤S2：FHT-BP译码算法，具体包括如下步骤：

步骤S201：初始化；

利用步骤S1计算出的f_n(α)初始化变量节点消息，定义变量节点消息为

步骤S202：经过置换节点；

译码消息经过置换节点进行重新排列，实质上是输出消息与置换节点的权重h_AB(校验矩阵A行B列的值)进行有限域上的除法；

步骤S203：校验节点更新；

通过置换节点的信息传递给校验节点：

步骤S204：消息逆置换；

与之前的步骤S202中置换过程互逆，乘法在有限域中进行；

步骤S205：变量节点更新；

通过置换节点的信息传递给变量节点；

α_mn为归一化因子；

步骤S206：判决；

找到每一个变量节点的最大值，作为输出结果；

α_n为归一化因子，之后判定是否满足判决条件之一，否则继续执行步骤S2；

其中，m：校验节点；n：变量节点；M(n)：与n相连的所有m集合；M(n)\m与n相连的m中去除m的M(n)集合；N(m)与m相连的所有n集合；N(m)\n与m相连的n中去除n的N(m)集合；m传递给n的消息；经过置换节点传递给n的消息；n传给码m的消息；经过置换节点传递给m的消息；f_n(α)信道初始消息，第n个码元c_n取值为α的概率；

步骤S3：多层感知神经网络(MLP)译码；

将步骤S2中输出的判决符号转化成2进制比特流，将其输入到MLP译码器中可以得到一组输出值，通过输出的值来判断可能出现错误的比特位置；其判断依据如下：找到输出值中前5个最大的值，同时参考Tanner图以及加法乘法模拟运算规则，可以判断出出现错误的位置，利用错误位置进行步骤S5比特翻转。

步骤S4：判决条件，具体如下：

(1)、达到初始时设定的最大的迭代次数，其中LDPC(10,5)的迭代次数设定50次，LDPC(128,64)和LDPC(256,128)选择100次；

(2)、根据接收到的符号数据信息，得到满足式公式(12)的码字向量c；

H·c′＝0 (12)

其中，H为校验矩阵，c为接收到的码字向量，c′表示c的转置；

步骤S5：比特翻转；

由步骤S3中MLP译码可得到出现错误的比特位置，即译码器的输出不为0的位置，依据错误比特位置对相应符号的概率值进行翻转；首先根据这些错误位置构建出错误组合，将错误组合再输入到MLP译码器中，得到误差E最小的7个组合作为之后翻转的位置下标；将数据信息的概率值按照大小进行排序，翻转的方法是最大的概率值与第二大的概率值进行交换，比较是否满足判决条件，若满足则结束，反之与第三大的值进行交换，直到达到判决条件；

步骤S6：输出判定的比特流；

若满足步骤S4的判定条件时此刻算法终止，输出步骤S2中的判决符号，并将4进制符号转化成2进制比特流，对比输入的2比特流来判断此时的误码率情况。