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！

龙图腾网恭喜南京邮电大学申请的专利一种基于深度学习辅助的极化码译码方法、装置、电子设备和计算机可读存储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：CN115720095B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202211550829.X，技术领域涉及：H03M13/15；该发明授权一种基于深度学习辅助的极化码译码方法、装置、电子设备和计算机可读存储介质是由吴晓富;田浩;张索非;颜俊设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种基于深度学习辅助的极化码译码方法、装置、电子设备和计算机可读存储介质在说明书摘要公布了：本发明提出了一种深度学习辅助的极化码译码方法、装置、电子设备、计算机可读存储介质。所述方法为当第一次SCL译码失败条件下，通过深度学习预测出错位置并重启动一种指定位置移位剪枝SCL译码。所述方法首先需要收集SCL译码错误样本数据集并以此训练一个给定的深度神经网络模型。该方法最多执行二次SCL译码，当首次SCL译码结果不能通过循环冗余CRC校验时，就将其得到的中间过程路径度量PM张量输入至训练后的深度神经网络模型进行预测，进行第二次SCL译码，相比于第一次SCL译码，第二次SCL译码的特征在于会根据模型预测值进行指定位置的移位剪枝。本方法在仅额外进行一次译码的基础上，显著的提高了SCL译码的性能。

本发明授权一种基于深度学习辅助的极化码译码方法、装置、电子设备和计算机可读存储介质在权利要求书中公布了：1.一种基于神经网络辅助的极化码译码方法，其特征在于，包括如下步骤： 步骤1建立数据集； 步骤2给定神经网络模型的预训练：利用上述数据集收集的大量带标签数据对给定的神经网络模型进行训练，当训练模型的推理与数据集中标签的拟合度比较高时停止训练，完成模型训练； 步骤3第一次SCL译码：首先进行第一次SCL译码，若译码结果能够通过CRC校验，则认为译码成功，输出通过CRC校验的路径作为译码输出；否则，执行下一步骤4； 步骤4神经网络预测错误译码位置：将步骤3中得到的路径度量张量值作为神经网络模型的输入，神经网络模型预测输出正确路径被移除位置的估计； 步骤5第二次SCL译码：根据信道接收的待译码比特软信息以及步骤4预测出的被移除位置，执行一种指定位置移位剪枝SCL译码器，即对指定译码节点位置，该SCL译码器将裂解的2L条路径中的前L条抛弃，保留后L条路径作为后续译码路径的集合；对于其他译码节点位置，正常保留前L条路径作为后续译码路径集合；以及 步骤6判断指定位置移位剪枝SCL译码输出的L条路径是否通过循环冗余CRC校验，若是，输出通过CRC校验的路径作为译码输出；否则，输出第一条路径作为输出；译码终止。

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邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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”。