CN101873197A - Ldpc码固定比特位的编译码设备 - Google Patents

Abstract

本发明提供了一种降低LDPC码错误平层的编、译码方法，提供了一种灵活、高效、低复杂度的编、译码方法，该方案能利用较小的带宽、在不明显增加系统复杂度的同时能够显著提高系统传输性能，易于实现。在LDPC码出现错误平层的信噪比下，利用仿真找出引起错误平层的关键陷阱集比特位置，在确定满足编码速率的条件下，固定这些比特位进行信息传输，有了这些固定位确定的软信息，再利用更新译码算法，使得译码时能跳出陷阱集，从而达到错误平层减低或消除、以提高LDPC码译码性能的目的。本发明是基于LDPC码的软判决译码算法。其中心思想是：在LDPC编码时，固定传输信息中的某些比特位，即收发双方都确知某些比特位为0或1(二元LDPC码)，这些固定比特位的选取旨在打破陷阱集；在译码时，能得到确知位的准确信息，从而改进原有的迭代译码算法，以达到降低或消除错误平层的目的；并且有了这些固定位确定的软信息，译码迭代次数将减少，译码速度将加快。

Description

LDPC码固定比特位的编译码设备

技术领域

本发明属于通信技术领域，如无线通信、移动通信、光通信，特别涉及采用LDPC(LowDensity Parity Check，低密度校验)码为信道纠错码的通信系统。

背景技术

在未来无线通信中，高速和可靠的数据传输是通信的两个最基本要求，信道编译码技术是实现这一目标的重要途径。LDPC码具有逼近shannon限的优异性能，而且译码复杂度较低，结构设计、码参数选择灵活，目前，LDPC码已经广泛应用于深空通信、光纤通信、卫星通信和广播电视等领域，设计性能优良的LDPC码以及研究好的低复杂度译码方法是近年来人们研究的热点问题。

本发明提供了一种降低LDPC码错误平层(error floor)的编、译码方法，在信噪比相对较高的情况下，LDPC码的误比特率(BER)达到一定值，此时很多LDPC码由于陷阱集(trapping set)的影响，出现了错误平层，随着信噪比的升高其BER不再降低。此时，若利用仿真找出引起错误平层的关键陷阱集比特位置，在确定满足编码速率的条件下，固定这些比特位进行信息传输，有了这些固定位确定的软信息，再利用本发明的新译码算法，使得译码时能跳出陷阱集，从而错误平层将被减低或消除，LDPC码的译码性能将大大的提高。

目前，LDPC码译码方式主要分为软判决译码与硬判决译码两种，本发明提供了一种降低LDPC码错误平层(error floor)的编译码方法，本专利方法适合在软判决译码方式中应用，其中心思想是：在LDPC编码时，固定传输信息中的某些比特位，即收发双方都确知某些比特位为0或1(二元LDPC码)，这些固定比特位的选取旨在打破陷阱集；在译码时，能得到确知位的准确信息，从而改进原有的迭代译码算法，以达到降低或消除错误平层的目的；并且有了这些固定位确定的软信息，译码迭代次数将减少，译码速度将加快。

发明内容

本发明提供了一种降低LDPC码错误平层的编、译码方法，提供了一种灵活、高效、低复杂度的编、译码方法，该方案能利用较小的带宽、在不明显增加系统复杂度的同时能够显著提高系统传输性能。在确定满足编码速率的条件下，对引起错误平层的关键陷阱集比特位置进行固定，有了这些固定位确定的软信息，使得译码时能跳出陷阱集，从而达到错误平层减低或消除、以提高LDPC码译码性能的目的。

以(13299，11285)LDPC码为例，该码是由1023×1023的子矩阵构成的准循环码，其仿真性能曲线如图1示，在3.8dB开始出现错误平层，表1给出了3.7dB到3.9dB的错误比特位置，我们看到：3.8dB和3.9dB的错误都是由(4，4)陷井集在译码中带来不可纠正的错误而产生，如果能使得译码时能跳出(4，4)陷井集，那么错误平层是可以降低和消除的，这是本发明提出的依据。

表1(13299，11285)码的错误比特位置

本专利考虑二元LDPC码，令矩阵H＝[h_i，j]_M×N是LDPC码的校验矩阵，LDPC码的编码码字为C＝{c₁，c₂，...，c_N}，固定比特位集合为0≤i_j≤N，

的取值固定为“0”(或的取值固定为“1”)，则本专利的改进编码方式为：

$C=\{c_1,c_2,...,c_{i_1},c_{i_1+1},...,c_{i_j},c_{i_j+1},...,c_{i_{\mathrm{ip}}},...,c_N\}---\left(1\right)$

也就是在

的位置即不传输信息位也不传输校验位，仅传输固定值“0”(或固定值“1”)。固定比特位集合S由出现概率高的陷阱集位置决定。

LDPC码译码方式主要分为软判决译码与硬判决译码两种，本专利提出的方法适合软判决译码，在软判决译码方式中，和积译码算法是理论上性能最优的译码方法，但其译码复杂度较大，于是，在其基础上有改进的最小和译码算法、Normalized最小和译码算法与Offset最小和译码算法，本发明提出的译码过程以Normalized最小和译码算法为例，本发明提出的译码过程描述如下：

若编码器输出的“0”和“1”序列码字C，经BPSK调制映射为{+1，-1}信号序列X＝{x₁，x₂，…，x_N}通过AWGN信道传送，的接收向量为r＝{r₁，r₂，…，r_N}，r＝X+v，v为零均值噪声向量，其单边噪声功率谱密度为

设码率为R，则单位信息比特信噪比为

设一个N长LDPC码的校验矩阵为H＝(h_ij)_M×N。令集合M(j)＝{i：h_ij＝1}表示信息节点x_j参加的校验集，M(j)\i表示M(j)不包含i的子集，N(i)＝{j：h_ij＝1}表示校验节点z_i约束的局部码元信息集，N(i)\j表示N(i)不包含j的子集，u_i，j为校验节点传给信息节点的消息，v_i，j为信息节点传给校验节点的消息，译码器接收到的软信息初始值L_j＝y_j，0≤j≤N-1，γ₁是乘积因子：

第1步：初始化

(1)t＝0；I_max＝Max(Max为设定的译码最大迭代次数)；

(2)对满足h_i，j＝1：0≤i≤M-1，0≤j≤N-1的每对(i，j)所对应的j，若j∈S，则令

$v_j^{\left(t\right)}=v_{\mathrm{sure}}:0\≤j\≤N-1;---\left(2\right)$

否则，令

$v_j^{\left(t\right)}=L_j:0\≤j\≤N-1;---\left(3\right)$

第2步：校验节点更新

对i＝0，1，...，M-1，分别做

$\left(2\right),u_{i,j}^{(t+l)}={\mathrm{\γ}}_1\·\left[\underset{k\∈N\left(i\right)\backslash j}{\mathrm{\Π}}{\mathrm{\α}}_{i,k}^{\left(t\right)}\right]\·\underset{k\∈N\left(i\right)\backslash j}{\min }\left\{{\mathrm{\β}}_{i,k}^{\left(t\right)}\right\};---\left(5\right)$

第3步：信息节点更新

对每一个j＝0，1，...，N-1，若j∈S，则令

$v_{i,j}^{(t+1)}=v_{\mathrm{sure}};---\left(6\right)$

否则，令

$v_{i,j}^{(t+1)}=v_j^{\left(0\right)}+\underset{k\∈M\left(j\right)\backslash i}{\mathrm{\Σ}}{u}_{k,j}^{\left(t\right)}---\left(7\right)$

第4步：进行判决，获得本次迭代的译码码字

对j＝0，1，...，N-1，分别做

若j∈S，则令

z_hd_i＝v_sure；(8)

否则，令

$z\_{\mathrm{hd}}_j=L_j+\underset{k\∈M\left(j\right)}{\mathrm{\Σ}}{u}_{k,j}^{\left(t\right)};---\left(9\right)$

进行判决：

$\left\{\begin{array}{c}{\hat{x}}_j=0,z\_{\mathrm{hd}}_j>0\\ {\hat{x}}_j=1,z\_{\mathrm{hd}}_j\≤0\end{array}\right.---\left(10\right)$

第5步：判断译码是否正确

(1)判断xH^T＝0是否成立，若成立，译码结束，输出码字x，否则进行下一步；

(2)判断t＞I_max是否成立，若成立，译码结束，输出此时的x作为码字，否则进行下一步；

(3)t←t+1，转入第2步，进入下一轮迭代。

其中v_sure为固定比特位的最大软信息值。

本发明的有益效果

还是以(13299，11285)LDPC码为例，(13299，11285)LDPC码为26个1023×1023的子矩阵构成的准循环码，其校验矩阵可表示为：

$H=\left[\begin{array}{cccc}{H}_{\mathrm{1,1}}& H_{\mathrm{1,2}}& ...& H_{\mathrm{1,13}}\\ H_{\mathrm{2,1}}& H_{\mathrm{2,2}}& ...& H_{\mathrm{2,13}}\end{array}\right]---\left(11\right)$

其中H_i，j是1023×1023的子矩阵。图表1给出了两类陷阱集，其双向图如图2所示，并且仿真实验证明：当十比特向量V_j，V_j+5，V_j+373，V_j+426，V_j+518，V_j+813，V_j+1089，V_j+1319，V_j+1356，V_j+1531中有五比特位于H_1，j，而另外五比特位于H_2，j时，C_i，…，C_i+2191，…，C_i+4237，…，C_i+10230为出现概率最高的陷阱集，十比特向量V_j，V_j+92，V_j+597，V_j+602，V_j+970，V_j+1105，V_j+1410，V_j+1686，V_j+1916，V_j+1953也有相同的特性。因此我们用(13299，11285)LDPC码陷阱集的这个特性来构造固定比特位集合S，运用本专利提出的改进Normalized最小和译码算法对(13299，11284)进行了仿真，并与原有Normalized最小和译码算法进行了比较，其性能曲线如图3所示。由图3可知，改进的算法较之原译码算法在低信噪比处，BER和FER都有很大的改善，获得了更好的译码性能。

附图说明

图1是(13299，11285)码的仿真性能曲线。该码是由1023×1023的子矩阵构成的准循环码，其仿真性能曲线如图1示，在3.8dB开始出现错误平层，

图2是两类陷阱集的双向图。

图3是(13299，11285)LDPC码两种译码仿真结果，改进的算法较之原译码算法在低信噪比处，BER和FER都有很大的改善，获得了更好的译码性能。

具体实施方式

若编码器输出的“0”和“1”序列码字C，经BPSK调制映射为{+1，-1}信号序列X＝{x₁，x₂，…，x_N}通过AWGN信道传送，的接收向量为r＝{r₁，r₂，…，r_N}，r＝X+v，v为零均值噪声向量，其单边噪声功率谱密度为

设码率为R，则单位信息比特信噪比为

设一个N长LDPC码的校验矩阵为H＝(h_ij)_M×N。令集合M(j)＝{i：h_ij＝1}表示信息节点x_j参加的校验集，M(j)\i表示M(j)不包含i的子集，N(i)＝{j：h_ij＝1}表示校验节点z_i约束的局部码元信息集，N(i)\j表示N(i)不包含j的子集，u_i，j为校验节点传给信息节点的消息，v_i，j为信息节点传给校验节点的消息，译码器接收到的软信息初始值L_j＝y_j，0≤j≤N-1，γ₁是乘积因子：

第1步：初始化

(1)t＝0；I_max＝Max(Max为设定的译码最大迭代次数)；

(2)对满足h_i，j＝1：0≤i≤M-1，0≤j≤N-1的每对(i，j)所对应的j，若j∈S，则令

$v_j^{\left(t\right)}=v_{\mathrm{sure}}:0\≤j\≤N-1;---\left(2\right)$

否则，令

$v_j^{\left(t\right)}=L_j:0\≤j\≤N-1;---\left(3\right)$

第2步：校验节点更新

对i＝0，1，...，M-1，分别做

$\left(2\right)u_{i,j}^{(t+1)}={\mathrm{\γ}}_1\·\left[\underset{k\∈N\left(i\right)\backslash j}{\mathrm{\Π}}{\mathrm{\α}}_{i,k}^{\left(t\right)}\right]\·\underset{k\∈N\left(i\right)\backslash j}{\min }\left\{{\mathrm{\β}}_{i,k}^{\left(t\right)}\right\};---\left(5\right)$

第3步：信息节点更新

对每一个j＝0，1，...，N-1，若j∈S，则令

$v_{i,j}^{(t+1)}=v_{\mathrm{sure}};---\left(6\right)$

否则，令

$v_{i,j}^{(t+1)}=v_j^{\left(0\right)}+\underset{k\∈M\left(j\right)\backslash i}{\mathrm{\Σ}}{u}_{k,j}^{\left(t\right)}---\left(7\right)$

第4步：进行判决，获得本次迭代的译码码字

对j＝0，1，...，N-1，分别做

若j∈S，则令

z_hd_j＝v_sure；(8)

否则，令

$z\_{\mathrm{hd}}_j=L_j+\underset{k\∈M\left(j\right)}{\mathrm{\Σ}}{u}_{k,j}^{\left(t\right)};---\left(9\right)$

进行判决：

$\left\{\begin{array}{c}{\hat{x}}_j=0,z\_{\mathrm{hd}}_j>0\\ {\hat{x}}_j=1,z\_{\mathrm{hd}}_j\≤0\end{array}\right.---\left(10\right)$

第5步：判断译码是否正确

(1)判断xH^T＝0是否成立，若成立，译码结束，输出码字x，否则进行下一步；

(2)判断t＞I_max是否成立，若成立，译码结束，输出此时的x作为码字，否则进行下一步；

(3)t←t+1，转入第2步，进入下一轮迭代。

其中v_sure为固定比特位的最大软信息值。

Claims (2)

1.提供了一种降低LDPC码错误平层的编、译码方法。该方法包含以下步骤：在确定满足编码速率的条件下，固定引起错误平层的关键陷阱集比特位置进行信息传输，即收发双方都确知某些比特位为0或1(二元LDPC码)；在译码时，固定比特位置软信息采用确定值，而不是信道输入值进行译码。

2.该编、译码方法适合在软判决译码方式中应用，该编、译码方法中固定比特位置集合的选取是由高概率出现的关键陷阱集来确定。

Images