[发明专利]一种基于受限玻尔兹曼机的LDPC译码方法和装置

说明书

技术领域

本发明涉及电子通信技术领域，特别是一种基于受限玻尔兹曼机的LDPC译码方法和装置。

背景技术

低密度校验码(LDPC，Low Density Parity Check codes)是一种逼近香农极限的现代编码技术，由于其优越的性能和易于并行实现的特点，LDPC已经被多种现代通信标准采纳。但目前在移动通信、SSD纠错等现实应用中，基于传统BP译码技术的LDPC的误码率等性能还不够理想，需要新的方法和装置进一步降低误码率，以适应应用的需求。

基于受限玻尔兹曼机的LDPC译码方法和装置是建立在神经网络范畴内的受限玻尔兹曼机理论上的。受限玻尔兹曼机能够最大似然地使得显层神经元的值达到稳定的玻尔兹曼分布。受限玻尔兹曼机的优势在于它是一种能够准确的描述高维非线性映射的结构，并且通过梯度下降法进行训练时可以更精细地修改显层神经元的值，因此能够比传统的BP译码方法有更低的误码率。

发明内容：

本发明为了找到比之前最好的BP译码算法表现更优秀的方法，提出了一种基于受限玻尔兹曼机的新型LDPC译码方法和装置，从而进一步降低误码率。本发明通过受限玻尔兹曼机的思想从含有噪声和干扰的接收序列中尽可能还原发送端数据，可用于通信领域的接收机和SSD的数据纠错。

技术方案：一种基于受限玻尔兹曼机的LDPC译码方法，包括如下步骤：

(1)根据应用需求确定校验矩阵H，大小为m×n，，列重为L，行重为K。

(2)根据校验矩阵建立Tanner图，确定变量节点和校验节点的连接关系。

(3)根据Tanner图建立受限玻尔兹曼机模型，Tanner图中的变量节点作为显层神经元，校验节点作为隐层神经元。

(4)根据K输入异或的布尔表达式构造隐层神经元的输出函数。将K输入异或的布尔表达式改写成最小项之和的形式，对于布尔表达式中布尔型的变量X_i，用实值变量表达式1+x_i替换，对于布尔型的变量用实值变量表达式1-x_i替换，其中x_i为信息比特的值。

(5)构造受限玻尔兹曼机的能量函数，能量函数为：

式中e_j为(4)中第j个隐层神经元的输出，E为整个模型的能量。

(6)将接收到的BPSK调制后的信息比特的值赋值给显层神经元。

(7)前馈计算，显层神经元的值传递给隐层神经元，通过(4)确定的输出函数计算隐层神经元e_j的值和能量函数E的值。

(8)反馈计算，根据本次迭代所得的能量函数值，通过梯度下降法修改显层神经元的值，具体方法如下：

式中x_i代表第i个信息比特的值，α代表学习率，用于调控每次迭代下降的步长，求和是对每一个信息比特参与的L个隐层神经元提供的梯度求和。

(9)更新显层神经元的值，进行硬判决，即令大于等于0的显层神经元的值为1，小于0的显层神经元的值为-1，带入(5)中的能量函数。若E＝0，则译码成功；否则重复步骤(7)(8)。

(10)当迭代次数大于设定的最大迭代次数时，不再进行译码，直接输出。

基于受限玻尔兹曼机的译码装置，包括如下组成部分：

(1)控制模块，用于控制译码装置的执行顺序。

(2)前馈计算模块，用于计算上述方法中的(7)，包括和隐层神经元数目相同的并行输出函数计算模块和能量函数计算模块。

(3)反馈计算模块，用于计算上述方法中的(8)，包括并行梯度计算模块和对应的修正值计算模块，梯度计算模块共享输出函数计算模块的中间结果。

(4)显层神经元赋值模块，将反馈计算模块输出的修正值和上一次迭代的显层神经元的值相加，送入前馈计算模块。

本发明的优势：

本发明借鉴了目前公认的功能强大的神经网络算法，利用受限玻尔兹曼机的思想对LDPC译码过程进行建模，利用最小化能量函数的方式间接地求解信息比特。由于受限玻尔兹曼机本身具有的对高维非线性映射强大的表示能力和这里采用的利用异或的布尔表达式来构造隐层神经元输出函数的方法，本发明提出的译码方法在几乎所有信噪比情况下都表现出了比BP算法更优的性能。本发明可以用于各种通信系统的接收机和固态硬盘数据纠错等应用场景。

附图说明

图1是本发明构建的受限玻尔兹曼机译码装置的结构图；

图2是本发明提出的译码方法的流程图；