[发明专利]一种基于深度学习的置信度传播LDPC译码方法有效
| 申请号： | 201811189094.6 | 申请日： | 2018-10-12 |
| 公开（公告）号： | CN109547032B | 公开（公告）日： | 2020-06-19 |
| 发明（设计）人： | 姜小波;汪智开;梁冠强 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | H03M13/11 | 分类号： | H03M13/11;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 梁莹;顾思妍 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的置信度传播LDPC译码方法，包括以下步骤：第一步，建立LDPC译码的训练样本集；第二步，建立深度学习译码模型；第三步，确定深度学习译码模型的输入训练集；第四步，确定深度学习译码模型中隐藏层的激活函数；第五步，利用第三步的输入训练集采用批量梯度下降的训练方法对深度学习译码模型进行训练；第六步，对训练后的深度学习译码模型进行验证，对验证的输出结果做硬判决并相应调节权值w，并确定深度学习译码模型的参数；第七步，将需译码的LDPC码输入第六步得到确定参数后的深度学习译码模型中进行译码，完成LDPC译码。本发明可并行译码，并降低译码迭代次数和复杂度，实现从含有噪声和干扰的序列中还原发送端的数据。 | ||
| 搜索关键词： | 一种 基于 深度 学习 置信 传播 ldpc 译码 方法 | ||
【主权项】：
1.一种基于深度学习的置信度传播LDPC译码方法，其特征在于：包括以下步骤：第一步，建立LDPC译码的训练样本集，并得到校验矩阵H；第二步，通过校验矩阵H并采用置信度传播算法建立深度学习译码模型；第三步，确定深度学习译码模型的输入训练集；第四步，确定深度学习译码模型中隐藏层的激活函数，初始化权值w和偏置b；第五步，利用第三步的输入训练集采用批量梯度下降的训练方法对深度学习译码模型进行训练，并得到最优的权值w和偏置b；第六步，对训练后的深度学习译码模型进行验证，对验证的输出结果做硬判决并相应调节权值w，以降低深度学习译码模型译码误码率性能，并确定深度学习译码模型的参数；第七步，将需译码的LDPC码输入第六步得到确定参数后的深度学习译码模型中进行译码，在输出端回归出LDPC的信息位，完成LDPC译码。
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华南理工大学，未经华南理工大学许可，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/201811189094.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
