[发明专利]一种基于卷积神经网络的串行抵消列表译码参数优化方法在审
| 申请号： | 201810737117.6 | 申请日： | 2018-07-06 |
| 公开（公告）号： | CN108880568A | 公开（公告）日： | 2018-11-23 |
| 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： | H03M13/23 | 分类号： | H03M13/23;H04L1/00 |
| 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： | 本发明提供了一种基于卷积神经网络的串行抵消列表译码参数优化方法，所述方法首先从收集、整理样本数据开始；然后以样本数据的特点及大小作为依据进行建模，并采用反向传播算法来训练网络；然后再将由接收信号计算得到的似然比输入到已完成训练的卷积神经网络中，输出Q；最后将L初始化为Q，执行串行抵消列表译码算法。该方法通过将卷积神经网络技术与极化码译码技术进行结合，避免了不必要的计算操作，从而极大降低了极化码的译码复杂度。 | ||
| 搜索关键词： | 卷积神经网络 抵消 样本数据 译码参数 极化 译码复杂度 反向传播 计算操作 信号计算 训练网络 译码技术 译码算法 初始化 似然比 建模 算法 优化 输出 | ||
【主权项】：
1.一种基于卷积神经网络的串行抵消列表译码参数优化方法，其特征在于，所述方法用卷积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，搭建卷积神经网络，并训练卷积神经网络；步骤3，在极化码译码阶段，将似然比输入到卷积神经网络模型中，得到一个值Q，并将L初始化为Q，执行串行抵消列表译码算法。
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/patent/201810737117.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
