公开(公告)号：CN110445581B

公开(公告)日：2022-11-01

申请号：CN201910736687.8

申请日：2019-08-10

Applicant: 南京理工大学

Inventor： 赵熙唯 ,  吴平阳 ,  刘倩 ,  王诚 ,  李骏 ,  桂林卿 ,  韦康

IPC: H04L1/00 ,  H04L25/02 ,  H03M13/11 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种在相关性性环境下基于卷积神经网络利用相关信息降低信道译码误码率的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了两个基于多层一维度卷积神经网络的估计器。利用估计器获得的信道增益和信道噪声值，依次进行接收信号去噪，残余噪声分布统计，重构对数似然比，最后利用重构的对数似然比作为BP译码器的输入进行低密度奇偶校验码的信道译码，其结果在各个实验相关性下都获得了相较于未进行上述处理就直接进行信道译码更低的误码率。这说明，通过本发明获得李准确的信道估计值和噪声估计值，同时信号去噪的方法获得了积极的性能增益。

公开(公告)号：CN110351212A

公开(公告)日：2019-10-18

申请号：CN201910736688.2

申请日：2019-08-10

Applicant: 南京理工大学

Inventor： 赵熙唯 ,  吴平阳 ,  刘倩 ,  王诚 ,  李骏 ,  桂林卿 ,  韦康

IPC: H04L25/02 ,  H04B17/391 ,  G06N3/04

Abstract: 本发明公开了一种在快衰落信道下的利用卷积神经网络进行信道估计的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了一个基于多层一维度卷积神经网络的信道估计器。利用该信道估计器获得的信道增益，进行低密度奇偶校验码的信道译码，其结果优于利用统计学方法获得的信道增益期望值进行信道译码的结果。这说明，通过本发明获得信道增益估计值和真实信道增益值更加相似。在实际的系统中，我们无需知晓相关性类型，只需要在获取数据的情况下训练估计器，就可以进行获得神经网络信道估计器。

公开(公告)号：CN114513213A

公开(公告)日：2022-05-17

申请号：CN202210036668.6

申请日：2022-01-13

Applicant: 南京理工大学

Inventor： 樊继豪 ,  李骏 ,  王诚 ,  钱玉文 ,  梅镇

IPC: H03M13/17 ,  H03M13/15

Abstract: 本发明公开了一种基于非对称量子循环突发错误码的错误捕获电路及译码方法，所述错误捕获电路通过对错误伴随式进行循环移位以快速定位差错位置，可纠正码字设计译码长度范围之类的任意突发X错误以及Z错误；所述译码方法基于非对称量子循环突发错误码和错误捕获电路，可以分别纠正Z错误与X错误，优化了译码性能，同时，在译码中充分考虑简并特性来充分发挥量子编码理论的译码极限，实现在相同码率下，纠正更多的量子突发错误。

公开(公告)号：CN110445581A

公开(公告)日：2019-11-12

申请号：CN201910736687.8

申请日：2019-08-10

Applicant: 南京理工大学

Inventor： 赵熙唯 ,  吴平阳 ,  刘倩 ,  王诚 ,  李骏 ,  桂林卿 ,  韦康

IPC: H04L1/00 ,  H04L25/02 ,  H03M13/11 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种在相关性性环境下基于卷积神经网络利用相关信息降低信道译码误码率的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了两个基于多层一维度卷积神经网络的估计器。利用估计器获得的信道增益和信道噪声值，依次进行接收信号去噪，残余噪声分布统计，重构对数似然比，最后利用重构的对数似然比作为BP译码器的输入进行低密度奇偶校验码的信道译码，其结果在各个实验相关性下都获得了相较于未进行上述处理就直接进行信道译码更低的误码率。这说明，通过本发明获得李准确的信道估计值和噪声估计值，同时信号去噪的方法获得了积极的性能增益。