LDPC译码软信息的量化方法、装置及设备

1.一种LDPC译码软信息的量化方法，其特征在于，该方法包括：获取量化前的软信息与量化后的软信息之间的映射关系，包括：基于软信息的处理函数作为所述映射关系，或者基于软信息的分布函数得到归一化表达式作为所述映射关系；通过神经网络拟合所述映射关系，得到神经网络量化器；所述神经网络量化器用于根据输入的软信息输出对应的软信息；其中，基于软信息的处理函数作为所述映射关系，包括：1）将初始软信息定义为第一软信息；通过将第一软信息进行限幅操作获取第二软信息；2）将第二软信息输入至译码器得到译码比特；3）根据步骤2）得到的译码比特以及发射比特计算交叉熵损失；4）计算最优的截断阈值；5）截断阈值确定后，确定最优压缩系数；6）重复步骤1）至步骤5），得到所有MCS组合下的截断阈值及压缩系数，并得到不同MCS对应的非均匀转换函数。 2.根据权利要求1所述的方法，其特征在于，所述处理函数中的参数包括截断阈值，所述截断阈值通过以下步骤确定：确定截断阈值的搜索范围和最佳量化评价指标；根据截断后的软信息经译码器得到的译码比特与发射比特计算最佳量化评价指标的值；根据所述最佳量化评价指标的值，从所述搜索范围确定最佳的截断阈值作为最佳参数。 3.根据权利要求1所述的方法，其特征在于，所述处理函数中的参数包括压缩系数，所述压缩系数通过以下步骤确定：根据量化后的软信息经译码器得到的译码比特与发射比特得到译码器性能指标的值；根据所述译码器性能指标的值得到最佳的压缩系数作为最佳参数。 4.根据权利要求1所述的方法，其特征在于，通过神经网络拟合所述映射关系，得到神经网络量化器，包括：采用包含所述映射关系的数据样本对所述神经网络进行训练，以训练后的神经网络作为所述神经网络量化器；或者提取所述神经网络的数学表达式，根据包含所述映射关系的数据样本确定所述数学表达式中的参数，以确定参数后的数学表达式作为所述神经网络量化器；或者采用拟合曲线对所述映射关系进行拟合，通过包含所述映射关系的数据样本和所述神经网络确定所述拟合曲线中的特征参数，以确定特征参数后的拟合曲线作为所述神经网络量化器。 5.根据权利要求4所述的方法，其特征在于，所述拟合曲线为折线，所述特征参数为折线的顶点，所述顶点以所述神经网络的输出值进行确定。 6.根据权利要求5所述的方法，其特征在于，所述折线为三段折线，所述三段折线的顶点分别为（0，0）、（x 1 ，y 1 ）、（x 2 ，1）、（1，1）；其中x 1 、y 1 、x 2 以所述神经网络的输出值进行确定。 7.根据权利要求1所述的方法，其特征在于，所述神经网络能够采用其他机器学习模型进行替换。 8.一种LDPC译码软信息的量化装置，其特征在于，所述装置包括：映射获取模块，用于获取量化前的软信息与量化后的软信息之间的映射关系，包括：基于软信息的处理函数作为所述映射关系，或者基于软信息的分布函数得到归一化表达式作为所述映射关系；映射拟合模块，用于通过神经网络拟合所述映射关系，得到神经网络量化器；以及量化应用模块，用于利用所述神经网络量化器根据输入的软信息输出对应的软信息；其中，基于软信息的处理函数作为所述映射关系，包括：1）将初始软信息定义为第一软信息；通过将第一软信息进行限幅操作获取第二软信息；2）将第二软信息输入至译码器得到译码比特；3）根据步骤2）得到的译码比特以及发射比特计算交叉熵损失；4）计算最优的截断阈值；5）截断阈值确定后，确定最优压缩系数；6）重复步骤1）至步骤5），得到所有MCS组合下的截断阈值及压缩系数，并得到不同MCS对应的非均匀转换函数。 9.根据权利要求8所述的装置，其特征在于，所述处理函数中的参数包括截断阈值，所述截断阈值通过以下步骤确定：确定截断阈值的搜索范围和最佳量化评价指标；根据截断后的软信息经译码器得到的译码比特与发射比特计算最佳量化评价指标的值；根据所述最佳量化评价指标，从所述搜索范围确定最佳的截断阈值作为最佳参数。 10.根据权利要求8所述的装置，其特征在于，所述处理函数中的参数包括压缩系数，所述压缩系数通过以下步骤确定：根据量化后的软信息经译码器得到的译码比特与发射比特得到译码器性能指标的值；根据所述译码器性能指标的值得到最佳的压缩系数作为最佳参数。 11.根据权利要求8所述的装置，其特征在于，通过神经网络拟合所述映射关系，得到神经网络量化器，包括：采用包含所述映射关系的数据样本对所述神经网络进行训练，以训练后的神经网络作为所述神经网络量化器；或者提取所述神经网络的数学表达式，根据包含所述映射关系的数据样本确定所述数学表达式中的参数，以确定参数后的数学表达式作为所述神经网络量化器；或者采用拟合曲线对所述映射关系进行拟合，通过包含所述映射关系的数据样本和所述神经网络确定所述拟合曲线中的特征参数，以确定特征参数后的拟合曲线作为所述神经网络量化器。 12.根据权利要求11所述的装置，其特征在于，所述拟合曲线为折线，所述特征参数为折线的顶点，所述顶点以所述神经网络的输出值进行确定。 13.根据权利要求12所述的装置，其特征在于，所述折线为三段折线，所述三段折线的顶点分别为（0，0）、（x 1 ，y 1 ）、（x 2 ，1）、（1，1）；其中x 1 、y 1 、x 2 以所述神经网络的输出值进行确定。 14.根据权利要求8所述的装置，其特征在于，所述神经网络能够采用其他机器学习模型进行替换。 15.一种LDPC译码软信息的量化设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项权利要求所述的LDPC译码软信息的量化方法的步骤。 16.一种计算机可读存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行权利要求1至7中任一项权利要求所述的LDPC译码软信息的量化方法的步骤。