【技术实现步骤摘要】
一种基于深度神经网络的里德
‑
所罗门码译码方法及系统
[0001]本专利技术涉及通信
，具体涉及一种基于深度神经网络的里德
‑
所罗门码译码方法及系统。
技术介绍
[0002]现代通信系统主要利用电磁波在自由空间的传输机理来完成信息传输，但通常情况下信道存在噪声干扰，所以如何在随机噪声的干扰下有效而可靠地输送信息成为通信系统研究的关键问题。纠错码是对信息在传输过程中产生错误时能自行发现或纠正的码，它的引入使得通信系统的可靠性大大提升，其中里德
‑
所罗门码(Reed
‑
Solomon Code，RSC)满足香农界，是最大距离可分码，具有很强的纠随机错误和突发错误的能力，使RS码在深空通信、移动通信、军用通信、网络和光盘等系统中得到广泛的应用，提高系统的性能。
[0003]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]存在深度神经网络与传统通信系统融合过程中，主要是以数据驱...
【技术保护点】
【技术特征摘要】
1.一种基于深度神经网络的里德
‑
所罗门码译码方法，其中，所述方法包括：生成预定长度的RS码字，获得所述RS码字的二进制的校验矩阵；利用所述RS码字的所述校验矩阵构造译码神经网络；将所述译码神经网络分为N次置信传播迭代过程，其中，N为正整数；对M次置信传播迭代的输出层输出的RS码字比特置信度进行排序，重构所述校验矩阵，对M+1次置信传播迭代中校验层和变量层的神经元进行恢复和删除，其中，M为小于N的正整数；获得预设训练周期；判断所述译码神经网络的训练周期是否满足所述预设训练周期；如果所述译码神经网络的训练周期满足所述预设训练周期，将第N次置信传播迭代的校验矩阵作为最优校验矩阵。2.如权利要求1所述的方法，其中，所述判断所述译码神经网络的训练周期是否满足所述预设训练周期之后，还包括：如果所述译码神经网络的训练周期不满足所述预设训练周期，采用交叉熵损失作为网络损失函数，对每个输出层都附加交叉熵损失项，采用小批量随机梯度下降算法优化网络权重。3.权利要求1所述的方法，其中，所述利用所述RS码字的所述校验矩阵构造译码神经网络，包括：根据所述第一译码神经网络的输出层输出所述RS码字比特更新后的置信度；获得预设置信传播迭代次数L；判断所述RS码字比特更新后的置信度是否满足所述预设置信传播迭代次数L；如果所述RS码字比特更新后的置信度满足所述预设置信传播迭代次数L，则完成译码神经网络的初始构建。4.如权利要求3所述的方法，其中，所述判断所述RS码字比特更新后的置信度是否满足所述预设置信传播迭代次数L之后，还包括：如果所述RS码字比特更新后的置信度不满足所述预设置信传播迭代次数L，对所述RS码字比特更新后的置信度进行排序，将奇偶校验矩阵中置信度最低比特的子矩阵进行高斯消去处理，获得第一单位阵；根据所述第一单位阵构造所述译码神经网络。5.如权利要求1所述的方法，其中，所述生成预定长度的RS码字，获得所述RS码字的二进制的校验矩阵，包括：获得所述RS码字的非二进制的校验矩阵；通过二进制图样映射将所述非二进制的校验矩阵转换成二进制的校验矩阵。6.如权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。