系统工程与电子技术

作者：陈文洁(), 张浦*, 史高翔, 刘林, 刘烜

单位：1. 中国电子科技集团第十研究所，四川 成都 610036；2. 西南交通大学信息编码与传输省重点实验室，四川 成都 611756；3. 93147部队，四川 成都 610041

关键词：低密度奇偶校验码,闭集识别,余弦校验关系,卷积神经网络

基金：中电天奥有限公司创新理论技术群基金（R110324JG001）资助课题

针对低信噪比环境下低密度奇偶校验（low density parity check，LDPC）码的识别率低的问题，提出了一种基于余弦校验关系分布的卷积神经网络（convolutional neural network，CNN）算法。该算法基于码字与正确和错误校验矩阵的余弦校验关系统计分布间的差异性，利用LDPC码与候选集校验矩阵计算得到的余弦校验关系的统计特性作为CNN的输入，利用CNN的深层信息挖掘能力，设计一种结构简单的四层CNN模型，实现LDPC码的有效识别。仿真结果表明，仅使用一个码字的条件下，在信噪比为3.25 dB时，对码率1/2、2/3B、3/4A、3/4B、5/6，码长2304的LDPC码的正确识别率达到90%以上，与传统算法相比，性能提升了0.25~1.25 dB。

来源：2025年第9期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第9期