[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法

有效

• 申請?zhí)枺?/td>: 201910169555.1
• 申請日: 2019-03-06
• 公開（公告）號: CN109921803B
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 王勇超;王超
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: H03M13/11
• 分類號: H03M13/11;H03M13/13;G06N3/04
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

1.一種基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法，其特征在于，分別構(gòu)建并訓(xùn)練降噪神經(jīng)網(wǎng)絡(luò)和糾錯(cuò)神經(jīng)網(wǎng)絡(luò)，將降噪神經(jīng)網(wǎng)絡(luò)、碼字重排乘法器、糾錯(cuò)神經(jīng)網(wǎng)絡(luò)級聯(lián)組成譯碼器，該方法的具體步驟包括如下：

(1)構(gòu)建降噪神經(jīng)網(wǎng)絡(luò)：

(1a)搭建一個(gè)至少五層循環(huán)層且最后一層為全連接層的降噪神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)中循環(huán)層的層數(shù)與線性分組碼的長度呈正相關(guān)；

(1b)設(shè)置降噪神經(jīng)網(wǎng)絡(luò)的各層參數(shù)；

(2)構(gòu)建糾錯(cuò)神經(jīng)網(wǎng)絡(luò)：

(2a)搭建一個(gè)至少五層殘差模塊且最后一層為全連接層的糾錯(cuò)神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)中殘差模塊的層數(shù)與線性分組碼的長度呈正相關(guān)；

(2b)設(shè)置糾錯(cuò)神經(jīng)網(wǎng)絡(luò)的各層參數(shù)；

(3)構(gòu)建碼字重排乘法器：

搭建一個(gè)碼字重排乘法器，將該乘法器的輸入位數(shù)設(shè)置為n×q，乘數(shù)設(shè)置為矩陣A，輸出位數(shù)設(shè)置為(k+1)×(n-k)×q，其中A為n×q行(k+1)×(n-k)×q列的0-1矩陣，k表示線性分組碼的信息位長度；

(4)生成訓(xùn)練集：

(4a)對編碼序列集通過加性高斯白噪聲信道，得到加噪碼字序列集，將加噪碼字序列集中的每一個(gè)碼字分別輸入到碼字重排乘法器中，將碼字重排乘法器輸出的所有碼字組成降噪神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集；

(4b)對編碼序列集中的每一個(gè)碼字分別隨機(jī)生成e個(gè)錯(cuò)誤，得到錯(cuò)誤序列集，其中0≤e≤t，t表示線性分組碼的可糾錯(cuò)能力；

(4c)將錯(cuò)誤序列集中的每一個(gè)碼字分別輸入碼字重排乘法器，將碼字重排乘法器輸出的所有碼字組成糾錯(cuò)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集；

(5)訓(xùn)練降噪神經(jīng)網(wǎng)絡(luò)和糾錯(cuò)神經(jīng)網(wǎng)絡(luò)：

(5a)將降噪神經(jīng)網(wǎng)絡(luò)訓(xùn)練集中的每一個(gè)碼字分別輸入到降噪神經(jīng)網(wǎng)絡(luò)中，輸出降噪碼字，利用交叉熵函數(shù)，計(jì)算每個(gè)降噪碼字與其對應(yīng)的二進(jìn)制編碼序列的損失值，采用隨機(jī)梯度下降算法，最小化所有降噪碼字與編碼序列集中對應(yīng)的二進(jìn)制編碼序列的總損失值，得到訓(xùn)練好的降噪神經(jīng)網(wǎng)絡(luò)；

(5b)將糾錯(cuò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練集中的每個(gè)碼字分別輸入到糾錯(cuò)神經(jīng)網(wǎng)絡(luò)中，輸出糾錯(cuò)碼字，利用交叉熵函數(shù)，計(jì)算每個(gè)糾錯(cuò)碼字與其對應(yīng)的二進(jìn)制編碼序列的損失值，采用隨機(jī)梯度下降算法，最小化所有糾錯(cuò)碼字與編碼序列集中對應(yīng)的二進(jìn)制編碼序列的總損失值，得到訓(xùn)練好的糾錯(cuò)神經(jīng)網(wǎng)絡(luò)；

(6)獲得神經(jīng)網(wǎng)絡(luò)譯碼器：

將訓(xùn)練好的降噪神經(jīng)網(wǎng)絡(luò)、搭建好的碼字重排乘法器、訓(xùn)練好的糾錯(cuò)神經(jīng)網(wǎng)絡(luò)依次級聯(lián)，組成高密度線性分組碼的神經(jīng)網(wǎng)絡(luò)譯碼器；

(7)輸出最終譯碼結(jié)果：

將帶有噪聲的高密度線性分組碼輸入到神經(jīng)網(wǎng)絡(luò)譯碼器中，將輸出的碼字作為最終譯碼結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法，其特征在于，步驟(1a)、步驟(2a)中所述的線性分組碼的長度為n，n＜1023碼元。

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法，其特征在于，步驟(1b)中所述設(shè)置降噪神經(jīng)網(wǎng)絡(luò)的各層參數(shù)如下：

將第一個(gè)循環(huán)層的神經(jīng)元設(shè)置為長短期記憶神經(jīng)元，輸入長度設(shè)置為q，輸出長度設(shè)置為30×q，其中q表示線性分組碼中的每個(gè)二進(jìn)制碼元的比特位長度；

將第二層至倒數(shù)第二層循環(huán)層的神經(jīng)元設(shè)置為長短期記憶神經(jīng)元，輸入長度和輸出長度均設(shè)置為30×q；

將最后一層循環(huán)層的神經(jīng)元設(shè)置為長短期記憶神經(jīng)元，輸入長度設(shè)置為30×q，輸出長度設(shè)置為q；

將全連接層的神經(jīng)元個(gè)數(shù)設(shè)置為n×q，其中n為線性分組碼的長度。

4.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法，其特征在于，步驟(2b)中所述設(shè)置糾錯(cuò)神經(jīng)網(wǎng)絡(luò)的各層參數(shù)如下：

將第一層殘差模塊的輸入神經(jīng)元個(gè)數(shù)設(shè)置為n×q，輸出神經(jīng)元個(gè)數(shù)設(shè)置為3×n×q；

將第二層殘差模塊至最后一層殘差模塊的神經(jīng)元個(gè)數(shù)均設(shè)置為3×n×q；

將全連接層的神經(jīng)元個(gè)數(shù)設(shè)置為n×q。

5.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的高密度線性分組碼譯碼方法，其特征在于，步驟(4a)、步驟(4b)中所述的編碼序列集為隨機(jī)產(chǎn)生的2^q進(jìn)制線性分組碼的編碼序列集。