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！

龙图腾网获悉东华大学;上海量子科学研究中心;合肥国家实验室申请的专利基于分层和积译码算法的FPGA实现方法、系统及介质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：CN118573213B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202410719971.5，技术领域涉及：H03M13/11；该发明授权基于分层和积译码算法的FPGA实现方法、系统及介质是由蒋学芹;晋泽媛;谢颖华;陈根龙设计研发完成，并于2024-06-05向国家知识产权局提交的专利申请。

本基于分层和积译码算法的FPGA实现方法、系统及介质在说明书摘要公布了：本发明提供一种基于分层和积译码算法的FPGA实现方法、系统及介质，所述方法包括如下步骤：获取信道消息，对QC‑LDPC码的校验矩阵进行预处理以得到预处理信息；对所述信道消息进行初始化处理后更新节点LLR信息并存储；在计算得到最后一层的所述后验LLR信息并更新之后进行译码判决；确定满足预设条件后译码结束，存储译码得到的译码结果；本发明实现了校验矩阵预处理、快速循环移位操作，加快了译码速度，提高译码器的吞吐量，同时在数据存储方面整合了初始变量节点LLR信息和后验LLR信息的存储，省去层内变量节点LLR信息的存储，降低了译码器的资源消耗。

本发明授权基于分层和积译码算法的FPGA实现方法、系统及介质在权利要求书中公布了：1.一种基于分层和积译码算法的FPGA实现方法，其特征在于，所述方法包括如下步骤： 获取信道消息，对QC-LDPC码的校验矩阵进行预处理以得到预处理信息； 所述对QC-LDPC码的校验矩阵进行预处理以得到预处理信息，包括： 获取QC-LDPC码中的校验矩阵； 过滤所述校验矩阵中的零矩阵，并对过滤后的所述校验矩阵进行压缩以得到偏移量矩阵和地址矩阵； 其中，所述零矩阵中的校验节点和变量节点之间在译码过程中没有信息传递且无消息更新，所述偏移量矩阵用于保存每一行所述校验矩阵对应的循环移位量，所述地址矩阵由每个循环置换矩阵对应的校验矩阵列号组成，所述偏移量矩阵的行数和所述地址矩阵的行数均与所述校验矩阵的行数一致，所述偏移量矩阵的列数和所述地址矩阵的列数均与所述校验矩阵中的最大行重一致，所述行重为所述校验矩阵中每一行非负值的数量； 对所述信道消息进行初始化处理后，更新节点LLR信息并根据所述预处理信息存储，包括： 对所述信道消息进行初始化处理以得到第一LLR信息； 根据所述第一LLR信息更新每一次迭代中每一层节点的第二LLR信息，所述第二LLR信息包括校验节点LLR信息、后验LLR信息和变量节点LLR信息； 根据所述地址矩阵将所述第二LLR信息中的所述校验节点LLR信息和所述后验LLR信息存储在存储器中，将所述变量节点LLR信息按照校验节点读取信息的顺序寄存； 根据所述第一LLR信息更新每一次迭代中每一层节点的第二LLR信息，包括： 将所述校验矩阵按行分层，采用层内并行层间串行的译码策略进行译码，以分别得到每一层变量节点和校验节点之间传输的校验节点LLR信息和变量节点LLR信息； 根据每一层所述校验节点LLR信息和变量节点LLR信息计算得到后验LLR信息； 所述校验节点LLR信息、所述变量节点LLR信息和所述后验LLR信息的计算过程满足如下第二公式： ； 其中，是当前迭代次数，是当前的层数，表示与第i个校验节点相连的除去第j个变量节点意外的变量节点的集合，表示第j个变量节点传递给第i个校验节点的外信息，表示与第i个校验节点相连的变量节点的集合，表示当前层迭代更新后的第个变量节点传向第个校验节点的变量节点LLR信息，是上一层第个变量节点的后验LLR信息，是上一次迭代第个校验节点传给第个变量节点的校验节点LLR信息，是当前层迭代更新后的第个校验节点传向第个变量节点的校验节点LLR信息，为第层更新后的第个变量节点的后验LLR信息，表示中除第个变量节点以外的变量节点集合，是符号函数，，表示函数的变量； 在计算得到最后一层的后验LLR信息并更新之后进行译码判决； 确定满足预设条件后译码结束，存储译码得到的译码结果。

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东华大学;上海量子科学研究中心;合肥国家实验室，其通讯地址为：200051 上海市长宁区延安西路1882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。