CN119449047A 一种非合作信号场景下的ldpc码盲识别分析方法 （南京邮电大学）

号一种非合作信号场景下的LDPC码盲识别分高误码率的接收信号进行盲识别的校验矩阵判分析，并最终对非合作的LDPC信号进行解码分22.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在,3.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在4.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在3,,,,5.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在,再经过一维函数8,得到中间表示向量：,此时对每个位置i：,4,,K,,,,为[0,1]，为最终计算的注意力输出向量，v表示第j个位置的值向量，K,为第j个位置6.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在输出矩阵C.a作为LSTM神经网络的输入序列，利用LSTM神经网络迭代处理归一化输出矩阵具体包括如下步骤：,t表示当前时刻，t-1表示上一时刻，c,为每个时间t的输入向量，h为前一时刻,o表示元素逐点乘法，sa为上一时刻的细胞状态，z,为对于输入向量的用于输入门的权重矩阵，u,为对于上一时刻的隐藏状态的用于输入5新后的输入向量c,进行tanh再由输出门进行门控选择：,7.根据权利要求1所述的一种非合作信号场景下的LDPC码盲识别分析方法，其特征在步骤6.1、全连接神经网络的全连接层使用一个通过反向传播算法进行学习的权重矩,,步骤6.3、堆叠多个全连接层提升表示能力，假设共有N层全连接层，对于第l层，,,其中，表示第i层线性变换的输出，h-表示上一时刻的输出，表示这一时刻的6译码过程中如果出现译码错误后续也可以被检测出来。由于前面所述的种种优异的性能，CsCsCCCCcacatcacat7注入机制，在步骤1_步骤6的训练过程中逐步提升误码率的门限，直到识别的准确率低于s二进制信号提取为BER_encoding88,为P个反向传播算法进行学习的一维函数；Kv：了让注意力机制对标准化输出矩阵c的不同位置进行相似度计算，需要将每个中间表示向量投影到注意力的维度dm，定义三组可学习矩，，v进行注意力得分计9个位置的值向量（ValueK,为第j个位置的键向量（Key为第i个位置的查询向量，为每个时间t的输入向量，h为前一，o表示元素逐点乘法，sa为上一时刻的细胞状对更新后的输入向量c,进行tanh再由输出门进行门控选择：，[0064]步骤6.1、全连接神经网络的全连l[0075]本发明将KAN+Transformer引入LDPC码的盲识别任务中。全局化地建模输入序列KAN）构建神经网络，通过反向传播算法进行学习的一维函数对标Kv：了让注意力机制对标准化输出矩阵c的不同位置进行相似度计算，需要将每个中间表示向量投影到注意力的维度dm，定义三组可学习矩，，v进行注意力得分计个位置的值向量（ValueK,为第j个位置的键向量（Key为第i个位置的查询向量[0124]步骤5、LSTM神经网络：将步骤4的归一化输出矩阵ca输入出矩阵C.a作为LSTM神经网络的输入序列，利用LSTM神经网络迭代处理归一化输出矩阵和细胞状态构成四个关键组件，通过LSTM神经网络处理完归一化输出矩阵ca后，在每个，为每个时间的输入向量，h为前一，o表示元素逐点乘法，sa为上一时刻的细胞状对更新后的输入向量c,进行tanh再由输出门进行门控选择：，[0137]步骤6.1、全连接神经网络的全连l