基于AI的译码方法及装置、电子设备与流程

本公开涉及计算机通信，尤其涉及一种基于ai的译码方法及装置、电子设备。

背景技术：

1、信道译码指的是以尽可能小的错误概率恢复通过信道之前的原始数据，当前的信道译码方法，比如采用turbo码的信道译码方法，由于数据在通过信道传输时被各种噪声干扰，在译码时会遭遇严重的错误平层和错误传播问题，译码准确度不高。

技术实现思路

1、有鉴于此，本公开提供一种基于ai的译码方法及装置、电子设备，可以有效对待译码数据进行去噪，提高译码的准确度。

2、根据本公开实施例的第一方面，提供了一种基于ai的译码方法，所述方法由电子设备执行，包括：

3、获取经信道传输后的待译码数据；

4、将所述待译码数据输入预先训练好的目标神经网络，得到所述目标神经网络输出的去噪声之后的目标待译码数据，所述目标神经网络用于估计所述信道中的噪声并去除所述待译码数据中的噪声；

5、对所述目标待译码数据进行译码，得到目标数据。

6、结合本公开提供的任一实施方式，所述将所述待译码数据输入预先训练好的目标神经网络，得到所述目标神经网络输出的去噪声之后的目标待译码数据，包括：

7、将所述待译码数据输入所述目标神经网络，得到信道矩阵，所述信道矩阵用于描述所述信道的传输特性；

8、基于所述信道矩阵和所述待译码数据，得到噪声矩阵，所述噪声矩阵用于描述所述信道中噪声的特性；

9、基于所述噪声矩阵对所述待译码数据进行去噪，得到去噪声之后的目标待译码数据。

10、结合本公开提供的任一实施方式，所述将所述待译码数据输入所述目标神经网络，得到信道矩阵，包括：

11、将所述待译码数据输入所述目标神经网络，确定初始信道矩阵，所述初始信道包含所述信道输入数据所在信道位置的信道系数；

12、利用曲率圆弧插值方法对所述初始信道矩阵进行插值，得到信道矩阵，所述信道矩阵包含所述信道输入数据所在信道位置以及其他信道位置的信道系数。

13、结合本公开提供的任一实施方式，所述将所述待译码数据输入所述目标神经网络，得到信道矩阵，包括：

14、将所述待译码数据输入所述目标神经网络，得到预测的信道输入数据，所述信道输入数据是输入所述信道之前的待译码数据；

15、对所述待译码数据和所述信道输入数据进行计算，得到所述信道矩阵，所述信道矩阵用于将所述信道输入数据转换为所述待译码数据。

16、结合本公开提供的任一实施方式，所述目标神经网络采用以下方法训练得到：

17、获取导频信道数据和待译码导频信道数据，所述待译码导频信道数据为经过信道之后的导频信道数据；

18、将所述待译码导频信道数据输入待训练的初始神经网络，得到预测导频信道数据；

19、根据预测导频信道数据和所述导频信道数据之间的差异，确定损失函数；

20、根据所述损失函数，对所述初始神经网络进行训练，直到损失函数满足预设的停止训练条件，得到所述目标神经网络。

21、结合本公开提供的任一实施方式，所述对所述目标待译码数据进行译码，得到目标数据，包括：

22、基于所述信道矩阵，对所述目标待译码数据进行译码，得到目标数据。

23、结合本公开提供的任一实施方式，所述方法还包括：

24、获取所述待译码数据的译码成功率；

25、响应于所述译码成功率小于预设阈值，停止将所述待译码数据输入所述目标神经网络；

26、采用备选译码模式对所述待译码数据进行译码，得到备选数据，所述备选译码模式使用预设的译码算法进行译码；

27、将所述备选数据作为目标数据。

28、结合本公开提供的任一实施方式，所述方法还包括：

29、根据所述备选数据和所述待译码数据对所述目标神经网络进行训练，得到更新后的目标神经网络；

30、响应于所述更新后的目标神经网络的译码成功率满足预设条件，执行所述将所述待译码数据输入预先训练好的目标神经网络，得到所述目标神经网络输出的去噪声之后的目标待译码数据以及对所述目标待译码数据进行译码，得到目标数据的步骤。

31、结合本公开提供的任一实施方式，所述目标神经网络采用小样本学习方法训练得到。

32、根据本公开实施例的第二方面，提供了一种基于ai的译码装置，所述装置包括：

33、数据获取模块，用于获取经信道传输后的待译码数据；

34、去噪处理模块，用于将所述待译码数据输入预先训练好的目标神经网络，得到所述目标神经网络输出的去噪声之后的目标待译码数据，所述目标神经网络用于估计所述信道中的噪声并去除所述待译码数据中的噪声；

35、数据译码模块，用于对所述目标待译码数据进行译码，得到目标数据。

36、根据本公开实施例的第三方面，提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面任一所述基于ai的译码方法的步骤。

37、根据本公开实施例的第四方面，提供了一种电子设备，包括：

38、处理器；

39、用于存储处理器可执行指令的存储器；

40、其中，所述处理器被配置为执行所述可执行指令以实现上述第一方面任一所述基于ai的译码方法的步骤。

41、本公开实施例提供的技术方案可以包括以下有益效果：

42、本公开实施例提供的基于ai的译码方法使用目标神经网络对信道中的噪声进行估计并去除待译码数据中的噪声，准确估计出当前信道中噪声从而准确去除待译码数据中的噪声，得到无噪声干扰的目标待译码数据，基于该目标待译码数据译码得到的目标数据准确率更高。

43、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

技术特征：

1.一种基于人工智能ai的译码方法，其特征在于，所述方法由电子设备执行，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，所述将所述待译码数据输入所述目标神经网络，得到信道矩阵，包括：

4.根据权利要求2所述的方法，其特征在于，所述将所述待译码数据输入所述目标神经网络，得到信道矩阵，包括：

5.根据权利要求4所述的方法，其特征在于，所述目标神经网络采用以下方法训练得到：

6.根据权利要求1～5任一所述的方法，其特征在于，所述对所述目标待译码数据进行译码，得到目标数据，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

9.根据权利要求1所述的方法，其特征在于，所述目标神经网络采用小样本学习方法训练得到。

10.一种基于ai的译码装置，其特征在于，所述装置包括：

11.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～9任一所述基于ai的译码方法的步骤。

12.一种电子设备，其特征在于，包括：

技术总结本公开提供一种基于AI(Artificial Intelligence，人工智能)的译码方法及装置、电子设备，其中，所述方法由电子设备执行，包括：获取经信道传输后的待译码数据；将所述待译码数据输入预先训练好的目标神经网络，得到所述目标神经网络输出的去噪声之后的目标待译码数据，所述目标神经网络用于估计所述信道中的噪声并去除所述待译码数据中的噪声；对所述目标待译码数据进行译码，得到目标数据。该方法使用AI对待译码数据进行去噪，提升了译码准确率。技术研发人员：来庆宇受保护的技术使用者：北京小米移动软件有限公司技术研发日：技术公布日：2024/9/12