申请/专利权人：厦门大学

申请日：2022-01-28

公开（公告）日：2024-02-13

公开（公告）号：CN114448570B

主分类号：H04L1/00

分类号：H04L1/00;H03M13/11;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2022.05.24#实质审查的生效;2022.05.06#公开

摘要：一种分布式联合信源信道编码系统的深度学习译码方法，涉及电子通信中的数据传输。包括以下步骤：1确定分布式联合信源信道编码系统译码的训练样本集；2确定深度学习译码模型；3确定深度学习网络模型的loss函数；4确定需要增加信息交互单元的隐藏层位置并插入信息交互单元隐藏层；5确定深度学习译码训练模型的隐藏层的激活函数；6确定输入的训练样本集梯度下降的方式训练模型，调整训练的参数确定最后网络模型；7将需要译码样本集输入模型完成分布式联合信源信道系统信源的译码。针对分布式联合信源信道编码系统可以实现并行译码，并能挖掘分布式信源间的相关性进而提高系统的译码性能。

主权项：1.一种分布式联合信源信道编码系统的深度学习译码方法，其特征在于包括以下步骤：1建立分布式联合信源信道编码系统译码的训练样本集，获得对应的校验矩阵Hi,i＝1,2,…S，其中S为分布式信源个数；所述建立分布式联合信源信道编码系统译码的训练样本集的具体方法为：首先有两个相关信源X和Y，其中信源概率为p[x＝0]＝p[y＝0]＝12，两个信源之间的相关性定义为ρ，两个相关信源X和Y是通过转移概率为P[Y＝X|X]＝ρ的BSC信道产生的相关信源，通过获得的校验矩阵H1，H2得到生成矩阵G1，G2后，实现X'＝X*G1与Y'＝Y*G2，其中X'，Y'是经过编码之后的信息序列；两个相关信源X和Y信息序列长度均为k比特，经过编码后得到长度为n比特的信息序列；信源X只发送信息比特前αk部分及校验比特，其中α是介于[0,1]之间的常数；信源Y只发送信息比特的后1-αk部分及校验比特；需要发送的信息序列经过BPSK调制后通过AWGN信道得到rX与rY；其次，计算两个相关信源X和Y的各个变量节点的初始似然信息Luj,X，Luj,Y，其中未发送部分需要利用信源之间的相关性获得；信源X发送信息比特前αk部分及校验比特，信源Y发送信息比特的后1-αk部分及校验比特，信源X的初始似然信息值计算为以下步骤： 其中，σ2为AWGN信道噪声的方差，将计算得到的Luj,X与Luj,Y整合为一个大小为2n,c×num的矩阵，其中c表示信噪比的类别个数，num表示训练过程中不同信噪比的帧数，该矩阵即为训练样本集；2建立分布式联合信源信道编码系统的深度学习译码模型；所述建立分布式联合信源信道编码系统的深度学习译码模型，是将分布式信源通过检验矩阵Hi获得的深度学习的译码网络整合在同一个隐藏层建立分布式联合信源信道编码系统的深度学习译码模型，具体方法为：两个相关信源X和Y，根据校验矩阵H1，H2采用迭代译码Min-Sum算法确定隐藏层中各个神经元的连接关系，其中的连接关系对应H矩阵中'1'的位置，并通过给'1'的位置进行更新神经元的输入和输出；然后将两个信源同一层的变量节点神经元整合为网络的一层变量节点隐藏层，两个信源同一层的校验节点神经元整合为网络的一层校验节点隐藏层；确定迭代次数lmax后，可以得到隐藏层的个数为2lmax，每一隐藏层都分别对应两个信源的迭代译码的连接关系；3确定深度学习网络模型的loss函数；所述确定深度学习网络模型的loss函数的具体步骤为：两个相关信源X和Y的loss函数如下：Lu,o＝λlLXu,o+1-λlLYu,o,λ∈0,1，其中，LXu,o与LYu,o分别是信源X与Y译码任务的multi-loss函数；4确定需要增加交互单元的隐藏层位置并插入信息交互单元隐藏层；所述确定需要增加交互单元的隐藏层位置并插入信息交互单元隐藏层的具体方法为：选择对应的迭代次数t，即在对应的第2t层隐藏层之后插入信息交互单元隐藏层实现信息交互，两个相关信源X和Y的信息交互单元具体操作如下： 其中，与表示第t次迭代，即对应2t层隐藏层的变量节点的信息，LXqv,X与LYqv,Y是信息交互单元隐藏层的输出；5确定模型的激活函数，初始化权值w；所述确定模型的激活函数，初始化权值w的具体方法可为：确定激活函数为fx＝1+e-x-1，初始化最初的权值w为均值为0、方差为1的高斯分布的随机变量；6对步骤1中输入的样本采用随机梯度下降的方式对模型进行训练，得最优的权值w，确定最终的网络模型；7将需要译码的样本集输入到步骤6最终确定的模型中，通过最终的硬判决完成分布式联合信源信道的译码；所述将需要译码的样本集输入到步骤6最终确定的模型中，通过最终的硬判决完成分布式联合信源信道的译码，具体可为： 其中，Lqi是输出层的似然信息。

全文数据：

权利要求：

百度查询： 厦门大学 一种分布式联合信源信道编码系统的深度学习译码方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD