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：浙江大学

摘要：本发明公开了一种基于图神经网络的信道解码方法及系统，本发明的核心在于图神经网络表示的解码器，每次边或点的迭代相当于将相关信息通过一个多层的神经网络输出一个新的点或者边的向量，让神经网络在消息传递中不断学习图的结构，进而实现信道解码的目的。和传统的神经网络解码方法相比，由于可以参数共享，本发明突破了维度诅咒的深度学习解码限制，参数相比传统模型减少了数量级的级别，模型复杂度降低，由于节点或边向量可以并行更新，并行能力增强，在相同条件下比基于神经网络的置信传播算法等其他传统神经网络解码算法性能上更为优秀，可以节省大量时间以及算力资源，在高性能通信，低功耗通信等领域上有着广泛的应用前景。

主权项：1.一种基于图神经网络的信道解码方法，其特征在于，具体为：基于待解码数据的码字长度N和待输出的码字长度K确定校验矩阵大小并生成Tanner图，确定变量节点，校验节点以及之间的连接关系；所述Tanner图中变量节点的数量为N、校验节点的数量为M＝N-K；利用输入转换矩阵T将待解码的数据转换成Tanner图中变量节点的向量并将校验节点的向量全部置为零向量；所述输入转换矩阵T的大小为N×1，输入转换矩阵T的第i个元素Ti将待解码数据转换成Tanner图中第i个变量节点的向量；利用对应神经网络模型进行消息传递分别更新变量节点，校验节点，以及边对应的向量，其中一条边有两个方向分别对应两个向量；对应神经网络模型至少包括：第一神经网络模型，依据构建的校验节点的输入矩阵，输出获得校验节点的更新向量；第二神经网络模型，依据构建的变量节点的输入矩阵，输出获得变量节点的更新向量；第三神经网络模型，依据构建的第一方向边的输入矩阵，输出获得第一方向边的更新向量；第四神经网络模型，依据构建的第二方向边的输入矩阵，输出获得第二方向边的更新向量；利用输出转换矩阵O将更新后Tanner图中的变量节点的向量转换映射为输出矩阵，其中所述输出转换矩阵O的大小为N×1，输出矩阵的大小为N×N，输出转换矩阵O的第i个元素Oi分别将更新后Tanner图中第i个校验节点的向量转换成输出矩阵的行或列；将输出矩阵经输出卷积神经网络模块解码获得码字，完成解码；所述输入转换矩阵T、输出转换矩阵O、第一神经网络模型、第二神经网络模型、第三神经网络模型、第四神经网络模型和输出卷积神经网络模块是利用训练数据，以最小化输出神经网络模块解码获得的码字与真值的损失函数训练获得的。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于图神经网络的信道解码方法及系统