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！

龙图腾网获悉沈阳航盛科技有限责任公司申请的专利基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法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：CN121150721B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511180231.X，技术领域涉及：H03M13/11；该发明授权基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法是由牛泽田;孙万录;赵金鹏;汪仲望;李冰冰设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法在说明书摘要公布了：本发明提供一种基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法。该方法包括：通过信道感知模块采集数据集；数据集包括：信道状态信息、误码率统计量和业务QoS需求信息；对采集到的数据集进行预处理；按照预设比例将预处理后的数据集划分；构建LSTM预测模型；基于损失函数并使用训练集对LSTM预测模型进行训练及优化，保存最优模型；将测试集输入最优模型进行信道传输的编码参数的预测，得到信道传输的自适应编码参数的预测结果；搭建LDPC编码器和Tanner‑GNN译码器；搭建联合优化控制器；联合优化控制器用于通过LSTM预测模型动态调整编码参数并接收Tanner‑GNN译码器统计的误码率BER，本发明突破传统编码译码分离优化的技术局限，显著提升了LDPC码在复杂信道环境下的性能。

本发明授权基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法在权利要求书中公布了：1.一种基于动态参数自适应编码与Tanner图神经网络的LDPC优化方法，其特征在于，包括： 步骤S1：通过信道感知模块，采集数据集；其中，所述数据集包括：信道状态信息、误码率统计量、和业务QoS需求信息；所述数据集为按照采集时间打标签形成的时间序列数据集； 步骤S2：对采集到的信道状态信息、误码率统计量、和业务QoS需求信息分别进行预处理，以得到对应的信道变异系数、误码率变化梯度和业务QoS需求的优先级权重向量； 步骤S3：按照预设比例将预处理后的数据集随机划分为训练集和测试集； 步骤S4：构建LSTM预测模型；所述LSTM预测模型的输入为预处理后的数据集；所述LSTM预测模型的输出为自适应编码参数集合z={码率R、码长L、校验节点度数dc}； 步骤S5：构建损失函数，用于衡量训练所述LSTM预测模型输出的实际值和预测值之间的差异； 步骤S6：基于所述损失函数，并使用训练集对所述LSTM预测模型进行训练及优化，保存最终优化的LSTM预测模型； 步骤S7：将所述测试集输入所述最终优化的LSTM预测模型进行信道传输的编码参数的预测，得到信道传输的自适应编码参数的预测结果； 步骤S8：搭建LDPC编码器和Tanner-GNN译码器； 其中，所述LDPC编码器的输入为所述LSTM预测模型输出的自适应编码参数集合z={码率R、码长L、校验节点度数dc}； 所述LDPC编码器，用于根据所述LSTM预测模型输出的自适应编码参数集合z={码率R、码长L、校验节点度数dc}，生成LDPC码字，并经信道编码后发送至Tanner-GNN译码器； 所述Tanner-GNN译码器包括：变量节点层、校验节点层、神经网络权重层、和迭代控制模块； 所述Tanner-GNN译码器，用于接收LDPC编码器发送的信号并对接收信号进行解调； 所述Tanner-GNN译码器，还用于输入经解调后的软信息，再输出硬判决码字，并通过CRC校验确认译码成功性； 所述Tanner-GNN译码器，还用于实时统计误码率BER，并回传至LSTM预测模型； 步骤S9：搭建联合优化控制器；其中，所述联合优化控制器采用Actor-Critic双网络结构；所述联合优化控制器包括：输入层、Actor网络、和Critic网络；所述输入层包括全连接层和所述搭建的LSTM预测模型； 所述联合优化控制器，用于通过LSTM预测模型，动态调整编码参数并接收所述Tanner-GNN译码器实时统计的误码率BER，以间接驱动LSTM预测模型输出参数的自动更新。

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沈阳航盛科技有限责任公司，其通讯地址为：110000 辽宁省沈阳市皇姑区塔湾街40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。