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！

龙图腾网获悉杭州电子科技大学申请的专利基于AWGN信道的规则RA码最优码率推导方法及系统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：CN116800376B 。

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：202310105331.0，技术领域涉及：H04L1/00；该发明授权基于AWGN信道的规则RA码最优码率推导方法及系统是由何美霖;邹芹;滕旭阳;宋慧娜;胡志蕊;郑长亮;许方敏;魏超设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本基于AWGN信道的规则RA码最优码率推导方法及系统在说明书摘要公布了：本发明属于通信系统技术领域，具体涉及基于AWGN信道的规则RA码最优码率推导方法及系统。方法包括如下步骤：S1，在AWGN信道下推导规则RA码的输出互信息I；S2，基于输出互信息I和不动点理论，推导出RA码的重复次数q的理论解析式，求解非凸优化问题中目标函数的逆函数；S3，基于数学集合论，解决求逆函数问题中的不确定性，得到AWGN信道下规则RA码成功译码的最优重复次数qo。本发明具有能够在通信系统中提高信道编码性能和效率，同时能够有效地求解出最优编码参数闭式表达式的特点。

本发明授权基于AWGN信道的规则RA码最优码率推导方法及系统在权利要求书中公布了：1.基于AWGN信道的规则RA码最优码率推导方法，其特征在于，包括如下步骤： S1，在AWGN信道下推导规则RA码的输出互信息I； S2，基于输出互信息I和不动点理论，推导出RA码的重复次数q的理论解析式，求解非凸优化问题中目标函数的逆函数； S3，基于数学集合论，解决求逆函数问题中的不确定性，得到AWGN信道下规则RA码成功译码的最优重复次数q0； 步骤S1包括如下步骤： S11，对于度数为d的变量节点，外信息转移函数Tv描述了变量节点的输出互信息： 其中，0≤IA,i≤1表示从校验节点i到变量节点j的输入互信息，J‑1*是J函数的逆函数； 公式2为J函数，表示的是输出互信息，其中，表示输入信息的方差； 对于度数为d的校验节点，外信息转移函数Tc描述了校验节点的输出互信息： 若IA,i=IA，i=1,…,w，则简化公式1和3为和；S12，从信道节点S到变量节点V，对于第l次迭代，信道噪声均方根为，信道节点S处的输出互信息为： 从变量节点V处到校验节点C处，根据变量节点处输出互信息的公式1，得到变量节点V处的输出互信息为： 5其中，表示第l‑1次迭代时校验节点C处到变量节点V处的输出互信息； 从校验节点C处到变量节点U处，根据校验节点处输出互信息的公式3，得到校验节点C处的输出互信息为： 再根据公式1和3，分别得到变量节点U处和校验节点C处的输出互信息为： S13，最终得到从变量节点V处到信道节点S处的输出互信息为： 其中，Il‑1表示第l‑1次迭代时，变量节点V到信道节点S的最终输出互信息； 步骤S2包括如下步骤： S21，对于码率为1q的RA码，当迭代次数l趋于无穷时，得到： 其中，I*是方程解集中的最小元素，为最小不动点；最小不动点I*，对应着因子图上每一条边上的输出互信息I； 对于因子图上每一条边上的输出互信息I，相对应的错误概率公式为： 其中，是互补误差函数；根据因子图，RA码的平均译码错误概率为PeI*，信息比特的平均译码错误概率则为PeI*uc；PeI*uc→0当且仅当PeI*→0； 步骤S2还包括如下步骤： S22，重新考虑公式9，当迭代次数l趋于无穷时，得到化简得到： 考虑到： 得出: S23，把公式15代入公式8，得出： S24，合并公式13和公式16，得到： 对公式17化简，得到： 最后得到q的表达式为： S25，重新考虑输出互信息Icv，把公式13代入公式5，得到： S26，把公式20代入公式19，求解出q的闭式表达式为： 步骤S3包括如下步骤： S31，求出译码失败的条件下所有的重复次数，即把最小不动点I∈[0,1代入公式21，求解出一个不可靠的区域： 得出，在UR中的重复次数为q下时，RA码译码失败； S32，在重复次数范围的集合内，取全集的绝对补集，得到译码成功下的可靠区域： 得出，在RR中的重复次数为q下时，RA码译码成功； S33，从可靠区域RR中，挑选出最优的重复次数qo，即最小的重复次数： 从而使得码率最优化。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市杭州经济技术开发区白杨街道2号大街1158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。