买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:澳门理工大学
摘要:本发明公开了一种基于模型驱动深度学习的非二进制LDPC译码方法,在EMS算法的基础上,提出了一种基于模型驱动深度学习的EMS算法,称为NEMS算法,并将NEMS算法应用到NB‑LDPC解码中。NEMS算法可以看作是EMS算法的扩展,在变量节点和校验节点上增加了可训练的学习权重。与传统EMS算法相比,NEMS算法对于中短NB‑LDPC码具有更好的译码性能。
主权项:1.一种基于模型驱动深度学习的非二进制LDPC译码方法,其特征在于,所述方法包括:1把非二进制LDPC码的EMS迭代译码结构中的每一次迭代看作一个独立的单元,这样原来M次迭代的EMS译码流程展开为M个独立的单元,将这M个独立的单元串行连接形成一个“平铺”式结构;2把非二进制LDPC码的EMS迭代译码结构中每一次迭代中由检验节点到变量节点传递信息计算看作校验节点CN层,由变量节点到校验节点传递信息计算看作变量节点VN层,这样每一个独立的单元中就包含两层神经网络计算;3把非二进制LDPC码的EMS迭代译码结构中的输出判决计算展开,并加上一个交叉熵损失计算函数构成“平铺”式结构的输出层;4经过1至3的处理,将非二进制LDPC码的EMS迭代译码结构展开形成用于非二进制LDPC码的译码网络EMSNet;5对EMSNet进行训练;6对训练完成的EMSNet输出的信息比特后验概率对数似然比估计值用Sigmoid函数进行归一化,并对归一化的结果进行硬判决,得到真实信息比特序列的估计值,从而实现对非二进制LDPC码的译码;5中对EMSNet进行训练,具体包括:在CN层和VN层分别添加一个可训练的学习权重向量,同时使用交叉熵损失函数进行训练,交叉熵损失函数的表达式为:其中,o表示输出码字,x表示信源码字,oi是输出码字的第i个比特,xi是信源码字的第i个比特,N表示比特数;6中对训练完成的EMSNet输出的信息比特后验概率对数似然比估计值用Sigmoid函数σx=1+e-x-1进行归一化。
全文数据:
权利要求:
百度查询: 澳门理工大学 一种基于模型驱动深度学习的非二进制LDPC译码方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。