一种译码方法、装置、设备及存储介质与流程

[0001]
本申请涉及数据编译码领域，特别是涉及一种译码方法、装置、设备及存储介质。


背景技术：

[0002]
随着5g(第五代移动通信技术)网络的带宽容量越来越大，业务种类和接入路数越来越多，数据传输量也在不断增加，因此确保数据传输的可靠性是当前的技术重点。
[0003]
当前往往采用编译码的机制对数据进行传输，在发送端向接收端发送数据时，往往需要对原始数据的源码进行编码得到携带有源码以及校验位编码的数据编码，进而将数据编码传输至接收端，进而由接收端根据校验位编码对数据编码中的源码进行校验，并对数据编码中校验存在错误的源码进行译码操作，译码操作本质上是通过比特翻转算法对源码中错误的比特位进行翻转，以此确保译码后源码的正确性。但是当前比特翻转算法每一次执行仅能够对源码中的一个比特位进行翻转，因此当源码中的多个比特位为存在错误的误差比特位时，往往需要通过迭代执行比特翻转算法的方式对源码进行译码，难以确保译码的整体效率。
[0004]
由此可见，提供一种译码方法，以相对确保译码过程的整体效率，是本领域技术人员需要解决的问题。


技术实现要素：

[0005]
本申请的目的是提供一种译码方法、装置、设备及存储介质，以相对确保译码过程的整体效率。
[0006]
为解决上述技术问题，本申请提供一种译码方法，包括：
[0007]
获取目标源码；
[0008]
利用分析模型得到目标源码中比特位之间的取值概率关联关系；其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到；
[0009]
基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0010]
优选地，分析模型的生成过程包括：
[0011]
获取样本源码；
[0012]
基于信噪比对样本源码增加噪声信号得到待训练码，并统计待训练码中各比特位的对数似然比；
[0013]
利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型。
[0014]
优选地，在利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型之前，方法还包括：
[0015]
获取seq2seq模型；
[0016]
去除seq2seq模型中的attention功能代码以及随机mask功能代码；
[0017]
将seq2seq模型中的rnn单元设置为双向模式，并将seq2seq模型中的样本种类总数基于码字位设置为全种类；
[0018]
相应的，利用待训练码以及对数似然比训练seq2seq模型，得到分析模型，包括：
[0019]
利用待训练码以及对数似然比训练调整后的seq2seq模型，得到分析模型。
[0020]
优选地，在基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果之前，方法还包括：
[0021]
判断目标源码与相应校验位之间是否未满足校验矩阵约束的关系；
[0022]
若是，则执行基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果的步骤。
[0023]
优选地，基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果，包括：
[0024]
调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0025]
优选地，调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果，包括：
[0026]
调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到中间码；
[0027]
判断中间码与相应校验位之间是否满足校验矩阵约束的关系；
[0028]
若是，则将中间码设置为译码结果。
[0029]
优选地，当中间码与相应校验位之间不满足校验矩阵约束的关系时，方法还包括：
[0030]
判断迭代次数是否未达到预设阈值；
[0031]
若是，则增加迭代次数，并调用bf译码算法基于目标对数似然比对中间码执行比特翻转；
[0032]
基于执行比特翻转后的中间码执行判断中间码与相应校验位之间是否满足校验矩阵约束的关系的步骤。
[0033]
此外，本申请还提供一种译码装置，包括：
[0034]
目标源码获取模块，用于获取目标源码；
[0035]
模型运算模块，用于利用分析模型得到目标源码中比特位之间的取值概率关联关系；其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到；
[0036]
翻转译码模块，用于基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0037]
此外，本申请还提供一种译码设备，包括：
[0038]
存储器，用于存储计算机程序；
[0039]
处理器，用于执行计算机程序时实现如上述的译码方法的步骤。
[0040]
此外，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的译码方法的步骤。
[0041]
本申请所提供的译码方法，首先获取目标源码，进而利用分析模型得到目标源码
中比特位之间的取值概率关联关系，其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。在得到目标源码中比特位之间的取值概率关联关系之后，进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。由于对数似然比表征的是在特定信噪比情况下目标源码中比特位的真值为0或1的概率，因此基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到分析模型，能够计算得到目标源码中比特位之间的取值概率关联关系，进而能够根据取值概率关联关系能够对目标源码中的多个比特位执行相关联的比特翻转操作，提高了译码过程的整体效率。此外，本申请还提供一种译码装置、设备及存储介质，有益效果同上所述。
附图说明
[0042]
为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]
图1为本申请实施例公开的一种译码方法的流程图；
[0044]
图2为本申请实施例公开的一种译码装置的结构示意图。
具体实施方式
[0045]
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。
[0046]
当前往往采用编译码的机制对数据进行传输，在发送端向接收端发送数据时，往往需要对原始数据的源码进行编码得到携带有源码以及校验位编码的数据编码，进而将数据编码传输至接收端，进而由接收端根据校验位编码对数据编码中的源码进行校验，并对数据编码中校验存在错误的源码进行译码操作，译码操作本质上是通过比特翻转算法对源码中错误的比特位进行翻转，以此确保译码后源码的正确性。但是当前比特翻转算法每一次执行仅能够对源码中的一个比特位进行翻转，因此当源码中的多个比特位为存在错误的误差比特位时，往往需要通过迭代执行比特翻转算法的方式对源码进行译码，难以确保译码的整体效率。
[0047]
为此，本申请的核心是提供一种译码方法，以相对确保译码过程的整体效率。
[0048]
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。
[0049]
请参见图1所示，本申请实施例公开了一种译码方法，包括：
[0050]
步骤s10：获取目标源码。
[0051]
需要说明的是，本步骤中获取到的目标源码指的是需要被执行译码操作的数据码，是由“1”和“0”组成的二进制数据码。目标源码可以通过在通信过程实时传输的数据编码中读取的方式获取，也可以通过在预设的记录有需要译码的数据码列表中获取，应根据实际情况而定，在此不做具体限定。
[0052]
步骤s11：利用分析模型得到目标源码中比特位之间的取值概率关联关系。
[0053]
其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。
[0054]
在获取到目标源码之后，本步骤进一步利用分析模型得到目标源码中比特位之间的取值概率关联关系，也就是通过将目标源码输入至分析模型的方式，利用分析模型运算得到目标源码中比特位之间各取值组合的概率关系，在获取到取值概率关联关系的基础上，能够进一步根据该取值概率关联关系对目标源码中的多个比特位进行相应取值的比特翻转，以此将错误的比特位数据修改为正确的比特位数据。
[0055]
另外，本步骤所使用的分析模型是基于待训练码中各比特位的对数似然比seq2seq模型进行训练得到的。由于seq2seq模型常用于人工智能领域下nlp(自然语言处理)的翻译工作，能够较好的通过训练发现待翻译句子中单词之间的关系，以得到符合待翻译句子语法关系的翻译输出，因此将基于待训练码中各比特位的对数似然比对seq2seq模型进行训练，能够更加可靠的通过seq2seq模型学习待训练码中比特位之间所组成的句子与各比特位的对数似然比之间的对应关系。
[0056]
其中，待训练码是根据信噪比对样本源码增加噪声信号得到的，信噪比指的是信号与噪声的比例，对于不同噪声场景，信噪比也有所不同，因此基于特定信噪比训练得到的分析模型仅能够用于运算该信噪比场景下的目标源码中比特位之间的取值概率关联关系。另外，由于噪声往往是基于特定的概率分布产生的，因此对数似然比是基于信噪比计算得到的。
[0057]
步骤s12：基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0058]
由于取值概率关联关系表征的是多个比特位之间取值的关系，根据取值概率关联关系能够获悉多个比特位的在不同取值组合的情况下为真实值的概率，因此在利用分析模型得到目标源码中比特位之间的取值概率关联关系之后，本步骤进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转，以此得到译码结果。
[0059]
本申请所提供的译码方法，首先获取目标源码，进而利用分析模型得到目标源码中比特位之间的取值概率关联关系，其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。在得到目标源码中比特位之间的取值概率关联关系之后，进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。由于对数似然比表征的是在特定信噪比情况下目标源码中比特位的真值为0或1的概率，因此基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到分析模型，能够计算得到目标源码中比特位之间的取值概率关联关系，进而能够根据取值概率关联关系能够对目标源码中的多个比特位执行相关联的比特翻转操作，提高了译码过程的整体效率。
[0060]
在上述实施例的基础上，作为一种优选的实施方式，分析模型的生成过程包括：
[0061]
获取样本源码；
[0062]
基于信噪比对样本源码增加噪声信号得到待训练码，并统计待训练码中各比特位
的对数似然比；
[0063]
利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型。
[0064]
需要说明的是，在生成分析模型的过程中，首先获取样本源码，样本源码可以认为是不存在噪音信号干扰的数据码，进而基于信噪比对样本源码增加噪声信号得到待训练码，并基于该信噪比统计待训练码中各比特位的对数似然比，最终利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型。
[0065]
由于seq2seq模型常用于人工智能领域下nlp(自然语言处理)的翻译工作，能够较好的通过训练发现待翻译句子中单词之间的关系，以得到符合待翻译句子语法关系的翻译输出，因此将基于待训练码中各比特位的对数似然比对seq2seq模型进行训练，能够更加可靠的通过seq2seq模型学习待训练码中比特位之间所组成的句子与各比特位的对数似然比之间的对应关系，进而确保分析模型根据目标源码生成取值概率关联关系的准确性。
[0066]
更进一步的，作为一种优选的实施方式，在利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型之前，方法还包括：
[0067]
获取seq2seq模型；
[0068]
去除seq2seq模型中的attention功能代码以及随机mask功能代码；
[0069]
将seq2seq模型中的rnn单元设置为双向模式，并将seq2seq模型中的样本种类总数基于码字位设置为全种类；
[0070]
相应的，利用待训练码以及对数似然比训练seq2seq模型，得到分析模型，包括：
[0071]
利用待训练码以及对数似然比训练调整后的seq2seq模型，得到分析模型。
[0072]
需要说明的是，在本实施方式中，在利用各比特位的对数似然比之间的关联关系对seq2seq模型进行训练，得到分析模型之前，首先对seq2seq模型进行调整，包括：去除seq2seq模型中的attention功能代码，这是由于ldpc(低密度校验码)的编码是针对解码的需求和具体环境定义的必须遵守的编码矩阵，其对解码的影响重要性主要体现于所定义的矩阵上，而输入的对数似然比体现的主要是在这个特性下噪声的影响，进而attention所训练得到的重要性反而会对解码时基于矩阵的重要性产生负面影响，因此去除attention功能；
[0073]
去除随机mask(掩码)的功能，是为了使得编码后的结果任何一位可能错误的时候，都能有同样的几率得到恢复，在做编码矩阵定义的时候，均匀分配了每一位码字所承担的校验恢复能力，可以理解为此时所得到的码字所组成的句子，相互之间的关系和顺序呈完全平均特性，因此不应该mask任何码字；
[0074]
将seq2seq模型中的rnn单元设置为双向模式(bi-direction)，是因为正向和反向，甚至乱序下对码字所组成的句子解析，都应该训练得到相同的特性结果，因此为更好的获取其特性，设置为rnn(recurrent neural network，循环神经网络)单元可支持的双向性。
[0075]
将seq2seq模型中的样本种类总数基于码字位设置为全种类，以bpsk(binary phase shift keying，二进制相移键控)举例，码字经过bpsk后为1和-1两种，通过awgn(additive white gaussian noise，加性高斯白噪声)的噪声添加，会发生一定的偏移，偏移后具有不定长度的小数位。此时小数位最大位数为n时，码字可能具有的种类就有2*10
n+1
种。则我们按照模型可接受的训练样本数，对n进行截选，假如设置n＝2，则按照四舍五入的进位法对样本保留两位小数，模型样本总数设置为2*10
2+1
＝2000种，以此进一步提高训练得到的分析模型的可靠性。
[0076]
此外，在上述实施例的基础上，作为一种优选的实施方式，在基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果之前，方法还包括：
[0077]
判断目标源码与相应校验位之间是否未满足校验矩阵约束的关系；
[0078]
若是，则执行基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果的步骤。
[0079]
需要说明的是，本实施方式的重点在于在获取到目标源码，并且在基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果之前，进一步判断目标源码以及该目标源码对应的校验位之间是否满足校验矩阵约束的关系，以此判定目标原始是否因存在比特位数值错误而需要进行译码，进而当判定目标源码与相应校验位之间未满足校验矩阵约束的关系时，则进一步执行基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果的步骤，以此实现对目标源码的译码。本实施方式进一步确保了对目标源码进行译码过程的可靠性。
[0080]
在上述一系列实施例的基础上，作为一种优选的实施方式，基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果，包括：
[0081]
调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0082]
需要说明的是，本实施方式的重点在于通过调用bf译码算法的方式对目标源码中的多个比特位执行比特翻转得到译码结果，由于bf(bit flipping，比特翻转)译码算法，是当前译码过程中所常用的算法，具有较高的运行稳定性，能够运算得到源码中存在错位的比特位，进一步确保了对目标源码中的多个比特位执行比特翻转所得到的译码结果的准确性。
[0083]
更进一步的，作为一种优选的实施方式，调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果，包括：
[0084]
调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到中间码；
[0085]
判断中间码与相应校验位之间是否满足校验矩阵约束的关系；
[0086]
若是，则将中间码设置为译码结果。
[0087]
需要说明的是，本实施方式的重点在于在调用bf译码算法基于取值概率关联关系对目标源码中的多个比特位执行比特翻转时，具体是利用bf译码算法根据取值概率关联关系对目标源码中的多个比特位执行比特翻转并得到中间码，进而判断中间码与其对应校验位之间是否满足校验矩阵约束的关系，如果满足，则将中间码设置为译码结果。本实施方式进一步确保了译码结果的准确性。
[0088]
更进一步的，当中间码与相应校验位之间不满足校验矩阵约束的关系时，方法还包括：
[0089]
判断迭代次数是否未达到预设阈值；
[0090]
若是，则增加迭代次数，并调用bf译码算法基于目标对数似然比对中间码执行比
特翻转；
[0091]
基于执行比特翻转后的中间码执行判断中间码与相应校验位之间是否满足校验矩阵约束的关系的步骤。
[0092]
需要说明的是，本实施方式当判定中间码与相应校验位之间不满足校验矩阵约束的关系时，进一步判断迭代次数是否未达到预设阈值，在迭代次数未达到预设阈值的情况下，进一步则增加迭代次数，并调用bf译码算法基于目标对数似然比对中间码执行比特翻转，并再次执行基于执行比特翻转后的中间码执行判断中间码与相应校验位之间是否满足校验矩阵约束的关系的步骤，以此实现对中间码进一步迭代编码，在确保迭代次数可控的同时，确保译码结果的准确性。
[0093]
为了加深对于上述一系列实施例的理解，本申请进一步提供了一种具体场景下的场景实施例做进一步说明。
[0094]
本发明的具体实施方式可以分为以下几步：
[0095]
1、模型训练
[0096]
ai的常用于nlp(自然语言处理)进行翻译工作的seq2seq模型，能够较好的通过训练发现待翻译句子中单词之间的关系，以得到符合待翻译句子语法关系的翻译输出。本发明利用seq2seq的这个特性，通过训练去寻找编码后受到不同噪声影响的码字之间的关系，以得到一个参考性的结果。
[0097]
为具体得到针对不同噪声影响下编码特性的模型参数，我们对码字按照snr(信噪比)参数进行划分，不同的精度需求和不同的工作环境，可以影响得到不同的snr(信噪比)划分方式。这里我们设置为每1个snr(信噪比)做一次划分，也就是说每个整数snr(信噪比)对数据进行划分，以训练得到不同的模型参数。
[0098]
为方便后面的bf算法进行译码工作，对划分完成待训练的数据首先求取llr(对数似然比)关系，以待训练数据y为例，则llr(对数似然比)求取公式为：
[0099][0100]
其中δ2为：
[0101][0102]
得到的llr(对数似然比)首先进行句子划分。为进行模型训练，首先对编码后具有一定数据关系的码字串按照编码矩阵的码长划分为不同的句子。针对不同的编码环境参数，3gpp定义了不同的编码矩阵和码长，因此这里进行句子划分的参考因素为ldpc(低密度校验码)编码标准。以定义码长为136位为例，这里收到的llr(对数似然比)则按照每136个码字进行一次划分，每次划分的首和尾分别增加起始和终结标志位。
[0103]
将划分好后的llr(对数似然比)输入seq2seq模型。这里的模型针对ldpc(低密度校验码)编解码的特性进行以下调整：
[0104]
a、去除attention的学习和影响。这是因为ldpc(低密度校验码)的编码是针对解码的需求和具体环境定义的必须遵守的编码矩阵，其对解码的影响重要性主要体现于所定义的矩阵上。而输入的llr(对数似然比)体现的主要是在这个特性下噪声的影响，因此
attention所训练得到的重要性反而会对解码时基于矩阵的重要性产生负面影响，因此这里去除attention功能。
[0105]
b、去除随机mask的功能。这是因为为了使得编码后的结果任何一位可能错误的时候，都能有同样的几率得到恢复，在做编码矩阵定义的时候，均匀分配了每一位码字所承担的校验恢复能力，因此可以理解为此时所得到的码字所组成的句子，相互之间的关系和顺序呈完全平均特性，因此不应该mask任何码字。
[0106]
c、使用的rnn单元设置为双向(bi-direction)。这是因为正向和反向，甚至乱序下对码字所组成的句子解析，都应该训练得到相同的特性结果，因此为更好的获取其特性，设置为rnn单元可支持的双向性。
[0107]
d、样本种类总数基于码字位数设置为全种类。以bpsk举例，码字经过bpsk后为1和-1两种，通过awgn噪声添加，会发生一定的偏移，偏移后具有不定长度的小数位。此时小数位最大位数为n时，码字可能具有的种类就有2*10
n+1
种。则我们按照模型可接受的训练样本数，对n进行截选，假如设置n＝2，则按照四舍五入的进位法对样本保留两位小数，模型样本总数设置为2*10
2+1
＝2000种。
[0108]
利用改进后的seq2seq模型，对输入的llr(对数似然比)按照基于起始和终结标志位分别进行开始和终止的基于不同snr(信噪比)的训练，得到针对不同snr(信噪比)的模型参数。
[0109]
2、模型译码
[0110]
对于需要解码的码字，首先通过已经训练好的seq2seq模型，基于snr(信噪比)情况进行一次翻译，得到滤除噪声的模型判断输出，输入bf经典译码模型进行译码。其操作顺序如下所示：
[0111]
a.此时的模型输出已经是通过seq2seq判断后滤除噪声的译码码字，亦即是0或1的实际值，因此在bf进行译码的时候，无需再进行llr(对数似然比)计算和硬判断计算过程。所得到的码字直接进行以下运算：
[0112]
s
i
＝s1，s2，...，s
m
；s
i
＝h[i，：]*c(i∈m)；
[0113]
这里的c即是seq2seq的译码码字，h是3gpp对应环境下规定的矩阵，m为码字总量。矩阵的每一行i与c进行乘法，然后按行异或运算，如果每行异或的值都为0，则表示seq2seq的滤除噪声输出码字正确，此时直接输出，如果任一行的异或结果si不为0，则进入bf译码。
[0114]
b.判断错误因子。bf译码首先进行可能错误的因子判断，其算法为：
[0115]
e
j
＝e1，e2，...，e
n
；e
j
＝h[：，j}.*s
m
(j∈n)
[0116]
e
x
＝max{e
n
}
[0117]
利用上一步a中所求得的所有m个s分别与h矩阵的每一列进行相乘，得到n个e，判断其中最大的e值所在的位置x，此时的x位置所对应的第x个码字就是错误几率最高的码字，对其进行翻转操作，即是当码字为1时，翻转其为0；反之则相反。
[0118]
经典的bf译码算法，首先需要求取llr(对数似然比)，根据llr(对数似然比)进行一次硬判决，再通过硬判决的结果逐渐逼近正确结果。本方法改进bf的输入为通过seq2seq译码后的码字，因此无需进行llr(对数似然比)计算和硬判决。
[0119]
通过seq2seq输出的码字，已经成功译码了噪声偏移影响较大的一部分码字，通过步骤1中的训练，在snr(信噪比)范围为-10db到2db的范围中ber已经降低了50％～99.4％，
其区间取决于噪声影响的大小，当snr(信噪比)值较小时噪声影响的区间较宽，可能的变化较多，此时seq2seq所能获得的输出虽然滤除效果较明显，但是依然有较多的噪声影响残留，因此ber降低较少。在snr(信噪比)较大时，噪声较少，对于大部分能滤除的噪声会完成直接滤除，因此ber下降比例较大。基于这种特性，bf的最大翻转次数阈值k设置的相比经典bf改进较多，在码长为136的ldpc(低密度校验码)环境下，只需要将k设置为10次，即可完成译码，而在经典bf中，一般设置k为50次甚至更大。
[0120]
3.完成译码。
[0121]
对于2.b中bf译码的结果，通过2.a再进行判断，如果2.a中s都为0，则译码正确，输出结果。如果s有不为0的，则查看此时已进行的翻转次数是否小于阈值k，如果小于，则从2.b再进行一次翻转译码；如果已经达到k，则停止译码，表示译码失败，申请数据重传。
[0122]
本发明通过仿真实际情况建议使用于snr(信噪比)小于2db的环境。当snr(信噪比)大于2db，硬判决可以实现大部分的译码需求，使用seq2seq的输出相比之下不具有速度和成本的优势。
[0123]
请参见图2所示，本申请实施例提供了一种译码装置，包括：
[0124]
目标源码获取模块10，用于获取目标源码；
[0125]
模型运算模块11，用于利用分析模型得到目标源码中比特位之间的取值概率关联关系；其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到；
[0126]
翻转译码模块12，用于基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。
[0127]
本申请所提供的译码装置，首先获取目标源码，进而利用分析模型得到目标源码中比特位之间的取值概率关联关系，其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。在得到目标源码中比特位之间的取值概率关联关系之后，进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。由于对数似然比表征的是在特定信噪比情况下目标源码中比特位的真值为0或1的概率，因此基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到分析模型，能够计算得到目标源码中比特位之间的取值概率关联关系，进而能够根据取值概率关联关系能够对目标源码中的多个比特位执行相关联的比特翻转操作，提高了译码过程的整体效率。
[0128]
此外，本申请还提供一种译码设备，包括：
[0129]
存储器，用于存储计算机程序；
[0130]
处理器，用于执行计算机程序时实现如上述的译码方法的步骤。
[0131]
本申请所提供的译码设备，首先获取目标源码，进而利用分析模型得到目标源码中比特位之间的取值概率关联关系，其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。在得到目标源码中比特位之间的取值概率关联关系之后，进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码
结果。由于对数似然比表征的是在特定信噪比情况下目标源码中比特位的真值为0或1的概率，因此基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到分析模型，能够计算得到目标源码中比特位之间的取值概率关联关系，进而能够根据取值概率关联关系能够对目标源码中的多个比特位执行相关联的比特翻转操作，提高了译码过程的整体效率。
[0132]
此外，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的译码方法的步骤。
[0133]
本申请所提供的计算机可读存储介质，首先获取目标源码，进而利用分析模型得到目标源码中比特位之间的取值概率关联关系，其中，分析模型是基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到的，待训练码是依照信噪比对样本源码增加噪声信号得到的，对数似然比基于信噪比计算得到。在得到目标源码中比特位之间的取值概率关联关系之后，进一步基于取值概率关联关系对目标源码中的多个比特位执行比特翻转得到译码结果。由于对数似然比表征的是在特定信噪比情况下目标源码中比特位的真值为0或1的概率，因此基于待训练码中各比特位的对数似然比对seq2seq模型进行训练得到分析模型，能够计算得到目标源码中比特位之间的取值概率关联关系，进而能够根据取值概率关联关系能够对目标源码中的多个比特位执行相关联的比特翻转操作，提高了译码过程的整体效率。
[0134]
以上对本申请所提供的一种译码方法、装置、设备及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
[0135]
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。