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！

龙图腾网获悉兰州大学申请的专利一种相关噪声下基于深度学习的LDPC码码率盲识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118713681B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410670067.X，技术领域涉及：H03M13/11；该发明授权一种相关噪声下基于深度学习的LDPC码码率盲识别方法是由袁磊;戴鹏;王瑾妮;徐子轩;蒋杰;杨艳娟设计研发完成，并于2024-05-28向国家知识产权局提交的专利申请。

本一种相关噪声下基于深度学习的LDPC码码率盲识别方法在说明书摘要公布了：一种相关噪声下基于深度学习的LDPC码码率盲识别方法，采用多任务学习策略实现利用DL完成码码率盲识别，为训练和验证两个阶段。在训练阶段，从码率集合中选取其中一个码率的LDPC码生成码字序列，码字序列通过二进制相移键控调制生成调制序列，调制序列经过相关噪声信道进行传输得到训练数据集；然后利用DL构建相关噪声下LDPC码码率盲识别模型；最后将训练数据集输入模型，并利用自适应矩估计优化算法训练模型，在损失值收敛或达到最大训练轮次时停止训练得到优化的模型。在验证阶段，将受相关噪声干扰的调制符号序列使用训练好的模型进行码率盲识别。本发明的基于DL的LDPC码码率盲识别方法在低信噪比时具有更好的性能。

本发明授权一种相关噪声下基于深度学习的LDPC码码率盲识别方法在权利要求书中公布了：1.一种相关噪声下基于深度学习的LDPC码码率盲识别方法，其特征在于：采用神经网络模型进行相关噪声降噪，并利用深度学习技术对降噪后序列的加权校验和进行特征处理与分类，最终输出发射端所采用的码率类别；其包含训练和验证两个阶段，具体实现步骤如下：在训练阶段，首先从包含q个码率的码率集合θR＝{r1，r2,...，rq}中选取码率为rl1≤l≤q的LDPC码作为信道编码方案，对长度为k的0、1随机序列c＝[c1，c2,...，ck]进行编码，进而生成长度为N的码字序列m＝[m1,m2,...,mN]接着将m通过二进制相移键控BinaryPhaseShiftKeying，BPSK调制生成调制序列x＝[x1,x2，...，xN]，调制序列x通过含有相关高斯噪声n＝[n1,n2,...,nN]的无线信道成为接收序列y＝[y1，y2,...，yN]，按照上述方法生成大量数据形成训练数据集；然后将训练数据集作为相关噪声下LDPC码码率盲识别模型的输入，应用Adam优化算法训练网络模型，当损失收敛或达到最大训练轮次时停止训练，保存模型最优的网络权重；在验证阶段，使用与生成训练数据集相同的方法生成验证数据集，用于优化模型的验证；所述LDPC码码率盲识别模型主要包含降噪子网络和LDPC码码率盲识别子网络两部分；该降噪子网络用于估计接收序列y受到的相关噪声，并对接收序列y进行降噪处理得到降噪后的序列y′；接着将降噪后的序列y′输入至解调器中计算出信道对数似然比Log-likeihoodRatio，LLR值Lch，并将LLR值输入所述LDPC码码率盲识别子网络，该网络将LLR值依次经过校验层、池化层以及softmax函数可得到码率识别概率向量o＝[o1,...,oq]；其中，校验层中每个神经元的计算公式如下所示： 式中，sgn·表示符号函数，min·表示取最小值运算，|·|表示取绝对值运算，表示码率rl对应的校验矩阵中第g个校验方程所涉及的编码比特坐标集合；Lche表示Lch中对应于第e个编码比特的LLR值，ωg,l为相应的训练权重，为对应于码率rl的第g个校验方程的神经元输出；所述池化层的计算公式为 式中，为码率rl对应的校验矩阵中校验方程的数目，Γl为码率rl对应的均值特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。