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！

龙图腾网获悉南京邮电大学申请的专利基于神经网络优化的QC-LDPC码双支路交叉分层最小和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：CN121485702B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610024914.4，技术领域涉及：H03M13/11；该发明授权基于神经网络优化的QC-LDPC码双支路交叉分层最小和译码方法是由吴晓富;李涛设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本基于神经网络优化的QC-LDPC码双支路交叉分层最小和译码方法在说明书摘要公布了：本发明公开一种基于神经网络优化的QC‑LDPC码双支路交叉分层最小和译码方法，针对输入的QC‑LDPC码及两种层排序，构建基于两种层排序的上、下支路分层最小和译码器，通过神经网络优化得到上、下支路的分层最小和译码器的最优参数，并分别例化最小和译码器；译码时，将接收信号同时输入上、下支路译码器，若任一支路译码成功则输出译码结果，否则将原始LLR序列值与二路译码器首次译码输出的后验LLR序列值加权相关后并行交叉输入下、上支路译码器再次译码。本发明能够有效提高QC‑LDPC码的分层译码性能，对于典型的5G‑LDPC码，本发明相比于神经网络参数优化的分层最小和译码方法有显著性能提升。

本发明授权基于神经网络优化的QC-LDPC码双支路交叉分层最小和译码方法在权利要求书中公布了：1.基于神经网络优化的QC-LDPC码双支路交叉分层最小和译码方法，其特征在于，方法包括以下步骤： S101、针对输入的QC-LDPC码、最大迭代次数，以及分层最小和译码器的两种具体层排序、，构建上、下支路分层最小和译码器、； 所述步骤S101具体包括： 所输入的QC-LDPC码是通过一个尺寸为的母矩阵进行准循环扩展得到尺寸为的校验矩阵，m表示母矩阵行数，n表示母矩阵列数，M表示校验矩阵行数，N表示校验矩阵列数，其中，，，表示扩展因子大小，校验矩阵从上至下每行构成一层，共m层； 输入分层最小和译码器的两种具体层排序，分层最小和译码器的一种具体层排序定义为输入QC-LDPC母矩阵的行置换排序，该行置换排序的一个置换，给定层排序下的分层最小和译码器是给定矩阵下的分层最小和译码器，表示对母矩阵根据层排序执行的行置换矩阵，即矩阵的第行取自矩阵的第行； 给定母矩阵下的分层最小和译码器的一次迭代计算是由接收信号输入层与个Z-行译码单元组成，单个Z-行译码单元由一层校验节点层与一层变量节点层构成，单个Z-行译码单元执行矩阵的行校验所对应的次最小和置信度传播译码消息传递，单个Z-行译码单元所处理矩阵的行校验是由母矩阵的一行扩展所成；将给定母矩阵下的分层最小和译码器中的个-行译码单元记为，将其按重新排序得到，的一次迭代计算由接收信号输入层与组成，共层，次迭代计算由接收信号输入层与个连接组成； S102、基于校验节点运算的乘性加权与加性修正机制参数化上、下支路分层最小和译码器、的各层乘性加权因子、与加性修正因子、，得到上、下支路神经网络分层最小和译码器、；初始化上、下支路神经网络分层最小和译码器的各层乘性加权因子、为1，加性修正因子、为0； 所述步骤S102中基于校验节点运算的乘性加权与加性修正机制参数化分层最小和译码器的各层乘性加权因子与加性修正因子得到的具体方法为；在校验节点层的消息更新公式中使用乘性加权与加性修正机制，并将中的各层乘性加权因子与加性修正因子设置为可学习参数得到，表示个校验节点层使用的乘性加权因子集合，即，表示个校验节点层使用的加性修正因子集合，即，其中，，；中校验节点层的消息更新公式表示为： ； 式中，，，，表示在矩阵中与校验节点相连的所有变量节点的集合，表示校验矩阵根据层排序重排序后的矩阵，表示在中除去变量节点的变量节点集合，表示变量节点的消息，表示第次迭代计算时第层校验节点层的可学习乘性加权因子，表示第次迭代计算时第层校验节点层的可学习加性修正因子； S103、在目标工作信噪比条件下针对QC-LDPC编码经BPSK调制、加性高斯白噪声信道的发送接收Monte-Carlo过程生成QC-LDPC码字的接收信号矢量-发送码字数据集，并通过交叉熵损失函数以及神经网络的反向传播算法对上、下支路神经网络分层最小和译码器、进行独立训练，以得到上、下支路神经网络分层最小和译码器、中的最佳乘性加权因子、与最佳加性修正因子、；通过最佳乘性加权因子、与最佳加性修正因子、对上、下支路译码器进行例化，从而建立神经网络参数优化后的上、下支路神经网络分层最小和译码器、； S104、译码时，将接收信号同时输入上、下支路神经网络分层最小和译码器、，如果任一支路译码成功则输出译码结果，否则将原始LLR序列值与二路译码器首次译码输出的后验LLR序列值加权相关后并行交叉输入下、上支路神经网络分层最小和译码器再次译码； 所述步骤S104具体包括： 译码时，接收信号的译码采用双支路并行译码机制，为此接收信号需同时接入上、下支路神经网络分层最小和译码器、，记上、下支路的输入层接收到个信道原始LLR序列值为；记上支路迭代次译码后的后验LLR序列值为，记下支路迭代T次译码后的后验LLR序列值为，其中上标表示输出层；接收信号通过并行输入上、下支路同时启动各自支路的首次分层最小和译码，如果上、下支路译码结果至少存在一支路能通过目标QC-LDPC码校验矩阵的校验，则译码终止，选择任一通过译码校验的支路输出作为最终译码结果；否则启动双支路二次译码，通过原始信道输入LLR序列与二路译码器首次译码输出的后验LLR序列，，进行加权相关得到加权LLR序列，，然后并行交叉输入至下、上支路神经网络分层最小和译码器、译码；针对两路译码输出，选择与信道接收信号矢量欧式距离最小的译码结果作为最终译码输出。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。