1.一种基于神经网络的LDPC码最小和译码方法，其特征在于，包括：获取预构建并训练好的神经网络；

利用神经网络的第一层神经元接收LDPC码的码字序列；

利用神经网络的第二层神经元，结合预先选取的LDPC码的校验矩阵以及更新的变量节点传递给校验节点的边信息，更新校验节点传递给变量节点的边信息，其中，变量节点对应于码字序列中的每一位，校验节点对应于校验矩阵中的每一行；

利用神经网络的第三层神经元，结合校验矩阵和更新的校验节点传递给变量节点的边信息，更新变量节点传递给校验节点的边信息；

根据设定的迭代次数迭代执行第二层神经元和第三层神经元的处理过程，获取迭代后的结果；

利用神经网络的第四层神经元对迭代后的结果进行计算，得到所述LDPC码的最小和译码结果；

其中，连接第二层神经元的边使用各自单独的权重，连接第三层神经元的边使用同一个共享的权重；

所述更新校验节点传递给变量节点的边信息的更新公式如下：；

式中， 表示在Tanner图上第 次迭代时从校验节点 传递给变量节点 的边信息，表示第 次迭代时第三层神经元的权重， 表示在Tanner图上第 次迭代时从更新的变量节点 传递给校验节点 的边信息， 表示连接到校验节点 的一组变量节点，表示与校验节点m相连的但不包括变量节点n的其他所有变量节点的集合；

所述更新变量节点传递给校验节点的边信息的更新公式如下：；

式中， 表示在Tanner图上第 次迭代时从变量节点 传递给校验节点 的边信息，为第 位对应的信道对数似然比， 表示连接到变量节点 的一组校验节点，表示与变量节点n相连的但不包括校验节点m的其他所有校验节点的集合， 表示第 次迭代时第二层神经元的权重， 表示在Tanner图上第 次迭代时从更新的校验节点 传递给变量节点 的边信息；

所述利用神经网络的第四层神经元对迭代后的结果进行计算的计算公式如下：；

其中， 表示计算得到的最小和译码结果，为码长， 表示第 次迭代时第二层神经元的权重， 表示在Tanner图上第 次迭代时从校验节点 传递给变量节点 的边信息；

所述第四层神经元在训练阶段和测试阶段分别使用 和

作为激活函数，式中 为每层神经元的输入值。

2.根据权利要求1所述的基于神经网络的LDPC码最小和译码方法，其特征在于，所述第一层神经元接收的LDPC码的码字序列为经过二进制相移键控调制后，经过加性高斯白噪声信道传输过来的。

3.根据权利要求1所述的基于神经网络的LDPC码最小和译码方法，其特征在于，所述方法还包括：在神经网络的训练过程中，通过引入正则化项到损失函数中，利用反向传播算法和梯度下降法来训练神经网络，调整权重以优化神经网络。

4.根据权利要求3所述的基于神经网络的LDPC码最小和译码方法，其特征在于，所述损失函数表达式如下：；

式中 为损失函数， 为传输的码字，为码长，为神经网络输出的码字， 为样本数量。

5.一种基于神经网络的LDPC码最小和译码装置，其特征在于，包括：获取模块，用于获取预构建并训练好的神经网络；

接收模块，用于利用神经网络的第一层神经元接收LDPC码的码字序列；

第一更新模块，用于利用神经网络的第二层神经元，结合预先选取的LDPC码的校验矩阵以及更新的变量节点传递给校验节点的边信息，更新校验节点传递给变量节点的边信息，其中，变量节点对应于码字序列中的每一位，校验节点对应于校验矩阵中的每一行；其中，连接第二层神经元的边使用各自单独的权重；

第二更新模块，用于利用神经网络的第三层神经元，结合校验矩阵和更新的校验节点传递给变量节点的边信息，更新变量节点传递给校验节点的边信息；其中，连接第三层神经元的边使用同一个共享的权重；

迭代模块，用于根据设定的迭代次数迭代执行第二层神经元和第三层神经元的处理过程，获取迭代后的结果；

译码模块，用于利用神经网络的第四层神经元对迭代后的结果进行计算，得到所述LDPC码的最小和译码结果；

所述第一更新模块中，更新校验节点传递给变量节点的边信息的更新公式如下：；

式中， 表示在Tanner图上第 次迭代时从校验节点 传递给变量节点 的边信息，表示第 次迭代时第三层神经元的权重， 表示在Tanner图上第 次迭代时从更新的变量节点 传递给校验节点 的边信息， 表示连接到校验节点 的一组变量节点，表示与校验节点m相连的但不包括变量节点n的其他所有变量节点的集合；

所述第二更新模块中，更新变量节点传递给校验节点的边信息的更新公式如下：；

式中， 表示在Tanner图上第 次迭代时从变量节点 传递给校验节点 的边信息，为第 位对应的信道对数似然比， 表示连接到变量节点 的一组校验节点，表示与变量节点n相连的但不包括校验节点m的其他所有校验节点的集合， 表示第 次迭代时第二层神经元的权重， 表示在Tanner图上第 次迭代时从更新的校验节点 传递给变量节点 的边信息；

所述译码模块中，利用神经网络的第四层神经元对迭代后的结果进行计算的计算公式如下：；

其中， 表示计算得到的最小和译码结果，为码长， 表示第 次迭代时第二层神经元的权重， 表示在Tanner图上第 次迭代时从校验节点 传递给变量节点 的边信息；

所述第四层神经元在训练阶段和测试阶段分别使用 和

作为激活函数，式中 为每层神经元的输入值。

6.一种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1‑4中任一项所述方法的步骤。

7.一种计算机设备，其特征在于，包括：

存储器，用于存储计算机程序/指令；

处理器，用于执行所述计算机程序/指令以实现权利要求1‑4中任一项所述方法的步骤。