Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 吉林大学胡贵军获国家专利权

吉林大学胡贵军获国家专利权

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!

龙图腾网获悉吉林大学申请的专利一种基于双向循环网络的LDPC译码方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116827484B

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310823131.9,技术领域涉及:H04L1/00;该发明授权一种基于双向循环网络的LDPC译码方法是由胡贵军;朱红军设计研发完成,并于2023-07-06向国家知识产权局提交的专利申请。

一种基于双向循环网络的LDPC译码方法在说明书摘要公布了:本发明公开了一种基于双向循环网络的LDPC译码方法,属于通信技术领域,包括:采集经相干光系统传输后的1024QAM信号;构建适用于高阶调制信号的离散信道量化器;计算所有比特信息并完成比特信息的统一;基于双向循环结构构建双向信息瓶颈译码器,双向信息瓶颈译码器的校验节点设计;双向信息瓶颈译码器的变量节点设计。该方法利用多元参量构建信息瓶颈框架,对于所有M‑QAM调制格式只需额外构造两个LUT,可解决IB译码方法中内存需求随调制阶数增大的问题。另外,我们运用双向循环网络和量化信息的对称性实现表格的复用,充分发挥了中间信息的作用,使IB译码算法中查找LUT次数与节点度数的关系从平方量级降为线性量级。

本发明授权一种基于双向循环网络的LDPC译码方法在权利要求书中公布了:1.一种基于双向循环网络的LDPC译码方法,其特征在于,具体包括如下步骤: 步骤A:采集经相干光系统传输后的1024QAM信号; 步骤B:构建适用于高阶调制信号的离散信道量化器; 步骤C:计算所有比特信息并完成比特信息的统一; 步骤D:基于双向循环结构构建双向信息瓶颈译码器,包括: 步骤D1:双向信息瓶颈译码器的校验节点设计; 步骤D2:双向信息瓶颈译码器的变量节点设计; 所述步骤B的具体过程如下: 步骤B1:对1024QAM信号中的10个比特位进行标记,标记比特位为v={0,1,…9},每个比特位的信息为; 步骤B2:将接收信号限幅于信息集中区域,均匀等分为n个量化区间,每个量化区间对应一个离散值;根据量化区间的范围,对每个区间中的发送信号与接收信号的联合分布进行积分,得到离散化的联合分布;其中,为信号噪声的方差,是发送信号的实部,为接收信号的实部;得到的离散化分布将作为信息瓶颈算法的输入,通过信息瓶颈算法对量化区域的不断优化,得到具有发送信号和接收信号之间互信息最大化的映射;此映射将用于步骤C中比特信息的计算; 步骤C的具体过程如下: 步骤C:通过、和计算得到映射与比特位信息的联合分布与比特位所携带信息的分布;将构成多元观察随机变量,为相关随机变量,为压缩随机变量,构成新的信息瓶颈框架,通过求出随机变量的联合分布,即信息瓶颈算法的输入;通过对信息瓶颈算法的压缩得到的两个压缩表LUT,使得所有不同比特所携带的信息具有位置统一的概率分布; 步骤D1的具体过程如下: D11、为得到校验节点第条边的输出外信息,设条边总共接收到的量化信息为;信息瓶颈算法的输入为和压缩空间,其中,q为所要量化的比特数; D12、首先,进行顺序操作,按照顺序结构从前到后依次查找LUT和对应的顺序信息; D13、然后,进行逆序操作,按照与顺序操作相反的顺序逆序查表,得到从后向前所构造的查找表和对应的信息; D14、重复步骤D12及步骤D13,将剩余的边生成相应复用的表格,从而得到相应输出信息; D15、整合上述表格后生成最终复用表格后,删除过渡作用的表格,减小存储表格所需的空间; 步骤D2的具体过程如下: D21、当变量节点度数为偶数时,树状结构将作为最后一层的输入,即可使得这条边的前后两面满足对称性; D22、当变量节点度数为奇数,将作为第一层中最后一条边的输入,以保证能够用最少的LUT完成译码过程。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人吉林大学,其通讯地址为:130012 吉林省长春市长春高新技术产业开发区前进大街2699号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。