一种基于深度学习的校验子输入RS码译码方法专利检索-算法电脑编程专利检索查询-专利查询网

一种基于 深度学习的校验子输入RS码译码方法

阅读：148发布：2024-01-04

专利汇可以提供一种基于深度学习的校验子输入RS码译码方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于深度学习的校验子输入RS码译码方法，包括下列步骤：产生数据集：利用接收序列y计算校验子S，将校验子分为训练集及测试集；计算训练集校验子对应的错误多项式，以错误多项式值作为深度学习训练标签；神经网络的训练：选用多层感知机MLP神经网络结构，以步骤(1)中得到的校验子S、错误多项式E作为神经网络训练的数据集，使用反向传播算法进行有效学习；通过一定数据量及代数的训练，得到译码准确率高的神经网络权重及偏置；当码字错误个数在译码半径以内时，神经网络归纳分析得到正确的对应关系；当码字错误个数在译码半径以外时，神经网络得到可能性最大的对应关系。，下面是一种基于深度学习的校验子输入RS码译码方法专利的具体信息内容。

权利要求

1.一种基于深度学习的校验子输入RS码译码方法，包括下列步骤：
(1)产生数据集：对信息序列x进行RS码编码，得编码后的信息序列u；随后对信息序列u进行BPSK调制，得到传输序列s；传输序列通过高斯白噪声信道后得到接收序列y；利用接收序列y计算校验子S，将校验子分为训练集及测试集；计算训练集校验子对应的错误多项式，以错误多项式值作为深度学习训练标签。
(2)神经网络的训练：选用多层感知机MLP神经网络结构，以步骤(1)中得到的校验子S、错误多项式E作为神经网络训练的数据集，使用反向传播算法进行有效学习；通过一定数据量及代数的训练，得到译码准确率高的神经网络权重及偏置；当码字错误个数在译码半径以内时，神经网络归纳分析得到正确的对应关系；当码字错误个数在译码半径以外时，神经网络得到可能性最大的对应关系；
(3)完成译码过程：将测试集的校验子送入神经网络，计算得到其对应的错误多项式，最终计算得信息序列，完成译码。

说明书全文

一种基于深度学习的校验子输入RS码译码方法

所属技术领域

[0001] 本发明属于信道编码中差错控制编码领域，涉及一种基于深度学习的以校验子为输入的译码算法。

背景技术

[0002] 在数字信号传输过程中，由于信道存在的干扰与衰落，传输信号可能出现差错，故通常对数字信号进行编码，增强其抵御干扰的能力。Reed-Solomon(RS)码是一类纠错能力很强的差错控制编码，由Reed和Solomon于1960年构造出来，可以纠正随机错误和突发错误。目前，RS码已在通信和数据存储系统中得到了广泛的应用，涉及从深空通信到高密度磁盘等多个领域。

[0003] 近年来，深度学习因其强大的解决复杂任务的能力引起了全世界的关注。深度学习方法已应用到了语音识别、计算机视觉、机器翻译等领域，为这些了领域带来了巨大革新与突破。2017年，T.Gruber提出信道译码可看作一种分类问题，这一发现为神经网络在通信领域的应用创造了基础。目前，已有相关研究以二进制码(polar码、BCH码、LDPC码等)的接收码字为神经网络输入，在神经网络输出端进行0/1分类，实现简洁、高效的深度学习直接译码。但目前尚未有的范例，尚未有关于深度学习译非二进制码字的分析与研究。使用深度学习进行RS码直接译码，替代传统的RS码译码方案，将有望

发明内容

[0004] 本发明的目的是提供一种RS码与深度学习结合的译码方法，以突破译码半径的限制，降低硬件实现规模，为提高信道数据传输质量、构建低传输延时和高吞吐率的通信系统提供新的思路。技术方案如下：

[0005] 一种基于深度学习的校验子输入RS码译码方法，包括下列步骤：

[0006] (1)产生数据集：对信息序列x进行RS码编码，得编码后的信息序列u；随后对信息序列u进行BPSK调制，得到传输序列s；传输序列通过高斯白噪声信道后得到接收序列y；利用接收序列y计算校验子S，将校验子分为训练集及测试集；计算训练集校验子对应的错误多项式，以错误多项式值作为深度学习训练标签；

[0007] (2)神经网络的训练：选用多层感知机MLP神经网络结构，以步骤(1)中得到的校验子S、错误多项式E作为神经网络训练的数据集，使用反向传播算法进行有效学习；通过一定数据量及代数的训练，得到译码准确率高的神经网络权重及偏置；当码字错误个数在译码半径以内时，神经网络归纳分析得到正确的对应关系；当码字错误个数在译码半径以外时，神经网络得到可能性最大的对应关系；

[0008] (3)完成译码过程：将测试集的校验子送入神经网络，计算得到其对应的错误多项式，最终计算得信息序列，完成译码。

[0009] 与传统RS译码器相比，基于深度学习的校验子输入RS码译码器能够归纳得到译码半径以外的校验子及错误多项式对应关系，能在一定程度上突破译码半径限制，提高译码性能。同时，该译码器硬件实现结构简单，是RS码译码的一个新方向。附图说明

[0010] 图1基于深度学习的校验子输入RS码译码器的系统框图

[0011] 图2 多层感知器(MLP)架构图

具体实施方式

[0012] RS码是一种在接收端硬判决得到的多进制码字，与二进制接收码字相比会不可避免地丢失一部分信道噪声信息，致使样本空间中噪声分布不均，增加神经网络学习的不确定性。多进制码字较二进制而言，意味着更多的输入可能性。随着码长增加，神经网络结构及训练过程都会复杂很多，不易向长码长扩展。因此，使用多进制接收码字作为神经网络输入直接译码的方案可行性不高，本发明考虑以其他更易寻找规律、长度尽可能小的数据进行输入。

[0013] 在RS码传统译码过程中，涉及校验子计算步骤。据分析，该步骤得到的校验子能够很好地反映差错的存在。根据数学逻辑，当码字错误个数在译码半径以内，校验子与差错(以下称错误多项式)具有良好的一一对应关系。传统译码过程会以较为复杂的译码算法(如RiBM算法)寻找校验子对应的唯一错误多项式，完成译码。在此，我们考虑借助深度学习强大的归纳、分析能力，建立基于深度学习的校验子输入RS码译码器，以校验子为输入，错误多项式为标签，使用深度学习归纳校验子与错误多项式的对应关系，替代传统译码算法过程。

[0014] 基于深度学习的校验子输入RS码译码器的实现包括以下步骤：

[0015] (1)产生数据集，包括校验子及错误多项式。根据通信的基础知识，对接收序列进行校验子计算，并将校验子分为训练集及测试集。同时计算训练集校验子对应的错误多项式，作为神经网络训练的标签。

[0016] (2)进行神经网络的训练：本发明考虑选用一般的多层感知机(MLP)神经网络结构，使用反向传播算法进行有效学习。通过一定数据量及代数的训练，得到译码准确率高的神经网络权重及偏置。当码字错误个数在译码半径以内时，神经网络归纳分析得到正确的对应关系。当码字错误个数在译码半径以外时，神经网络得到可能性最大的对应关系。

[0017] (3)完成译码过程：将测试集的校验子送入神经网络，计算得到其对应的错误多项式，最终计算得信息序列，完成译码。

[0018] 与传统RS译码器相比，基于深度学习的校验子输入RS码译码器能够归纳得到译码半径以外的校验子及错误多项式对应关系，能在一定程度上突破译码半径限制，提高译码性能。同时，该译码器硬件实现结构简单，是RS码译码的一个新方向。

[0019] 下面结合附图及实例，对本发明的技术方案作进一步具体的说明。

[0020] 如图1所示，以(15,9)的RS码为例，基于深度学习的校验子输入RS码译码器实现具体包括以下步骤：

[0021] (1)产生数据集：对信息序列x进行RS码编码，得编码后的信息序列u。随后对信息序列u进行BPSK调制，得到传输序列s。传输序列通过高斯白噪声信道(AWGN)后得到接收序列y(y＝s+n，n为AWGN信道噪声)。利用接收序列y计算校验子S(此例中S长度为6)，将校验子分为训练集及测试集。注意，由于校验子S仅与错误多项式有关，与传输的具体码字无关，方便起见，在产生训练集时信息序列x置为全零。将接收序列y硬判决得接收多项式r，r与u异或得到错误多项式E(E＝r-u，此例中长度为15)，以错误多项式值作为深度学习训练标签。

[0022] (2)神经网络训练：神经网络选用如图2中的多层感知器(MLP)结构。此例中，隐藏层层数为3，节点数为64-32-16。以步骤(1)中得到的校验子S、错误多项式E作为神经网络训练的数据集。使用反向传播算法进行有效学习，激活函数使用relu函数，代价函数使用平均平方误差函数MSE(Mean Squared Error)。在足够的数据集及训练代数条件下，得到拟合对应关系准确率高的神经网络，完成训练过程。

[0023] (3)完成译码过程：将测试校验子S送入训练好的神经网络，输出神经网络计算的错误多项式估计值E′，利用u′＝r+E′得到编码后信息序列u′，最终得信息序列x′，完成译码过程。

[0024] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
一种视频压缩的预测方法	2020-05-08	2
一种网络文件传输检测方法、装置和系统	2020-05-08	868
信息推送方法及相关产品	2020-05-08	146
一种基于贪婪算法的游戏资源打包方法及系统	2020-05-08	988
以时序和加密为基础的分布链式数据共享授权方法	2020-05-11	909
一种基于区块链和竞拍博弈的网络资源安全共享方法	2020-05-08	20
报文检测方法及装置	2020-05-08	174
一种适用于电力系统安防的视频增强浓缩方法	2020-05-08	656
一种基于随机素数的双通道交换的超奇异椭圆曲线算法的密钥交换方法	2020-05-11	360
一种适用于CV-QKD系统的偏置点控制方法及装置	2020-05-11	851

一种基于深度学习的校验子输入RS码译码方法

一种基于深度学习的校验子输入RS码译码方法

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：