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！

申请/专利权人：哈尔滨工业大学;北京机电工程总体设计部

摘要：本发明公开了一种基于双向LSTM的卷积码译码方法与卷积码编码和译码方法，属于电子通信技术领域，解决传统编译码时间复杂度、空间复杂度随码长、约束度的增大呈指数上升、长码码本不好选取和编码信息容易被截取和破解，安全性低的问题。本发明的方法包括：构建双向LSTM神经网络译码器，神经网络译码器采用双向LSTM神经网络进行译码；建立接收序列数据集，根据接收序列数据集和双向LSTM神经网络构造训练码本；选取训练信噪比，训练信噪比为接收序列的信噪比；设定仿真参数，并利用训练码本和训练信噪比对双向LSTM神经网络译码器进行训练；利用训练后的双向LSTM神经网络译码器进行译码。本发明适用于端到端的卷积码编码和译码。

主权项：1.一种基于双向LSTM的卷积码译码方法，其特征在于，所述方法包括：构建双向LSTM神经网络译码器，所述神经网络译码器采用双向LSTM神经网络进行译码；建立接收序列数据集，根据所述接收序列数据集和双向LSTM神经网络构造训练码本；选取训练信噪比，所述训练信噪比为所述接收序列的信噪比；设定仿真参数，并利用所述训练码本和所述训练信噪比对所述双向LSTM神经网络译码器进行训练；利用训练后的双向LSTM神经网络译码器进行译码；所述构建双向LSTM神经网络译码器，具体包括：所述双向LSTM神经网络译码器包括输入层、隐层神经和输出层；所述隐层神经由若干层双向LSTM网络层、批量标准化BN层和DropOut层组合而成，用于通过对接收序列进行相邻码字间相关性的提取；所述输入层用于将输入的码本放大到高维的空间中；所述双向LSTM网络层通过学习卷积码输入编码序列前后之间的相关性，将顺序输入的卷积码编码码字变为可以被神经网络所拟和的特征规律；所述批量标准化BN层通过归一化公式让神经网络的输出数据重新分布在规定的范围内而不改变其分布规律；所述DropOut层通过训练时对神经网络训练单元按照一定的概率将其从网络中移除来防止网络的过拟合；所述输出层用于将高维的信息降到低维；所述建立接收序列数据集，根据所述接收序列数据集和双向LSTM神经网络构造训练码本，具体包括：根据接收序列，截取长为n*m的序列记为[R11,R12,...,R1n,R21,R22,...,R2n,...,Rm1,Rm2,...,Rmn]，码长n对应于双向LSTM神经网络的Inputdim,而m对应的就是双向LSTM神经网络的Timesteps,将所述接收序列转换为m*n的二维张量；将所述m*n的二维张量并行输入至双向LSTM神经网络；根据双向LSTM神经网络参数设定的batchsize，将所有所述所有二维张量变为batchsize,m,n的三维张量；根据所述batchsize,m,n的三维张量构造训练码本；原始信息序列u通过卷积码编码器，生成编码序列s，编码序列再通过BPSK调制器进行星座图映射，变为符号x，进入信道中进行传输；在信道中传输信号受到干扰影响，接收端收到的符号为y，经过双向LSTM神经网络译码器，得到译码后的预测序列u′，完成译码。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 北京机电工程总体设计部 一种基于双向LSTM的卷积码译码方法与卷积码编码和译码方法