CN101043483A - 一种基于低密度校验码的高阶编码调制方法 - Google Patents

Abstract

一种基于LDPC码的高阶编码调制方法，包括：将LDPC码中保护能力低的比特映射到高阶调制中误码率低的强比特上，而将LDPC码中保护能力高的比特映射到高阶调制中误码率高的弱比特上。尤其是，属于LDPC最小码重码字的比特都应映射到高阶调制中的最强比特位上。与传统方法相比，本发明的方法在高信噪比区间能够显著改善比特误码率性能。

Description

一种基于低密度校验码的高阶编码调制方法

技术领域

本发明涉及通信领域信道纠错低密度校验码(LDPC码(LowDensity Parity Code))的高阶编码调制技术。特别是，涉及基于低密度校验码的高阶编码调制方法。

背景技术

LDPC码是近十年来重新发现的一种强有力的前向纠错编码方法，在长码构造条件下已经逼近香农限，因而被认为是Turbo码的有效替代技术，很有可能被用于下一代移动通信和深空通信。图1给出了用二部图来表示低密度校验码的一个简单示例。LDPC码是一种基于稀疏校验矩阵的线性分组码。1981年，Tanner提出了用二部图来表示一个低密度的线性分组码，从此二部图成为了分析LDPC码的主要工具。设一个LDPC码，信息位长为K，码长为N，校验位为M＝N-K，则该码的校验矩阵A是一个大小为M*N的矩阵。二部图表述如下：二部图下边的N个节点代表N个码字，成为信息节点(message node)；上边M个节点代表M个校验式，称为校验节点(check node)。当下边的信息节点和上边的校验节点存在于同一个校验式时，就用边(edge)将两者连接。将和每个节点相连的线的个数称为该节点的度(degree)。LDPC码的译码采用和积(Sum-Product)算法，整个译码过程可以看作在Tanner的二部图上的BP算法的应用[参见后面所列出的文献1-22]。

为了进一步提高频谱效率，人们又引入高阶调制技术，如8PSK，16QAM，64QAM和256QAM[文献28：Stephen G.Wilson，DigitalModulation and Coding，Prentice-Hall，1996]。在高阶调制的星座图上，每个调制符号由若干个比特组成，如8PSK，16QAM，64QAM和256QAM的调制符号分别由3，4，6和8个比特组成。为了降低误码率，由比特串到调制符号的映射通常采用Golay映射。图2给出了16QAM格雷(Golay)编码的星座映射图，每一个星座点由四个比特(a₁a₂a₃a₄)表示。其中，X轴分量(I路)由a₁a₂表示，Y轴分量(Q路)由a₃a₄表示，星座图的能量归一化因子是 $c=\frac{1}{\sqrt{10}}.$ 图3给出了64QAM格雷(Golay)编码的星座映射图，每一个星座点由六个比特(a₁a₂a₃a₄a₅a₆)表示。其中，X轴分量(I路)由a₁a₂a₃表示，Y轴分量(Q路)由a₄a₅a₆表示，星座图的能量归一化因子是 $c=\frac{1}{\sqrt{42}}.$ Golay映射对比特串中的每个比特的保护能力是不均等的，有些比特具有强的保护能力，而一些比特的保护能力比较弱。根据现有技术可知，各个比特的保护能力是由各个比特的汉明距离之和确定的，其汉明距离之和越大，则该比特位的保护能力越弱。具体的推导过程可参见后面列出的文献28和29。当然，也可以根据本领域普通技术人员所知的其他方法来判断比特位的保护能力强弱。例如，对于图2所示的16QAM格雷(Golay)编码的的星座映射图，a₁a₃是强比特，而a₂a₄是弱比特。对于图3所示的64QAM格雷(Golay)编码的星座映射图，a₁a₄是强比特，而a₃a₆是弱比特，a₂a₅居中。

在传统的基于比特交织编码调制(BICM)的LDPC高阶调制方法中，只是将LDPC信道编码器和高阶调制器通过随机化的信道交织器串行级联起来，而没有将两者有效的统一协调，如图4所示。按照目前流行的观点[文献22-26]，认为对于非规则LDPC码，比特节点的度数越高，该比特的保护能力越强，比特误码率越低。因而，在最近的基于比特可信度映射(Bit-Reliability Mapping)的LDPC编码调制方法[文献22]中，将度数高的比特映射到高阶调制中的强比特位置，而将度数低的比特映射到高阶调制中的弱比特位置，如图5所示。然而，我们知道，根据经典理论[文献27]，决定比特的保护能力的是其分离距离所标志的保护等级，而非度数。在一些文献中，高度数节点之所以有较低误码率，是因为这些文献特意选择的非规则LDPC码的比特节点度数分布极其悬殊，这导致了极高度数的节点相对于极低度数节点具有较高的平均保护等级。另外，即使比特节点和校验节点的度数分布多项式都给定，构造出来的LDPC码的监督矩阵也是多种多样的，因而其比特误码率性能也有很大差异。而另一方面，对于比特节点和校验节点的度数分布多项式都给定的LDPC码，上述方法其实是无差别的，所以该方法不可能是一种通用的准确的方法。而且，众所周知，LDPC码的纠错性能很大程度上取决于代表其构造细节的要素图(factor graph)，亦即二分图(bipartite graph)，尤其在高信噪比区间取决于二分图上的短环(short cycle)。上述方法显然也无法精确反映LDPC码的二分图的几何拓扑结构。所以，上述方法虽然能够在一定程度上反映了LDPC码的非等错保护(UEP)特性，但该方法不是一种精确的方法，对于LDPC码UEP性能的预测存在不确定性，尤其是不能用来分析规则LDPC码的UEP特性。所以，这种编码调制方法在纠错性能的改善方面存在一定的局限性。

发明内容

本发明的主要目的是提供一种有效的LDPC码的高阶编码调制方法，最大程度地降低比特误码率。

根据本发明的第一方案，提出了一种基于低密度校验码LDPC码的高阶编码调制方法，包括以下步骤：对信源数据块进行LDPC编码，生成编码后的数据块；按照保护能力强弱的顺序，对编码后的数据块中的各个编码比特位进行排序；按照保护能力强弱的顺序，对调制符号中的各个符号比特位进行排序；根据符号比特位的个数，对排序后的编码比特位序列进行分块，将排序后的编码比特位序列等分为与符号比特位的个数相等的子块；并行地对各个编码子块进行交织；将由保护能力强的编码比特位组成的、交织后的编码子块映射到保护能力弱的符号比特位上，将由保护能力弱的编码比特位组成的、交织后的编码子块映射到保护能力强的符号比特位上；以及由并行的各个符号比特位构成一个调制符号，以及将各个调制符号高阶调制成最终的调制符号块。

优选地，并行地对各个编码子块进行交织的步骤包括：将属于同一个校验式的比特位设置于彼此远离的位置上。

优选地，各个编码比特位的保护能力强弱是由其分离距离确定的，其中分离距离越大，该比特位的保护能力越强。

优选地，各个编码比特位的分离距离等于其在二分图上所处的最短环的周长的一半。

优选地，各个符号比特位的保护能力强弱是由各个符号比特位的汉明距离之和确定的，其中汉明距离之和越大，该比特位的保护能力越弱。

优选地，如果排序后的编码比特位序列不能被等分为与符号比特位的个数相等的子块，则根据需要，在排序后的编码比特位序列的末尾添加空闲比特位，使其能够被等分为与符号比特位的个数相等的子块。

根据本发明的第二方案，提出了种接收根据前述高阶编码调制方法而产生的调制符号块的高阶译码解调方法，包括以下步骤：接收调制符号块，对接收到的调制符号块进行高阶解调，生成解调子块，每一符号比特位的位置对应于一个解调子块；并行地对所有解调子块进行解交织；按照各个符号比特位与各个编码比特位之间的对应关系，合并解交织后的子块，生成编码比特位序列；对编码比特位序列进行解排序；以及对解排序后的编码比特位序列进行LDPC译码，生成译码数据块。

根据本发明的第三方案，提出了一种基于低密度校验码LDPC码的正交对称高阶编码调制方法，其中采用m阶调制，m＝2N，N是自然数，包括以下步骤：对信源数据块进行LDPC编码，生成编码后的数据块；按照保护能力强弱的顺序，对编码后的数据块中的各个编码比特位进行排序；按照保护能力强弱的顺序，对调制符号中的各个符号比特位进行排序，其中由于m是偶数，第i个符号比特位与第N+i个符号比特位具有相同的保护能力，i是大于等于1且小于等于N的自然数；根据符号比特位的个数m，对排序后的编码比特位序列进行分块，将排序后的编码比特位序列等分为与符号比特位的个数的一半N相等的子块；并行地对各个编码子块进行交织；将每个交织后的编码子块转换为两个大小相同的编码数据流；将由保护能力强的编码比特位组成的编码数据流映射到保护能力弱的符号比特位上，将由保护能力弱的编码比特位组成的编码数据流映射到保护能力强的符号比特位上，其中将来自同一个交织后的编码子块的两个编码数据流分别映射到保护能力相同的第i个和第N+i个符号比特位上；以及由并行的各个符号比特位构成一个调制符号，以及将各个调制符号高阶调制成最终的调制符号块。

优选地，并行地对各个编码子块进行交织的步骤包括：将属于同一个校验式的比特位设置于彼此远离的位置上。

优选地，各个编码比特位的保护能力强弱是由其分离距离确定的，其中分离距离越大，该比特位的保护能力越强。

优选地，各个编码比特位的分离距离等于其在二分图上所处的最短环的周长的一半。

优选地，各个符号比特位的保护能力强弱是由各个符号比特位的汉明距离之和确定的，其中汉明距离之和越大，该比特位的保护能力越弱。

优选地，如果排序后的编码比特位序列不能被等分为与符号比特位的个数的一半N相等的子块，则根据需要，在排序后的编码比特位序列的末尾添加空闲比特位，使其能够被等分为与符号比特位的个数的一半N相等的子块。

优选地，如果每个交织后的编码子块不能被转换为两个大小相同的编码数据流，则根据需要，在每个交织后的编码子块的末尾添加空闲比特位，使其能够被转换为两个大小相同的编码数据流。

根据本发明的第四方案，提出了一种接收根据前述正交对称高阶编码调制方法而产生的调制符号块的高阶译码解调方法，包括以下步骤：接收调制符号块，对接收到的调制符号块进行高阶解调，生成解调子块，每一符号比特位的位置对应于一个解调子块；将与保护能力相同的第i个和第N+i个符号比特位的位置相对应的两个解调子块合并为同一个解调子块；并行地对所有合并后的解调子块进行解交织；按照各个符号比特位与各个编码比特位之间的对应关系，合并解交织后的子块，生成编码比特位序列；对编码比特位序列进行解排序；以及对解排序后的编码比特位序列进行LDPC译码，生成译码数据块。

附图说明

下面将参照附图，对本发明的优选实施例进行详细的描述，其中：

图1给出了用二部图来表示低密度校验码的一个简单示例。

图2给出了16QAM格雷(Golay)编码的星座映射图，每一个星座点由四个比特(a₁a₂a₃a₄)表示。

图3给出了64QAM格雷(Golay)编码的星座映射图，每一个星座点由六个比特(a₁a₂a₃a₄a₅a₆)表示。

图4给出了传统的基于比特交织编码调制(BICM)的LDPC高阶调制方法的示意图。

图5给出了传统的基于比特可信度映射的LDPC高阶调制方法的示意图。

图6给出了本发明的基于非等错特性匹配的分层交织的LDPC高阶调制方法的示意图。

图7给出了长度为4的短环，用于说明LDPC码的分离距离和二分图上的最短环周长之间的关系。

图8是根据本发明的通用LDPC码的高阶调制方法的示意图。

图9是根据本发明的I/Q路对称调制的LDPC码的高阶调制方法的示意图。

图10是根据本发明的16QAM调制的LDPC码的高阶调制方法的示意图。

图11是根据本发明的通用LDPC码的高阶调制的接收方法的示意图。

图12是根据本发明的I/Q路对称调制的LDPC码的高阶调制的接收方法的示意图。

图13是根据本发明的16QAM调制的LDPC码的高阶调制接收方法的示意图。

图14是[2000，1000]规则LDPC码的16QAM和64QAM的性能比较图。

图15是[3000，1000]非规则LDPC码的16QAM和64QAM的性能比较图。

图16给出了[2000，1000]规则LDPC码的不同分离距离的误码率性能图。

图17给出了多个短环的分离距离示意图，用于说明LDPC码的分离距离和二分图上的最短环周长之间以及比特的强弱与分离距离之间的关系。

具体实施方式

下面结合附图对本发明作具体说明。应该指出，所描述的实施例仅是为了说明的目的，而不是对本发明范围的限制。所描述的各种数值并非用于限定本发明，这些数值可以根据本领域普通技术人员的需要进行任何适当的修改。在本说明书中，以I/Q路对称调制和16QAM调制为例，描述本发明。但应当清楚的是，本发明可以应用于采用如64QAM等其他M-QAM(M＝2^m)调制方式的通信系统。

LDPC码具有非等错保护的特性，而通常的高阶调制也有强弱比特之分。按照线性非等错保护编码(LUEP：Linear Unequal ErrorProtection)的经典理论[文献27]，对于一般的线性分组码，各比特i可用分离距离s_i表明其保护能力。s_i≡min{w(X)/AX＝0，x_i＝1}，其中A为监督矩阵，X是码字，x_i表示比特i，w(X)表示码字X的码重。s_i是令比特x_i为1且满足监督矩阵的所有码字的最小码重。更进一步，定义

为x_i比特的保护能力或者保护等级(Protection Level)。t_i表示当传输的码字出现的错误比特数不大于t_i时，最大似然译码一定能够正确纠正比特x_i的误码。s_i或者t_i越小，其保护能力越弱，或者称为弱比特。

基于上述的UEP保护等级的概念，本发明提出了一种新的基于非等错特性匹配的分层交织的LDPC高阶调制方法，如图6所示，将LDPC码中保护等级低的比特映射到高阶调制中保护能力越强的比特上。尤其是，属于LDPC最小码重码字的比特都应映射到高阶调制中的最强比特位上。简而言之，就是将LDPC码的弱比特映射到高阶调制符号的强比特位，而将LDPC码的强比特映射到高阶调制符号的弱比特位。这样，就可以将LDPC码的非等错保护特性和高阶调制的非等错保护特性有效的进行匹配，从而降低误码率，获得编码调制增益。

通过研究，发明人还发现LDPC码的分离距离和二分图上的短环存在密切关系：对于由环路所构成的二分图，一个比特的分离距离等于其所在的最短环的周长的一半。例如对于图7所示的长度为4的短环，比特b₁和b₂都为1时，满足校验式c₁和c₂的约束，因而比特b₁和b₂的分离距离都为2，正好是其所在最短环的周长的一半。所以，与基于比特可信度映射的LDPC高阶调制方法相比，本发明的方法能够准确地反映LDPC码二分图的结构特征，不仅可以适用于非规则的LDPC码，也能适用于规则LDPC码。对于比特节点和校验节点度数分布都给定的不同的LDPC码，由于其不同的监督矩阵对应于不同的二分图，因而保护等级也是不同的，所以本发明的方法对于LDPC码有更强的适应能力，对其UEP特性的判定也更准确。

图16给出了[2000，1000]规则LDPC码的不同分离距离的误码率性能图。采用二进制移相键控(BPSK：Banary Phase Shift Keying)调制，加性白高斯噪声(AWGN：Addative White Gaussian Noise)信道。LDPC码是二分之一码率的[2000，1000]规则码，所有长度为4的短环被删除。图中给出了平均的误码率，以及分离距离是3和4的比特误码率。从图中可以看到，分离距离对误码率的性能有较大的影响，分离距离越大，误码率越低。

图17给出了多个短环的分离距离示意图。在图中，存在两个短环b₁c₁b₂c₂b₁和b₂c₂b₃c₃b₄c₄b₂。b₁仅存在于周长为4的短环b₁c₁b₂c₂b₁，所以b₁的分离距离是2。b₃和b₄都仅存在于周长为6的短环b₂c₂b₃c₃b₄c₄b₂，所以b₃和b₄的分离距离是3。而b₂存在于两个短环中，分离距离应取其最小者(短环b₁c₁b₂c₂b₁)周长的一半，所以b₂的分离距离是2。综上所述，b₁和b₂的分离距离都是2，应该是弱比特；而b₃和b₄的分离距离都是3，应该是强比特。

本发明的理论基础：

我们知道，对于一个二元域上的线形码C[N，K，d]，d是最小码距，假设其重量分布函数 $F\left(C\right)=\underset{i=d}{\mathrm{\Σ}}{A}_i{x}^i,$ 并以全零码字为参考，设 $\mathrm{\γ}=\frac{E_s}{N_o}$ 是AWGN信道下的能噪比(energy-to-noise ratio)。假设C码字在二进制移相键控(BPSK：Banary Phase Shift Keying)调制的加性白高斯噪声(AWGN：Addative White Gaussian Noise)信道下采用软判决的最大似然译码(Max-Likelihood decodidng based on softdesicion)，那么利用基于成对错误概率的一致界的经典分析方法(Union bound based on pair-wise error probability)，容易得到其误块率P_w：

$A_{d}Q\left(\sqrt{2\mathrm{d\γ}}\right)\≤P_w\≤\underset{i=d}{\mathrm{\Σ}}{A}_{i}Q\left(\sqrt{2\mathrm{i\γ}}\right)$

其误码率P_b：

$\frac{d}{N}{A}_{d}Q\left(\sqrt{2\mathrm{d\γ}}\right)\≤P_d\≤\underset{i=d}{\mathrm{\Σ}}\frac{i}{N}{A}_{i}Q\left(\sqrt{2\mathrm{i\γ}}\right)$

在信噪比较高时，其误块率和误码率的渐进特性(asymptoticperformance)取决于首项

通常，对于高阶解调得到的比特级的LLR值可以建模成AWGN信道下的输出值，并经过适当的信道补偿方法输入信道译码器。由于采用格雷编码的M-QAM(M＝2^m)高阶调制的每个比特的保护能力是不一样的，其输出信噪比也不一样。可以理解，高阶调制中的强比特的输出信噪比要大于弱比特的输出信噪比，因而其解调误码率低。设每个比特i输出的信噪比是γ_i，那么高阶调制输出的平均信噪比 $\stackrel{\‾}{\mathrm{\γ}}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\γ}}_i}{m}.$ 再假设保护能力最强的比特输出的信噪比是γ_max。那么可知，γ_max＞ γ。

当采用传统的基于比特交织编码调制(BICM)的LDPC高阶调制方法时，其误块率和误码率的渐进特性取决于

当采用新的基于非等错特性匹配的分层交织的LDPC高阶调制方法时，由于LDPC最小码重上的比特都映射到高阶调制上的最强比特位，所以最小码重上的比特的调制输出信噪比应为γ_max，因而其误块率和误码率的渐进特性取决于首项

因而，本发明的方法相对于传统方法有渐进编码增益ACG(Asymptotic Coding Gain)：

$\mathrm{ACG}=\frac{{\mathrm{\γ}}_{\max }}{\stackrel{\‾}{\mathrm{\γ}}}.$

实施例1

图8给出了通用LDPC码的高阶调制方法的示意图。首先，假定高阶调制是m阶的，亦即由m个比特(a₁…a_m)选择星座图上的一个调制符号，并设a₁到a_m是由强到弱的排序。信源数据块S，经过LDPC编码后得到编码数据块U，对编码数据块各比特的保护能力从小到打进行排序得到排序数据块V。这里的保护能力相当于上文所述的[文献27]定义的各比特的保护等级，可以事先计算出并得到一个固定的排序表，每次排序相当于一次交织操作。将排序后的数据块V等分成m个排序子数据块，V＝{V₁，V₂，…，V_m)(如果V不能被m整除，可以适当添加无实际含义的编码比特(全1或全0或其他适当的比特序列)，从而使其能够被m整除)。这里，从V₁到V_m是低保护能力到高保护能力的排序。每个排序子数据块V_i(1≤i≤m)经过串/并转换后，再进行各自的交织，得到交织子数据块W_i。这里的交织应保证属于同一个校验式的比特置于远离的位置上，以取得理想的时间分集效果。然后再将每个交织子数据块Wi并行输入高阶调制中的a_i比特位，并行的m个比特(a₁…a_m)选择星座图上的一个调制符号，得到最终的调制符号块T。

图11给出了通用LDPC码的高阶调制的接收方法。与图8相对应，首先假设接收到信道输出的调制符号块

调制符号块

经过高阶解调后，从a₁到a_m的比特位置分别相应输出了从

到

的解调输出子块。每个解调输出子块

(1≤i≤m)再经过相应的解交织得到解交织子块

对所有解交织子块进行并/串转换以后，再合并得到合并块 $\hat{V}=\{{\hat{V}}_1,{\hat{V}}_2,\·\·\·,{\hat{V}}_m\}.$ 然后，对合并块

进行解排序得到解排序块最后，对解排序块

进行LDPC译码，得到译码块

实施例2

在实践应用中，高阶调制通常采用I/Q路对称调制的方式。如图2所示的16QAM和图3所示的64QAM，I和Q路所采用的格雷映射是一样的。不失一般性，假设m阶的高阶调制中，I路采用

比特位，而Q路采用

比特位，从a₁到

是由强到弱的顺序，且

和

是完全对称的。所以，对称方式下的高阶调制比特位有

个等级。

图9给出了I/Q路对称调制的LDPC码的高阶调制方法。信源数据块S，经过LDPC编码后得到编码数据块U，对编码数据块各比特的保护能力从小到大进行排序得到排序数据块V。可以事先计算出并得到一个固定的排序表，每次排序相当于一次交织操作。将排序数据块V等分成

个排序子数据块， $V=\{V_1,V_2,\·\·\·,V_{\frac{m}{2}}\}$ (如果V不能被m/2整除，可以适当添加无实际含义的编码比特(全1或全0或其他适当的比特序列)，从而使其能够被m/2整除)。这里，从V₁到 是低保护能力到高保护能力的排序。每个排序子数据块V_i经过串 $(1\≤i\≤\frac{m}{2})$ 并转换后，再进行各自的交织，得到交织子数据块W_i。这里的交织应保证属于同一个校验式的比特置于远离的位置上。然后，将每个交织子数据块W_i串/并转换成两个大小相同的数据流(如果交织子数据块W_i不能被转换为大小相同的数据流，可以适当添加无实际含义的编码比特(全1或全0或其他适当的比特序列)，从而使其能够被转换为大小相同的数据流)，分别输入高阶调制中的a_i和

比特位。最后，并行的m个比特(a₁…a_m)选择星座图上的一个调制符号，得到最终的调制符号块T。

图12给出了I/Q路对称调制的LDPC码的高阶调制的接收方法。与图9相对应，首先假设接收到信道输出的调制符号块

调制符号块

经过高阶解调后，I路a_i比特位上输出的数据流和对称的Q路

比特位上输出的数据流经过并/串转换后，得到解调输出子块

这里， $1\≤i\≤\frac{m}{2}.$ 每个解调输出子块

再经过相应的解交织得到解交织子块

接着，对所有解交织子块进行并/串转换以后，再合并得到合并块 $\hat{V}=\{{\hat{V}}_1,{\hat{V}}_2,\·\·\·,{\hat{V}}_{\frac{m}{2}}\}.$ 然后，对合并块 进行解排序得到解排序块

最后，对解排序块

进行LDPC译码，得到译码块

实施例3图10是16QAM调制的LDPC码的高阶调制方法。16QAM采用图2所示的16QAM格雷(Golay)编码的星座映射图。信源数据块S，经过LDPC编码后得到编码数据块U，对编码数据块各比特的保护能力从小到大进行排序得到排序数据块V。可以事先计算出并得到一个固定的排序表，每次排序相当于一次交织操作。将排序数据块V等分成2个排序子数据块，V＝{V₁，V₂}。其中，V₁是保护能力低的数据块，而V₂是保护能力高的数据块。每个排序子数据块经过串并转换后，再进行各自的交织，得到交织子数据块W₁和W₂。这里的交织应保证属于同一个校验式的比特置于远离的位置上。然后，交织子数据块W₁串/并转换分成两个数据流，分别输入高阶调制中的a₁和a₃比特位，而交织子数据块W₂串/并转换分别输入到a₂和a₄比特位。最后，并行的4个比特(a₁a₂a₃a₄)选择星座图上的一个调制符号，得到最终的调制符号块T。

图13是16QAM调制的LDPC码的高阶调制接收方法。与图10相对应，首先假设接收到信道输出的调制符号块

调制符号块

经过高阶解调后，I路a₁比特位上输出的数据流和对称的Q路a₃比特位上输出的数据流经过并/串转换后，得到解调输出子块

同理，I路a₂比特位上输出的数据流和对称的Q路a₄比特位上输出的数据流经过并/串转换后，得到解调输出子块

解调输出子块 和

再经过相应的解交织分别得到解交织子块

和 对所有解交织子块进行并/串转换以后，再合并得到合并块 $\hat{V}=\{{\hat{V}}_1,{\hat{V}}_2\}.$ 然后，对合并块

进行解排序得到解排序块

最后，对解排序块

进行LDPC译码，得到译码块

图14给出了[2000，1000]规则LDPC码的16QAM和64QAM的性能比较图。采用BPSK调制，AWGN信道。LDPC码是二分之一码率的[2000，1000]规则码，信息块长度为1000比特，而编码块长度是2000比特，校验节点的度数是6，信息节点的度数是3。16QAM和64QAM采用格雷映射，分别如图2和图3所示。由于是规则LDPC码，比特可信度的方法失效，通过比较传统的比特交织编码调制(BICM)和本发明方法的性能(本发明)。从图中可以看出，对于规则LDPC码，相对于传统的比特交织编码调制方法，本发明方法在高信噪比区间能够显著改善比特误码率性能。

图15给出了[3000，1000]非规则LDPC码的16QAM和64QAM的性能比较图。采用BPSK调制，AWGN信道。LDPC码是三分之一码率的[3000，1000]非规则码，信息块长度为1000比特，而编码块长度是3000比特，校验节点的度数是4，信息节点的度数分布多项式是 $f\left(x\right)=\frac{1}{3}{x}^2+\frac{2}{3}{x}^3.$ 16QAM和64QAM采用格雷映射，分别如图2和图3所示。由于是非规则LDPC码，比特可信度的方法(BR)可用，将比特可信度的方法(BR)、比特交织编码调制(BICM)以及本发明方法(本发明)的性能进行比较。从图中可以看出，对于非规则LDPC码，相对于传统的比特交织编码调制方法，本发明方法在高信噪比区间也能够显著改善比特误码率性能。而比特可信度的方法(BR)在低信噪比区域略有效果，而在高信噪比区域不如传统方法。

总之，无论对于规则LDPC码还是非规则LDPC码，本发明方法在高信噪比区间都能够显著改善比特误码率性能。

尽管已经针对典型实施例示出和描述了本发明，本领域的普通技术人员应该理解，在不脱离本发明的精神和范围的情况下，可以进行各种其他的改变、替换和添加。因此，本发明不应该被理解为被局限于上述特定实例，而应当由所附权利要求所限定。

参考文献列表

[1]Matthew C.Davey，PHD Thesis：Error-correction usingLow-Density Parity-Check Code，Gonville and Caius College，Cambridge，1999

[2]D.J.C.MacKay and R.M.Neal.Near Shannon limit performanceof low density parity check codes.Electronics Letters，32(18)：1645{1646，August 1996.Reprinted Electronics Letters，vol33，no 6，13th March 1997，p.457-458.

[3]R.G.Gallager.PhD thesis：Low Density Parity Check Codes.MIT，Cambridge，Mass.，September 1962.

[4]M.C.Davey and D.J.C.MacKay.Low density parity check codesover GF(q).In Proceedings of the 1998 IEEE Information TheoryWorkshop，pages 70-71.IEEE，June 1998.

[5]Sae-Young Chung，PHD Thesis：On the Construction of SomeCapacity-Approaching Coding Schemes，MIT，Sept，2000

[6]M.Luby，M.Mitzenmacher，M.A.Shokrollahi，D.A.Spielman，andV.Stemann，“Practical loss-resilient codes，”in Proc.29th Annu.Symp.Theory of Computing，1997，pp.150-159.

[7]M.Luby，M.Mitzenmacher，and M.A.Shokrollahi，“Analysis ofrandom processes via and-or trees，”in Proc.9th Annu.ACM-SIAMSymp.Discrete Algorithms，1998，pp.364-373.

[8]G.D.Forney Jr.，“The forward-backward algorithm，”in Proc.34thAllerton Conf.Communications，Control and Computing，1996，pp.432-446.

[9]F.R.Kschischang and B.J.Frey，“Iterative decoding of compoundcodes by probability propagation in graphical models，”IEEE J.Select.Areas Commun.，vol.16，pp.219-230，Feb.1998.

[10]Michael G.Luby，Michael Mitzenmacher，M.Amin Shokrollahi，andDaniel A.Spielman，“Improved Low-Density Parity-Check CodesUsing Irregular Graphs，”IEEE Trans.Inform.Theory，vol.47，NO.2，FEBRUARY 2001：585-598

[11]Thomas J.Richardson，M.Amin Shokrollahi，nd Rüdiger L.Urbanke，“Design of Capacity-Approaching Irregular Low-DensityParity-Check Codes，”IEEE Trans.Inform.Theory，vol.47，NO.2，FEBRUARY 2001：619-637

[12]M.Luby，M.Mitzenmacher，A.Shokrollahi，D.Spielman，and V.Stemann，“Practical loss-resilient codes，”in Proc.29th Annu.ACMSymp.Theory of Computing，1997，pp.150-159.

[13]D.Spielman，“Linear-time encodeable and decodableerror-correcting codes，”IEEE Trans.Inform.Theory，vol.42，pp.1723-1731，Nov.1996.Dept.Elect.Eng.，Calif.Inst.Technol.，Pasedena，CA，May 1999.

[14]D.J.C.MacKay.(1998)Turbo codes are low-density parity-checkcodes.[Online].Available：http：//www.cs.toronto.edu/～mackay/abstracts/-turbo-ldpc.html

[15]N.Wiberg，“Codes and decoding on general graphs，”Ph.D.dissertation，Dept.Elec.Eng.，Univ.Linkping，Sweden，Apr.1996.

[16]N.Wiberg，H.-A.Loeliger，and R.Ktter，“Codes and iterativedeeoding on general graphs，”Eur.Trans.Telecomm.，vol.6，pp.513-525.Sept./Oct.1995.

[17]Frank R.Kschischang，Brendan J.Frey，and Hans-Andrea Loeliger，“Factor Graphs and the Sum-Product Algorithm”，IEEE Trans.Inform.Theory，vol.47，NO.2，pp.498-519，FEBRUARY 2001

[18]R.M.Tanner，“A recursive approach to low complexity codes，”IEEE Trans.Inform.Theory，vol.IT-27，pp.533-547，Sept.1981.

[19]M.Fossorier，M.Mihaljevic′，and H.Imai，“Reduced complexityiterative decoding of lowdensity parity check codes based on beliefpropagation，”IEEE Trans.Commun.，vol.47，pp.673-680，May1999.

[20]Jinghu Chen，and Marc P.C.Fossorier，“Near Optimum UniversalBelief Propagation Based Decoding of Low-Density Parity CheckCodes”，IEEE Trans.Commun.，vol.50，NO.3，pp.406-414，MARCH2002

[21]Xiao-Yu Hu，Evangelos Eleftheriou，Dieter-Michael Arnold，andAjay Dholakia，“Efficient Implementations of the Sum-ProductAlgorithm for Decoding LDPC Codes”，IBM Research，ZurichResearch Laboratory，CH-8803 R uschlikon，Switzerland

[22]Yan Li and William E.Ryan，“Bit-Reliability Mapping inLDPC-Coded Modulation Systems”，IEEE Communications Letters，VOL.9，NO.1，JANUARY 2005 1

[23]Stephan ten Brink，Gerhard Kramer，and Alexei Ashikhmin，“Designof Low-Density Parity-Check Codes for Modulation and Detection”，IEEE Trans.Commun.，VOL. 52，NO.4，APRIL 2004

[24]Xiumei Yang；Dongfeng Yuan；Piming Ma；Mingyan Jiang，“Newresearch on unequal error protection(UEP)property of irregularLDPC codes”，Consumer Communications and NetworkingConference，2004.CCNC 2004.First IEEE 5-8 Jan.2004Page(s)：361-363

[25]Poulliat，C.；Declercq，D.；Fijalkow，I.；“Optimization of LDPCcodes for UEP channels”，International Symposium on InformationTheory 2004.Proceedings.27 June-2 July 2004 Page(s)：450

[26]Rahnavard，N.；Fekri，F.；“Unequal error protection usinglow-density parity-check codes”，International Symposium onInformation Theory 2004.Proceedings.27 June-2 July 2004Page(s)：449

[27]王新梅，肖国镇，纠错码-原理与方法，西安电子科技大学出版社，2001年4月修订版

[28]Stephen G.Wilson，Digital Modulation and Coding，Prentice-Hall，1996

[29]Pavan K.Vitthaladevuni，and Mohamed-Slim Alouini，A RecursiveAlgorithm for the Exact BER Computation of GeneralizedHierarchical QAM Constellations，IEEE TRANSACTIONS ONINFORMATION THEORY，VOL.49，NO.1，JANUARY 2003 297.

Claims (15)

1.一种基于低密度校验码LDPC码的高阶编码调制方法，包括以下步骤：

对信源数据块进行LDPC编码，生成编码后的数据块；

按照保护能力强弱的顺序，对编码后的数据块中的各个编码比特位进行排序；

按照保护能力强弱的顺序，对调制符号中的各个符号比特位进行排序；

根据符号比特位的个数，对排序后的编码比特位序列进行分块，将排序后的编码比特位序列等分为与符号比特位的个数相等的子块；

并行地对各个编码子块进行交织；

将由保护能力强的编码比特位组成的、交织后的编码子块映射到保护能力弱的符号比特位上，将由保护能力弱的编码比特位组成的、交织后的编码子块映射到保护能力强的符号比特位上；以及

由并行的各个符号比特位构成一个调制符号，以及将各个调制符号高阶调制成最终的调制符号块。

2.根据权利要求1所述的高阶编码调制方法，其特征在于并行地对各个编码子块进行交织的步骤包括：将属于同一个校验式的比特位设置于彼此远离的位置上。

3.根据权利要求1所述的高阶编码调制方法，其特征在于各个编码比特位的保护能力强弱是由其分离距离确定的，其中分离距离越大，该比特位的保护能力越强。

4.根据权利要求3所述的高阶编码调制方法，其特征在于各个编码比特位的分离距离等于其在二分图上所处的最短环的周长的一半。

5.根据权利要求1所述的高阶编码调制方法，其特征在于各个符号比特位的保护能力强弱是由各个符号比特位的汉明距离之和确定的，其中汉明距离之和越大，该比特位的保护能力越弱。

6.根据权利要求1所述的高阶编码调制方法，其特征在于如果排序后的编码比特位序列不能被等分为与符号比特位的个数相等的子块，则根据需要，在排序后的编码比特位序列的末尾添加空闲比特位，使其能够被等分为与符号比特位的个数相等的子块。

7.一种接收根据权利要求1～6之一所述的高阶编码调制方法而产生的调制符号块的高阶译码解调方法，包括以下步骤：

接收调制符号块，对接收到的调制符号块进行高阶解调，生成解调子块，每一符号比特位的位置对应于一个解调子块；

并行地对所有解调子块进行解交织；

按照各个符号比特位与各个编码比特位之间的对应关系，合并解交织后的子块，生成编码比特位序列；

对编码比特位序列进行解排序；以及

对解排序后的编码比特位序列进行LDPC译码，生成译码数据块。

8.一种基于低密度校验码LDPC码的正交对称高阶编码调制方法，其中采用m阶调制，m＝2N，N是自然数，包括以下步骤：

对信源数据块进行LDPC编码，生成编码后的数据块；

按照保护能力强弱的顺序，对编码后的数据块中的各个编码比特位进行排序；

按照保护能力强弱的顺序，对调制符号中的各个符号比特位进行排序，其中由于m是偶数，第i个符号比特位与第N+i个符号比特位具有相同的保护能力，i是大于等于1且小于等于N的自然数；

根据符号比特位的个数m，对排序后的编码比特位序列进行分块，将排序后的编码比特位序列等分为与符号比特位的个数的一半N相等的子块；

并行地对各个编码子块进行交织；

将每个交织后的编码子块转换为两个大小相同的编码数据流；

将由保护能力强的编码比特位组成的编码数据流映射到保护能力弱的符号比特位上，将由保护能力弱的编码比特位组成的编码数据流映射到保护能力强的符号比特位上，其中将来自同一个交织后的编码子块的两个编码数据流分别映射到保护能力相同的第i个和第N+i个符号比特位上；以及

由并行的各个符号比特位构成一个调制符号，以及将各个调制符号高阶调制成最终的调制符号块。

9.根据权利要求8所述的正交对称高阶编码调制方法，其特征在于并行地对各个编码子块进行交织的步骤包括：将属于同一个校验式的比特位设置于彼此远离的位置上。

10.根据权利要求8所述的正交对称高阶编码调制方法，其特征在于各个编码比特位的保护能力强弱是由其分离距离确定的，其中分离距离越大，该比特位的保护能力越强。

11.根据权利要求10所述的正交对称高阶编码调制方法，其特征在于各个编码比特位的分离距离等于其在二分图上所处的最短环的周长的一半。

12.根据权利要求8所述的正交对称高阶编码调制方法，其特征在于各个符号比特位的保护能力强弱是由各个符号比特位的汉明距离之和确定的，其中汉明距离之和越大，该比特位的保护能力越弱。

13.根据权利要求8所述的正交对称高阶编码调制方法，其特征在于如果排序后的编码比特位序列不能被等分为与符号比特位的个数的一半N相等的子块，则根据需要，在排序后的编码比特位序列的末尾添加空闲比特位，使其能够被等分为与符号比特位的个数的一半N相等的子块。

14.根据权利要求8所述的正交对称高阶编码调制方法，其特征在于如果每个交织后的编码子块不能被转换为两个大小相同的编码数据流，则根据需要，在每个交织后的编码子块的末尾添加空闲比特位，使其能够被转换为两个大小相同的编码数据流。

15.一种接收根据权利要求8～14之一所述的正交对称高阶编码调制方法而产生的调制符号块的高阶译码解调方法，包括以下步骤：

接收调制符号块，对接收到的调制符号块进行高阶解调，生成解调子块，每一符号比特位的位置对应于一个解调子块；

将与保护能力相同的第i个和第N+i个符号比特位的位置相对应的两个解调子块合并为同一个解调子块；

并行地对所有合并后的解调子块进行解交织；

按照各个符号比特位与各个编码比特位之间的对应关系，合并解交织后的子块，生成编码比特位序列；

对编码比特位序列进行解排序；以及

对解排序后的编码比特位序列进行LDPC译码，生成译码数据块。

Images