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！

龙图腾网恭喜兰州大学申请的专利一种基于深度学习的低密度奇偶校验码码率盲识别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：CN116226643B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202310243037.6，技术领域涉及：G06F18/213；该发明授权一种基于深度学习的低密度奇偶校验码码率盲识别方法是由袁磊;郭宇航;罗诺;高晓亮;陈剑斌设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于深度学习的低密度奇偶校验码码率盲识别方法在说明书摘要公布了：一种基于深度学习的低密度奇偶校验码码率盲识别方法，有训练和验证两个阶段。训练阶段，发射端从码率集合中选取码率，对原始信息序列S通过低密度奇偶校验编码生成码字序列C，码字序列C通过二进制移项键控调制得到发送符号序列X，经过加性高斯白噪声信道到达接收端，接收端得到接收符号序列Y作为训练输入；训练标签为向量P。构造码率识别神经网络模型，Y作为训练数据输入模型，对应其码率类别的概率向量P作为模型输出，采用随机梯度下降算法训练模型，计算分类交叉熵损失并对模型权重和偏置进行更新，得到优化的码率识别神经网络模型；验证阶段，生成验证序列Yv，输入优化的模型对其进行码率盲识别。本发明相比传统码率识别方法，在低信噪区间性能提升明显。

本发明授权一种基于深度学习的低密度奇偶校验码码率盲识别方法在权利要求书中公布了：1.一种基于深度学习的低密度奇偶校验码码率盲识别方法，其特征如下：采用神经网络模型计算接收序列加权校验和并进行特征处理与分类，最终输出其码率类别的方法，包含训练和验证两个阶段，具体实现步骤如下：发射端与接收端约定一个低密度奇偶校验LowDensityParityCheck，LDPC码码率参数集合θ＝{r1,r2,...,ri,...,rt}，对应码字校验节点的个数分别为{m1,m2,...,mi,...,mt}；在训练阶段，首先发射机对长度为k的随机信息序列S通过码率为ri的LDPC编码方式生成长度为n的码字序列C，码字序列C通过二进制移项键控BinaryPhaseShiftKeying,BPSK调制方式生成能量归一化的调制符号序列X，调制符号序列X经过加性高斯白噪声AdditiveWhiteGaussianNoise，AWGN无线信道传输到接收机，噪声分布的均值为0、方差为σ2；接收机接收到的符号序列为Y作为训练输入；训练标签为长度为t的向量P，当Y的编码码率为ri时，除向量在i位置的值Pi＝1外，其余位置均为0值；在设定的信噪比范围内，按照上述方法生成等量数据组成训练数据集；然后将训练数据集输入码率识别神经网络模型，应用随机梯度下降算法StochasticGradientDescent,SGD算法训练模型权重和偏置，最终得到优化的码率识别神经网络模型；在验证阶段，使用与生成训练数据集同样的方法生成验证数据集，用优化的码率识别模型进行验证。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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”。