[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

说明书

本发明公开了基于多层感知神经网络的多进制LDPC码的译码方法，属于通信技术领域，具体包括接收符号数据信息、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。本发明对四进制下的LDPC码译码进行研究，提出多层感知器(MLP)神经网络级联比特翻转的方法进行译码，能够较大的提升译码性能，非常适合高精度传输的应用场景。

技术领域

本发明属于通信技术领域，具体涉及基于多层感知神经网络的多进制LDPC码的译码方法。

背景技术

信道编码理论和高阶调制技术是目前通信系统的重要组成部分。信道编码通过增加冗余数据来实现检错和纠错功能，提高通信系统的可靠性，而调制技术能够获得系统功率的有效性和可靠性的折中。低密度奇偶校验(LDPC)码由稀疏矩阵定义具有非常接近香农极限的纠错性能，是信道编码领域中的一个重要研究方向。二进制的LDPC码已在多个领域得到应用，如深空通信、光纤通信、卫星数字视频和音频广播等领域，均具有不错的纠错和检错的性能。作为LDPC码的研究方向的一个重要延伸，多进制LDPC码(NB-LDPC)的出现对于纠错码理论具有十分重要的意义。对比于二进制LDPC码，NB-LDPC码具有更加优异的纠错性能，更加强大的抗突发错误能力以及更适合高速率传输等优点，因其更好的误码性能逐渐成为研究热点。

常见的多进制LDPC码译码算法，如置信传播(BP)译码算法、扩展最小和(EMS)译码算法、基于对数域的置信传播译码(Log-BP)算法、基于哈达码变换的置信传播(FHT-BP)算法等等，这些算法的译码均有一个译码上限，对于高精度传输的情况下效果可能不够理想。因此寻找到一种译码效果更佳的算法成为研究NB-LDPC码的一个重要方向。

发明内容

针对现有技术中存在的上述问题，本发明根据多进制LDPC码的码字结构，对GF(4)下的LDPC码译码进行研究，在FHT-BP算法的基础上提出一种基于多层感知神经网络的多进制LDPC码的译码方法，该译码方法能够提升误码性能，达到更好的传输效果。

为实现上述目的，本发明采用以下技术方案：

基于多层感知神经网络的多进制LDPC码的译码方法，具体包括接收符号数据信息、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。

基于多层感知神经网络的多进制LDPC码的译码方法，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；