1.一种基于遗传算法和神经网络混合智能算法的硬判决译码方法，其特征在于，包括以下步骤：(1)训练神经网络：

(1.1)接收实数符号序列r(r1,r2,r3,…)经过解调器匹配滤波器量化后得到硬判决序列R；

(1.2)由解调器匹配滤波器量化后得到的硬判决序列R分别与随机生成dh/2个n维二进制序列T经过模2加之后产生dh/2个候选序列A；

(1.3)训练神经网络：神经网络的输入层由个n-k神经元组成，输出层有1个神经元，隐含层包括(2/3)(n-k+t+1)个神经元，其中k为码的信息位个数，t为该码的最大纠错个数；训练过程为：将校正子序列作为输入训练模式，将与其对应的错误模式的重量w作为目标输出，使之输入一个校正子便能得到与之对应的错误图样的重量w(w＝1,2,3...,n),校正子S根据遗传算法个体所代表的码字B和码的校验矩阵H得到，即 S＝B·H′                式(1)；

(2)使用遗传算法优化得到一个与传输序列更似然的码字：(2.1)种群初始化：生成2t个n位的二进制向量作为初始种群(2.1.1)种群的第一个个体成员P1：将匹配滤波器输出的硬判决序列R(r1,r2,...,rn)设置为种群的第一个个体成员P1：

其中，Q(q1,q2,...,qn)为接收到的未经匹配滤波器硬判决量化的实数序列；

(2.1.2)种群的其他2t-1个个体成员Pi:将由随机产生的均匀二进制修正序列T(t1,t2,...,t2t-1)和硬判决序列R相加得到，即： Pi＝mod(R+T,2),2≤i≤2t， T＝rand[0,1]；

(2.2)个体适应度评价：

根据下式对遗传算法个体的适应度进行评价

其中，λ(P,Q)为相关函数，用来计算遗传体Pi和接收实数序列Q之间的欧氏距离，个体与接收的实属序列越相似，则λ的值越大，

Weight(Error class(Indiv.))为神经网络的输出结果，要得到penalty，需要先计算待评估遗传个体的校正子序列S，再将S输入神经网络；

(2.3)自然选择：基于轮盘赌选择法或其他选择方法从初始种群中选择优秀的个体参与遗传，第i个个体被选中的概率为：

(2.4)配对交叉：选中的个体将会随机进行配对，通过将自身部分元素即码元与对方交叉产生新个体；

(2.5)遗传变异：随机选择过程(2.4)中产生的新个体，对其进行变异处理，处理方法为，将个体的某位元素即码元翻转，即由0→1或1→0；

(2.6)遗传终止：遗传将在遗传世代数达到预设值时终止，此时种群中适应度最高的个体将被输出，若世代数未达到则跳转步骤(2.3)继续遗传过程；

(3)将遗传算法输出的最佳序列输入硬判决纠错译码器进行译码，得到最终译码结果。

2.根据权利要求1所述方法，其特征在于，所述步骤(2.4)配对交叉的方法有单点交叉和多点交叉。

3.根据权利要求1所述方法，其特征在于，所述步骤(2.4)优选单点交叉，交叉概率设为

0.9。

4.根据权利要求1所述方法，其特征在于，所述步骤(2.5)遗传变异的变异概率设置为

0.025。

5.根据权利要求1所述方法，其特征在于，所述步骤(2.6)遗传终止的遗传世代数设置为20。