[發明專利]一種分布式聯合信源信道編碼系統的深度學習譯碼方法

在審

• 申請號: 202210104626.1
• 申請日: 2022-01-28
• 公開（公告）號: CN114448570A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 洪少華;楊建紅;徐位凱;王琳
• 申請（專利權）人: 廈門大學
• 主分類號: H04L1/00
• 分類號: H04L1/00;H03M13/11;G06N3/04;G06N3/08
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

一種分布式聯合信源信道編碼系統的深度學習譯碼方法，涉及電子通信中的數據傳輸。包括以下步驟：1)確定分布式聯合信源信道編碼系統譯碼的訓練樣本集；2)確定深度學習譯碼模型；3)確定深度學習網絡模型的loss函數；4)確定需要增加信息交互單元的隱藏層位置并插入信息交互單元隱藏層；5)確定深度學習譯碼訓練模型的隱藏層的激活函數；6)確定輸入的訓練樣本集梯度下降的方式訓練模型，調整訓練的參數確定最后網絡模型；7)將需要譯碼樣本集輸入模型完成分布式聯合信源信道系統信源的譯碼。針對分布式聯合信源信道編碼系統可以實現并行譯碼，并能挖掘分布式信源間的相關性進而提高系統的譯碼性能。

技術領域

本發明涉及電子通信中的數據傳輸，尤其是涉及一種基于LDPC碼的分布式聯合信源信道編碼系統的深度學習譯碼方法。

背景技術

第五代5G蜂窩網絡具有高速率、低延時和支持大量設備互聯的特點，5G促進物聯網的大量實際運用。同時，物聯網的出現也推動5G網絡呈現指數級增長。其中傳感器網絡能夠高準確率，低功耗地實現數據傳輸是物聯網中的關鍵一環。分布式聯合信源信道編碼系統是一種對多個傳感器相關輸出在不相互通信進行壓縮編碼在譯碼端進行聯合譯碼的技術，它將信道編碼和分布式信源編碼聯合起來，更適用于傳感器節點能量受限以及更復雜的實際應用場景。如何設計譯碼端的結構得到信源信息顯得尤其關鍵。

Min-Sum算法性能雖然不及置信傳播迭代譯碼算法，但其結構簡單且易于硬件實現而被廣泛使用。隨著深度學習的快速發展，有大量的研究者開始將深度學習運用在通信的物理層的譯碼問題上，進而提高Min-Sum算法的譯碼性能。但是針對分布式信源信道編碼系統的譯碼網絡結構還沒有被提出。

發明內容

本發明的目的在于針對分布式聯合信源信道編碼系統提供可以并行譯碼并只增加和迭代次數一樣的額外權值參數，為了挖掘分布式信源之間的相關性，增加信息交互單元，獲得額外的性能增益的一種分布式聯合信源信道編碼系統的深度學習譯碼方法。

為了達到上述目的，本發明包括以下步驟：

1)建立分布式聯合信源信道編碼系統譯碼的訓練樣本集，獲得對應的校驗矩陣H_i,i＝1,2,…S，其中S為分布式信源個數；

2)建立分布式聯合信源信道編碼系統的深度學習譯碼模型；

3)確定深度學習網絡模型的loss函數；

4)確定需要增加交互單元的隱藏層位置并插入信息交互單元隱藏層；

5)確定模型的激活函數，初始化權值w；

6)對步驟1)中輸入的樣本采用隨機梯度下降的方式對模型進行訓練，得最優的權值w，確定最終的網絡模型；

7)將需要譯碼的樣本集輸入到步驟6)最終確定的模型中，通過最終的硬判決完成分布式聯合信源信道的譯碼。

在步驟1)中，所述建立分布式聯合信源信道編碼系統譯碼的訓練樣本集的具體方法可為：首先不失一般性地假設有兩個相關信源X和Y，其中信源概率為p[x＝0]＝p[y＝0]＝1/2，兩個信源之間的相關性定義為ρ，這兩個信源可看作是通過轉移概率為P[Y＝X|X]＝ρ的BSC信道產生的相關信源，通過獲得的校驗矩陣H₁，H₂得到生成矩陣G₁，G₂后，實現X'＝X*G₁與Y'＝Y*G₂，其中X'，Y'是經過編碼之后的信息序列；假設信源X和Y信息序列長度均為k比特，經過編碼后得到長度為n比特的信息序列；為了同時實現壓縮及糾錯功能，分布式信源X只發送信息比特前αk部分及校驗比特，其中α是介于[0,1]之間的常數；分布式信源Y只發送信息比特的后(1-α)k部分及校驗比特；需要發送的信息序列經過BPSK調制后通過AWGN信道得到r_X與r_Y。