[发明专利]一种基于深度学习的LDPC码迭代译码方法

摘要

本发明提供一种基于深度学习的LDPC码迭代译码方法，涉及信息传输技术领域。先采用标准BP迭代译码器对编码比特和信道噪声进行估计，以此得到信道噪声和信息位的估计值，然后用神经网络DNN对标准BP解码器的噪声估计误差进行去除，得到对信道噪声的更准确的估计，然后把得到的噪声估计在信道接收端做处理，再次重新输入到译码器中，不断迭代。本发明解决了现有技术中信道噪声对译码性能影响的技术问题。本发明有益效果为：得到对信道噪声的更准确的估计，提高解码信噪比，从而提高解码性能和降低算法复杂度。

主权项

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；步骤二：对训练集的信息序列U进行调制，调制后的传输符S号经过信道噪声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信道噪声估计值输入到神经网络得到更新后得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。