[发明专利]一种基于受限玻尔兹曼机的LDPC译码方法和装置

摘要

本发明公开一种基于受限玻尔兹曼机的LDPC译码方法和装置，该方法将传统的LDPC译码算法和神经网络中的受限玻尔兹曼机相结合，利用受限玻尔兹曼机中较为成熟的数学描述对LDPC译码过程进行建模，确定能量函数，再通过训练最小化能量函数，最终获得译码后的码字。该方法和装置通过引入能够描述高维非线性映射的受限玻尔兹曼机，更加精细地进行迭代译码，获得了比之前最优的标准BP译码算法更好的效果。

主权项

一种基于受限玻尔兹曼机的LDPC译码方法，其特征在于，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)根据校验矩阵中“1”的位置建立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e＝X1⊕X2⊕…⊕Xk，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Xi，用实值变量表达式1+xi替换，对于布尔型的变量用实值变量表达式1‑xi替换，其中xi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ej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ej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：Δxi=αΣj=1Lej∂ej∂xi]]>式中xi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。