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！

龙图腾网获悉南京信息工程大学申请的专利一种基于残差连接的共享神经归一化最小和译码方法及装置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：CN120915314B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511458205.9，技术领域涉及：H03M13/11；该发明授权一种基于残差连接的共享神经归一化最小和译码方法及装置是由张立康;周华;朱家勤;张旭;赵言耀;马佳威;冯姣;李鹏设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种基于残差连接的共享神经归一化最小和译码方法及装置在说明书摘要公布了：本发明提供了一种基于残差连接的共享神经归一化最小和译码方法及装置，所述方法包括：步骤1，构建神经网络输入层；步骤2，构建神经网络隐藏层；步骤3，设计自适应残差连接机制；步骤4，校验节点到变量节点CN层迭代更新，计算校验节点到变量节点的消息，并根据阈值判断条件应用自适应残差连接；步骤5，变量节点到校验节点VN层迭代更新；步骤6，按照设定的最大迭代次数重复执行步骤4和步骤5，迭代到最大次数后通过输出层输出最终译码结果；步骤7，使用交叉熵损失函数对网络进行训练。本发明通过自适应残差连接机制有效缓解了深层网络的梯度消失和退化问题，显著提升了LDPC码的译码性能，特别是在低信噪比条件下的表现。

本发明授权一种基于残差连接的共享神经归一化最小和译码方法及装置在权利要求书中公布了：1.一种基于自适应残差连接的共享神经归一化最小和译码方法，其特征在于，包括以下步骤： 步骤1，构建神经网络输入层，所述神经网络输入层包括两个以上的输入节点，输入节点的数量与待译码的LDPC码码字序列长度相等；所述神经网络输入层被配置为接收一个包含信道输出软信息的实数向量，实数向量中每个元素对应码字中一个比特的可靠性度量，即对数似然比； 步骤2，构建神经网络隐藏层，所述输入层将实数向量直接馈入神经网络隐藏层以启动神经网络的译码过程； 所述神经网络隐藏层包含校验节点到变量节点CN层和变量节点到校验节点VN层； 所述校验节点到变量节点CN层的权重参数为，所述变量节点到校验节点VN层的权重参数为，且在当前迭代中校验节点到变量节点CN层的所有连接边共享相同权重，变量节点到校验节点VN层的所有连接边共享相同权重； 步骤3，设计自适应残差连接机制，设定阈值参数用于判断是否启用残差连接，定义指数加权平均系数控制残差连接的权重分配； 步骤4，校验节点到变量节点CN层迭代更新，计算校验节点到变量节点的消息，并根据阈值判断条件应用自适应残差连接； 步骤5，变量节点到校验节点VN层迭代更新，计算变量节点到校验节点的消息，并根据阈值判断条件应用自适应残差连接； 步骤6，迭代执行与输出层处理，按照设定的最大迭代次数重复执行步骤4和步骤5，迭代到最大次数后通过输出层输出最终译码结果，输出层使用激活函数进行处理； 步骤7，网络训练优化，使用交叉熵损失函数对网络进行训练，通过反向传播算法更新共享权重参数； 步骤3中，所述自适应残差连接机制包括： 在校验节点到变量节点CN层更新时：将第t‑2次迭代变量节点到校验节点VN层的输出与第t‑1次迭代变量节点到校验节点VN层的输出通过指数加权平均进行结合，加权系数为，当时，启用残差连接；当时不使用残差连接，为阈值； 在变量节点到校验节点VN层更新时：将第t‑1次迭代校验节点到变量节点CN层的输出与第t次迭代校验节点到变量节点CN层的输出通过指数加权平均进行结合，加权系数为，当时，启用残差连接；当时不使用残差连接。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。

以上内容由龙图腾AI智能生成。