一种基于CNN的LDPC码盲信道译码方法及译码器.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110752894A(43)申请公布日2020.02.04(21)申请号201910988089.X(22)申请日2019.10.17(71)申请人网络通信与安全紫金山实验室地址211111江苏省南京市江宁区秣周东路9号(72)发明人张川庞旭尤肖虎(74)专利代理机构江苏瑞途律师事务所32346代理人李维朝(51)Int.Cl.H04L1/00(2006.01)H03M13/11(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图7页(54)发明名称一种基于CNN的LDPC码盲信道译码方法及译码器(57)摘要本发明提供一种无需信道检测的基于CNN的LDPC盲译码方法及译码器。利用LDPC码的Tanner图所展示出来的内部节点之间的互连关系确定模板，根据该模板将LDPC码一维信号转换为二维图像，再通过CNN对图像进行降噪处理，并在二维图像的基础上，对LDPC码进行译码，整个网络架构可以在无需维度变换的基础上进行降噪且译码。在相同条件下，盲译码算法相比于传统BP译码算法具有显著提升。CN110752894ACN110752894A权利要求书1/2页1.一种基于CNN的LDPC码盲信道译码方法，其特征在于：(1)根据LDPC码的Tanner图中变量节点和校验节点之间的互连关系构建LDPC码的二维模板；(2)根据二维模板将原始一维LDPC码信号转化为二维形式的信号；(3)将二维形式的信号看作“图像”，利用卷积神经网络进行降噪；对降噪后的“图像”进行译码。2.如权利要求1所述的基于CNN的LDPC码盲信道译码方法，其特征在于：所述步骤(3)中，先利用字典学习对“图像”进行预滤波处理，预先滤除一部分噪声，再利用卷积神经网络对预先滤除一部分噪声后的“图像”进行降噪。3.如权利要求2所述的基于CNN的LDPC码盲信道译码方法，其特征在于：在利用字典学习对“图像”进行预滤波处理过程中，利用正交匹配追踪算法、最小角回归算法或阈值处理对“图像”进行预滤波。4.如权利要求1、2或3所述的基于CNN的LDPC码盲信道译码方法，其特征在于：所述步骤(1)中，二维数独模板的构建具体为，LDPC码的Tanner图中，变量节点之间通过校验节点相连接，校验节点之间通过变量节点相连接，计算变量节点之间的距离以及校验节点之间的距离；根据变量节点之间的距离、校验节点之间的距离分别生成变量节点的数独模板、校验节点的数独模板；将变量节点的数独模板、校验节点的数独模板叠加形成二维模板。5.如权利要求4所述的基于CNN的LDPC码盲信道译码方法，其特征在于：变量节点的数独模板为M×M的矩阵，校验节点的数独模板为N×N的矩阵，如果M与N不相等，则对行列数小的矩阵进行填充，使其行列数与另一矩阵相等。6.如权利要求1、2或3所述的基于CNN的LDPC码盲信道译码方法，其特征在于：所述步骤(1)中，二维数独模板的构建具体为，LDPC码的Tanner图中，变量节点之间通过校验节点相连接，校验节点之间通过变量节点相连接，计算变量节点之间的距离以及校验节点之间的距离；根据变量节点之间的距离、校验节点之间的距离分别生成变量节点的数独模板、校验节点的数独模板；所述步骤(2)中，分别根据变量节点的数独模板、校验节点的数独模板将原始一维LDPC码信号转化为二维形式的信号。7.如权利要求4、5或6所述的基于CNN的LDPC码盲信道译码方法，其特征在于：变量节点的数独模板中，对于其中一个变量节点，与该变量节点距离近的其他变量节点安排在该变量节点的4-相邻像素点位置，距离远的其他变量节点安排在该变量节点的对角-相邻像素点位置；校验节点的数独模板中，对于其中一个校验节点，与该校验节点距离近的其他校验节点安排在该校验节点的4-相邻像素点位置，距离远的其他校验节点安排在该校验节点的对角-相邻像素点位置。8.如权利要求7所述的基于CNN的LDPC码盲信道译码方法，其特征在于：变量节点的数独模板中，对于其中一个变量节点，针对位于该变量节点的4-相邻像素点位置或对角-相邻像素点位置的四个变量节点，对该四个变量节点中的一个或多个设置权重，权重的值越大，表示距离该变量节点更近；校验节点的数独模板中，对于其中一个校验节点，针对位于该校验节点的4-相邻像素点位置或对角-相邻像素点位置的四个校验节点，对该四个校验节点中的一个或多个设置权重，权重的值越大，表示距离该校验节点更近。9.一种译码器，包括处理器，其特征在于：所述处理器执行权利要求1-8任一权利要求2CN110752894A权利要求书2/2页所述的基于CNN的LDPC码盲信道译码方法。3CN110