【技术实现步骤摘要】
本申请涉及信道编码，尤其涉及基于改进原模图神经译码器的训练方法及装置。
技术介绍
1、原模图低密度奇偶校验（low-density parity-check, ldpc）码作为信道编码方案之一，已被广泛应用在各种通信场景中，如物联网、数据存储系统和5g新无线电系统。通过迭代译码算法，原模图ldpc码可以获得接近香农容量极限的性能。在现有的迭代译码器中，信度传播（belief-propagation, bp）译码器可以达到最佳性能，但它具有较高的计算复杂度。相比之下，归一化最小和（normalized min-sum, nms）译码器和偏移项最小和（offset min-sum, oms）译码器凭借其低复杂度的特点，被更广泛地应用于实际的系统中。但是，传统的nms译码器和oms译码器会牺牲相当一部分的性能。因此，神经译码器作为一种能够在不提高复杂度的情况下最大限度提高nms译码器和oms译码器性能的关键技术已经吸引到了学术界和工业界的广泛关注。
2、但是，现有的ldpc码大部分是属于非规则码，且通过单流结构实现译码，通常需要更...
【技术保护点】
1.基于改进原模图神经译码器的训练方法，其特征在于，包括：
2.根据权利要求1所述的基于改进原模图神经译码器的训练方法，其特征在于，所述根据初始变量子网络层、初始校验子网络层和预设混洗信度传播子网络层构建待训练译码网络，所述待训练译码网络包括多个隐藏层和输入卷积层，包括：
3.根据权利要求1所述的基于改进原模图神经译码器的训练方法，其特征在于，所述基于预设均方误差损失函数和预置译码器目标函数，通过计算LLR的方式对所述初始变量子网络层、所述初始校验子网络层和所述预设混洗信度传播子网络层进行更新训练，得到目标原模图神经译码器，包括：
...
【技术特征摘要】
1.基于改进原模图神经译码器的训练方法，其特征在于，包括：
2.根据权利要求1所述的基于改进原模图神经译码器的训练方法，其特征在于，所述根据初始变量子网络层、初始校验子网络层和预设混洗信度传播子网络层构建待训练译码网络，所述待训练译码网络包括多个隐藏层和输入卷积层，包括：
3.根据权利要求1所述的基于改进原模图神经译码器的训练方法，其特征在于，所述基于预设均方误差损失函数和预置译码器目标函数，通过计算llr的方式对所述初始变量子网络层、所述初始校验子网络层和所述预设混洗信度传播子网络层进行更新训练，得到目标原模图神经译码器，包括：
4.根据权利要求3所述的基于改进原模图神经译码器的训练方法，其特征在于，所述根据tanner图将预置信道初始信息映射至所述待训练译码网络的输入卷积层进行卷积计算，得到输入卷积信息，之前还包括：<...
【专利技术属性】
技术研发人员：方毅，王裕荣，吕梁，庞振江，占兆武，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
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。