CN101277291B - 低比特分辨率的混合最小和ldpc解码方法 - Google Patents

Abstract

本发明涉及低比特分辨率的混合最小和LDPC解码方法和装置，属于通信技术领域。本发明提出了一种新的、改进的混合最小和LDPC解码方法。对于LDPC解码，置信传播(BP)展现出了良好的性能，但它很难硬件实现。一种适合计算机实现的简化方法，称为最小合方法，但在计算机上实现时，它的性能劣于BP方法。为了调和两者的缺点和保持他们的好处，本发明提出了两种改进措施。在硬件实现方面，采用了固点运算，获得良好的误码底板性能；第二点是在BER＝1e-3到1e-6范围内，具有良好的性能。本发明把两种改进的方法集中到了一种算法里面，因此在陡峭区和平坦区都有良好的性能。

Description

低比特分辨率的混合最小和LDPC解码方法

相关申请引用

本申请主张的发明公开于2006年7月25日，临时申请号为60/820,319，名称为“基于LDPC码的TDS-OFDM通信系统中的接收机”。要求美国临时专利申请中35 USC§119(e)的权利并入上述申请，以作参考。

技术领域

本发明涉及通信技术领域，更特别地，本发明涉及低比特分辨率的混合最小和低密度奇偶校验(LDPC，Low Density ParityCheck)解码方法和装置。

背景技术

正交频分复用(OFDM，Orthogonal Frequency DivisionMultiplexing)是已公开的技术。授予Chang等人的、美国专利号为3,488,445的专利描述了一个正交频分复用的设备和方法，它在大量相互正交的载波上实现大量数据信号的频分复用，因此，子载波之间存在重叠，但频带受限，产生的频谱不存在信道间干扰(ICI，Interchannel Interference)和符号间干扰(ISI，IntersymbolInterference)。每个信道的窄带滤波器幅频特性和相频特性由它们各自的对称性所规定。为每个信号提供相同的抵抗信道噪声的保护能力，仿佛每个信道中的信号通过不相关的媒介传输，并且通过降低数据率去除符号间干扰。随着信道数目的增加，总的数据率接近最大理论值。

OFDM收发信机是已公开的技术。授予Fattouche等人的、美国专利号为5,282,222的专利描述了一种允许多个无线收发信机相互交换信息(数据、语音或视频)方法。在第一个收发信机中，信息的第一个帧复用到一个宽频带上，传送给第二个收发信机。第二个收发信机接收和处理信息。信息采用相移键控的差分编码。另外，经过预先选择的时间间隔后，第一个收发信机可以再次传送信息。在预先选择的时间间隔期间，第二个收发信机可以用时分双工方式和另外的收发信机交换信息。第二个收发信机的信号处理包括发送估计信号的相位差和对发送信号进行预失真处理。收发信机包括一个用于信息编码的编码器、用于把信息复用到宽带语音信道上的宽带频分复用器，和用于复用信息上变换的本地振荡器。设备包括一个处理器，它对复用信息进行傅里叶变换，把信息变换到时间域进行传输。

在OFDM中采用伪噪声(PN，Pseudo-Noise)作为保护间隔(GI，Guard Interval)是已公开的技术。授予杨林等人的、美国专利号为7,072,289的专利描述了在信号传输信道中存在时延的情况下，一种估计传输信号帧开始和/或结束定时的方法。每个信号帧都有一个伪随机(PN)m序列，其中PN序列满足选择的正交性和非相关(closures relation)。接收到的信号和PN序列进行卷积，并从接收信号中减去PN序列，从而确定接收信号中PN序列的开始和/或结束。PN序列用于定时恢复、载波恢复、信道传输特性估计、接收信号帧同步，以及代替OFDM的保护间隔。

为了进行低密度奇偶校验码(LDPC，Low Density ParityCheck)解码，置信传播(BP，Belief Propagation)展示了作为应用的非常好的性能。然而，相关的置信传播(BP)方法适用于计算机上的执行，而很难在硬件中实现。因为上述原因，通常使用简化的更适用于计算机实现的方法，称为最小和(Min-sum)方法。然而，适用于计算机实现的原始的最小和方法的性能，要劣于适用于计算机实现的BP方法，如此恶劣的性能，使它不可能不牺牲所需要的准确性来使用最小和方法。

因此，为了调和以上两种方法的不足之处和保留两种方法的优点，希望能够有一种改进的方法和系统，用于低比特分辨率混合最小和LDPC解码方法和装置。

发明内容

提供了一种置信传播的新的改进方法。

提供了一种用于LDPC码最小和解码的新的改进方法。

提供了一种用于定点实现LDPC解码的新的改进方法。

提供了一种用于误码率(BER，Bit Error Rate)在1e-3到1e-6范围之间的LDPC码的新的改进方法。

提供了一种用于非常低误码底板(＜1e^-12)的LDPC码的新的改进方法。

提供了一种用于LDPC码的混合最小和解码的新的改进方法。为了LDPC码解码，置信传播(BP，Belief Propagation)表现出了良好的性能，但是相关的BP算法适于计算机实现，很难硬件实现。适于计算机实现的简化方法，通常使用称为最小和方法的算法。但是原始的适用于计算机实现的最小和方法的性能，要劣于适用于计算机实现的BP算法。为了克服缺点并保持优点，本发明提出了两个改进。在硬件实现中，由于使用定点实现，它能够获得更低的误码底板；第二，BER在10^-3到10^-6范围内，它具有更好的性能。本发明提出的方法把两种改进方法合成了一个，因此，在滚降区和底板区都获得了良好的性能。

附图说明

附图中的参考数字指相同或功能相似的基本单元，附图和下面的详细描述一起构成了一个整体，成为说明书的要素，并用于进一步图示各种具体实施例和解释本发明的各种原理与优点。

图1是符合本发明具体实施例的接收机示意图；

图2是基于本发明一些具体实施例的LDPC解码的泰诺(Tanner)图示意图；

图3是本发明和其它方法的性能比较图，包括：1)偏置最小和；2)归一化最小合和；3)混合最小和；4)理想曲线。

专业人士需要的是将图中的基本单元简单明了地表示出来，是否按比例描绘并不是必要的。例如，为了更好地帮助理解本发明的具体实施例，图中某些基本单元的尺寸大小相对于其它单元可能被夸大。

具体实施方式

在详细描述本发明实施例之前，应当注意，本实施例存在于方法步骤和装置部件的组合之中，它涉及到低密度奇偶校验(LDPC，Low Density Parity Check)码的置信传播(BP，Belief Propagation)和最小和(Min-Sum)解码算法的改进方法和装置。因此，图例中使用常规的符号来描述这些装置部件和方法步骤，仅详细说明了与本发明具体实施例相关的关键细节，帮助大家清晰地、充分地理解本发明实施例，以免对这些细节产生误解，使本领域的普通技术人员容易明白，并从中收益。

在本说明书中，相关的术语，例如第一和第二、顶部和底部，以及相似的术语，可能会单独使用，以区别不同的实体或处理，并不表示必须需要或暗示这些实体或处理之间的关系或顺序。术语“包括”、“由.....组成”，或是任何与之相关的其他变形，意指包含非排它的结果。所以，由一系列基本单元组成的处理、方法、文章或装置不仅仅包含那些已经指明了的基本单元，也可能包含其它的基本单元，虽然这些单元没有明确列在或属于上述的处理、方法、文章或装置。被“包括”所引述的基本单元，在没有更多限制的情况下，不排除在由基本单元构成的处理、方法、文字或装置中存在另外相同的基本单元。

这里所描述的本发明的具体实施例由一个或多个通常的处理器和唯一的存储程序指令构成，程序指令控制一个或多个处理器，配合一定的非处理器电路，去实现某些、大部分或全部的所述的LDPC码的BP和最小和解码算法的改进方法和装置。非处理器电路可能包括但不限于无线接收机、无线发射机、信号驱动器、时钟电路、电源电路和用户输入设备。同样的，这些功能可以解释为完成上述LDPC码混合解码改进方法的步骤。作为替换选择，某些或所有功能可以用没有储存程序指令的状态机实现，或者使用一个或多个专用集成电路(ASIC，Application Specific Integrated Circuit)，在这些ASIC中一个功能或一些功能的某种组合作为定制逻辑来实现。当然，这两种方法也可以组合使用。因此，这里描述了实现这些功能的方法和手段。更进一步，期望普通的技术人员经过努力和许多设计选择后，例如有效的开发时间、当前的技术和经济方面的考虑，在这里所揭示的概念和原理指导下，能够容易通过最少的实验得到所述的软件指令、程序和集成电路(IC，IntegratedCircuit)。

参考图1，它描述了实现以时域同步正交频分复用(TDS-OFDM，Time Domain Synchronous-Orthogonal Frequency DivisionMultiplexing)为基础的LDPC系统接收机10。换句话说，图1是以框图来说明基于TDS-OFDM的LDPC接收机10的功能模块图。这里的解调遵循TDS-OFDM调制原理。误码纠错机制基于LDPC。接收机10的首要目的是在有噪声系统中的信号检测，发射机发送波形的有限集合，而接收机用信号处理技术再生发射机发送的离散信号的有限集合。

图1中的方框图阐述了接收机10的信号及关键的处理步骤。这里假设接收机10的输入信号12是下变换的数字信号，输出信号14是运动图像专家组标准-2(MPEG-2)格式的传送流。更具体的说，射频(RF，Radio Frequency)调谐器18接收RF输入信号16，并且将其下变换到低中频或零中频信号12，作为模拟信号或数字信号(通过可选的模数转换器20)提供给接收机10。

在接收机10中，中频信号转换到基带信号22。然后，根据TDS-OFDM调制方案中LDPC的参数完成TDS-OFDM解调。信道估计24和相关模块26的输出送到时域解交织器28，然后送到前向纠错模块。接收机10的输出信号14是包括了有效数据、同步信号、时钟信号的并行或串行MPEG-2传送流。接收机10的配置参数可以自动探测或者自动编程控制或者手动设置。接收机10主要的配置参数包括：(1)子载波调制方式：四相移键控(QPSK，QuadPhase Shift Keying)、16正交幅度调制(QAM，QuadratureAmplitude Modulation)和64QAM；(2)前向纠错码率：0.4、0.6和0.8；(3)保护间隔：420或945个符号；(4)时域解交织模式：0、240或720个符号；(5)控制帧探测；和(6)信道带宽：6、7或8MHz。

下面描述接收机10的各个功能模块。

自动增益控制(AGC，Automatic Gain Control)模块30将输入的数字化信号强度与参考进行比较，把得到的差值进行滤波，滤波器值32用于控制调谐器18的放大增益。调谐器提供的模拟信号12通过模数转换器20采样，产生的信号中心频率位于更低的中频IF上。例如，使用30.4MHz采样频率对36MHz中频信号采样，得到的信号的中心频率是5.6MHz。中频到基带模块22把这个更低的中频信号转换为基带复数信号。模数转换器20使用固定采样率。使用模块22中的内插器完成从这个固定采样率到OFDM采样率的转换。时钟恢复模块33计算时钟误差，并对误差滤波后驱动数字控制振荡器(NCO，Numerically Controlled Oscillator)(图中未示出)，NCO控制采样率转换内插器中的采样定时校正。

输入信号12可能有频率偏移。自动频率控制模块34计算频率偏移，并调整中频到基带的参考中频频率。为了提高捕获范围和跟踪性能，频率控制由两个步骤完成的：粗调和细调。因为发射信号是由平方根升余弦滤波器成形，所以接收信号要也需要经过同样的成形模块49处理。众所周知在TDS-OFDM系统中离散傅立叶逆变换(IDFT，Inverse Discrete Fourier Transform)符号之前包括一个PN序列。通过把本地产生的PN序列和输入信号做相关运算，很容易找到相关峰值(由此就可以确定帧头)及频率偏置和时间误差等同步信息。信道时域响应基于已经获得的信号相关。频率响应由时域响应经过快速傅立叶变换(FFT，Fast Fourier Transform)变换得到。

在TDS-OFDM系统中，PN序列取代了传统的循环前缀填充。这样就需要删除PN序列，并恢复被信道扩展的OFDM符号。模块36恢复了传统的OFDM符号，它使用了一个抽头的均衡器。FFT模块38实现了3780点的FFT。对基于信道频率响应的FFT 38变换数据进行信道均衡40。去旋转后的数据和信道状态信息送给前向纠错(FEC，Forward Error Correction)做进一步处理。

在TDS-OFDM接收机10中，时域解交织器28用于提高对脉冲噪声的抵抗性，它是卷积解交织器，需要一个B*(B-1)*M/2大小的存储器，这里B是交织宽度，M是交织深度。对于TDS-OFDM接收机10的具体实施例，有两种时域解交织模式，模式1，B＝52，M＝240；模式2，B＝52，M＝720。

对于解码来说，LDPC解码器42是软判决迭代解码器，例如，由发射机提供的准循环低密度奇偶校验码(QC-LDPC，Quasi-CyclicLow Density Parity Check)(图中未示出)。LDPC解码器42配置为3种不同的QC-LDPC码率(即码率0.4、码率0.6和码率0.8)，三种码率共享相同的硬件电路。当迭代过程达到了规定的最大迭代次数(完迭代)时，或当在错误检测和错误纠正处理中没有了误码(部分迭代)时，迭代过程就会结束。

TDS-OFDM调制/解调制系统是基于多种调制方案(QPSK、16QAM、64QAM)和多种编码码率(0.4、0.6和0.8)的多码率系统，其中QPSK代表四相移键控，QAM代表正交幅度调制。博斯-乔赫里-霍克文黑姆码(BCH，Bose，Chaudhuri &Hocquenghem Type of Code)解码器46是按比特输出。根据不同的调制方案和编码码率，速率转换模块把BCH解码器46的比特输出组合为字节(byte)，同时调整字节输出时钟的速率，使接收机10的MPEG包输出在整个解调制/解码过程中保持均匀的分配。

BCH解码器46设计用来进行BCH(762，752)码解码。此BCH码是BCH(1023，1013)码的截短二进制BCH码，其生成多项式为x¹⁰+x³+1。

因为发射机中的数据在BCH编码器之前已经使用伪随机序列(PN，Pseudo-Random)进行了随机化(图中未示出)，所以，由LDPC/BCH解码器46产生的纠错数据必须要去随机化。PN序列的生成多项式为1+x¹⁴+x¹⁵，其初始条件为100101010000000。解扰器48会在每个信号帧时复位到初始状态。另外，解扰器48会一直自由运行，直到下一次复位。最低的8位要和输入字节流作异或运算。

下面描述数据流通过解调器不同模块的情况。

接收的RF信息16由数字地面调谐器18进行处理，调谐器选择需要解调信号的带宽及频率，并把信号16下变换到基带或低中频信号。然后下变换得到的信息12通过模数转换器20变换到数字域。

基带信号经过采样率转换器50的处理后转换为符号。保护间隔中的PN信息与本地产生的PN序列作相关运算，得到时域冲击响应。时域冲击响应的FFT变换提供了信道响应的估计。相关器26还用于时钟恢复33、频率估计和接收信号的校正。提取接收数据中的OFDM符号，并通过3780点的FFT变换38，得到了频域里的符号信息。使用前面所得到的信道估计信息，对OFDM符号进行均衡处理，然后送到FEC解码器。

在FEC解码器部分，时域解交织模块28实现了传输符号序列的去卷积交织，接着把这3780个点的块送到内码LDPC解码器42。LDPC解码器42和BCH解码器46以串联工作方式接收精确的3780个符号，去掉36个传输参数信令(TPS，TransmissionParameter Signaling)符号后，处理剩下的3744个符号，并恢复发射的传输流信息。速率转换器44调整输出数据速率，解扰器48重建发射的码流信息。连接到接收机10的外部存储器52为这部分预先设定的功能或需求提供了存储空间。

参照图2，描述了LDPC解码器中的Tanner图60。可以看到，低密度奇偶校验(LDPC)码的解码过程可以由图2所示的Tanner图描述。c_j定义为校验节点，b_i定义为比特节点。注意，c_j到b_i的相互关系表示为r_ji，b_i到c_j为q_ij。

典型的常用的LDPC解码算法是置信传播(BP)，它基于Tanner图，适用于计算机实现。在描述这个适合于计算机实现的方法之前，首先给出了一些定义和符号，如表1所示。

表1

根据以上定义或符号，一个适合于计算机实现的、使用了置信传播方法的对数域方法如下所述：

第一步初始化

$L\left(q_{\mathrm{ij}}\right)=\frac{2y_i}{{\mathrm{\δ}}^2}$

L(q_ij)是对数似然比。

第二步校验节点更新

$L\left(r_{\mathrm{ji}}\right)=\underset{i^{\′}\∈R_{j\backslash i}}{\mathrm{\Π}}\mathrm{sgn}\left(L\left(q_{i^{\′}j}\right)\right)\·\mathrm{\ψ}\left[\underset{i^{\′}\∈R_{j\backslash i}}{\mathrm{\Σ}}\mathrm{\ψ}\left(L\left(q_{i^{\′}j}\right)\right)\right]$

其中 $\mathrm{sgn}\left(x\right)=\left\{\begin{array}{cc}-1& x<0\\ +1& x\&GreaterEqual;0\end{array}\right.,\mathrm{\&psi;}\left(x\right)=\log \left|\tanh \left(\frac{1}{2}x\right)\right|$

第三步比特节点更新

$L\left(q_{\mathrm{ij}}\right)=L\left(c_i\right)+\underset{j^{\&prime;}\&Element;C_{i\backslash j}}{\mathrm{\&Sigma;}}L\left(r_{j^{\&prime;}i}\right)$

注意，重复第二步和第三步，直到得到码字或超过了迭代次数限制。此外，在校验节点更新和比特节点更新中，校验节点更新更复杂。

BP方法适合于计算机实现，具有非常好的性能，但它太复杂，非常不适合硬件实现，因为函数

的实现是非常困难和复杂的。然而，人们已经认识到或证明了在这个函数中最小的L(q_i’j)是主导项。因此，这个函数可以近似为：

$\mathrm{\&psi;}\left[\underset{i^{\&prime;}\&Element;R_{j\backslash i}}{\mathrm{\&Sigma;}}\mathrm{\&psi;}\left(L\left(q_{i^{\&prime;}j}\right)\right)\right]\&ap;\mathrm{\&psi;}\left[\mathrm{\&psi;}\left(\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)\right)\right]=\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)$

因此，用上述的近似代替第二步中校验节点更新，这就是适合于计算机实现的最小和方法。显然，最小和方法比置信传播方法更加简单，两者都适用于计算机实现。另外，最小和方法更适合硬件实现。

然而，对于一些LDPC码，最小和方法的解码性能要比适合于计算机实现的BP方法的恶劣1dB。就这点而论，在大多数情形下，不能到达要求的结果。因此，希望获得一种改进的解码方法或装置。

理论上讲，能够表示或是证明

$\mathrm{\&psi;}\left[\underset{i^{\&prime;}\&Element;R_{j\backslash i}}{\mathrm{\&Sigma;}}\mathrm{\&psi;}\left(L\left(q_{i^{\&prime;}j}\right)\right)\right]\&le;\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)$

为了使以上不等式右边的值更接近左侧的值，

需要在数值上至少稍微减少点。最小和可以在两方面进行改进。第一个，称为归一化最小和方法(Normalized Min-sum Method)，表示为：

$L\left(r_{\mathrm{ji}}\right)=\underset{i^{\&prime;}\&Element;R_{j\backslash i}}{\mathrm{\&Pi;}}\mathrm{sgn}\left(L\left(q_{i^{\&prime;}j}\right)\right)\&CenterDot;[\underset{i^{\&prime;}\&Element;R_{i/j}}{\min }L\left(q_{i^{\&prime;}j}\right)\&CenterDot;\mathrm{\&alpha;}]---\left(1\right)$

第二种，称为偏置最小和方法，表示为：

$\mathrm{\&psi;}\left[\underset{i^{\&prime;}\&Element;R_{j\backslash i}}{\mathrm{\&Sigma;}}\mathrm{\&psi;}\left(L\left(q_{i^{\&prime;}j}\right)\right)\right]\&ap;\max (\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)-\mathrm{\&beta;},0)---\left(2\right)$

使用密度函数，能够获得优化的α和β值，但是它们是LDPC码码率、校验节点数量、比特节点数量和信道噪声密度的函数。在硬件实现中，α和β通常是一个固定的常数。α通常是比1.0稍大一点的值，β通常是比大部分的L(q_ij)值要小的值。

假设L(q_i’j)用n-比特表示，因为L(q_i’j)总是正数，如果s比特用于表示L(q_i’j)的整数部分，t比特用于表示L(q_i’j)的分数部分，其中s+t＝n，也就是s是n的整数部分，t是n的分数部分。本发明所提的混合最小和方法基于偏置和归一化最小和方法，描述如下：

$L\left(r_{\mathrm{ji}}\right)=\left\{\begin{array}{cc}\underset{i^{\&prime;}\&Element;R_{i/j}}{\mathrm{\&Pi;}}\mathrm{sgn}\left(L\left(q_{i^{\&prime;}j}\right)\right)\left[\max (\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)-\mathrm{\&beta;},0)\right]& \underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)>2^{s-1}\\ \underset{i^{\&prime;}\&Element;R_{i/j}}{\mathrm{\&Pi;}}\mathrm{sgn}\left(L\left(q_{i^{\&prime;}j}\right)\right)\left[\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)\&CenterDot;\mathrm{\&alpha;}\right]& \underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)\&le;2^{s-1}\end{array}\right.$

可以看出，基于Tanner图中所示的特征，如果最小L(q_i’j)＞2^s-1，β使用了根据上面方程式所优化的值，否则，α使用了根据下面方程式所优化的值。

参看图3，描述了多种曲线和它们的效果，这里菱形曲线代表偏置算法，方框曲线代表归一化算法，三角曲线代表混合算法，“X”曲线代表BP算法。注意，混合最小和方法的曲线形状更接近理想化的理论BP曲线。对于硬件实现，存储L(q_ij)和L(r_jj)的比特数确定或直接决定了所需要的存储器大小。如果用低至5比特表示他们两个，常数值的选择是非常窄的。仿真中发现，在低比特数(4、5或6比特)情况下，偏置最小和与归一化最小和的性能有不同的曲线，如图2所示，归一化最小和有更低的误码底板，但偏置最小和在陡峭区域有更好的性能。因为陡峭区域和误码底板都重要，解决方案在这两个区域都有良好的性能是比较好的。本发明提出了一种适合于计算机实现的混合最小和解码方法，综合了偏置最小和和归一化最小和方法。适合于计算机实现的混合最小和方法在陡峭区和底板区都有良好的性能。换言之，当最小和值是最大可能值的一半时，使用偏置最小和。最大可能值取决于对数似然比(LLR)的比特数。例如，如果有三位比特，最大可能值是7，即111_二进制＝7_十进制。

相比现有的方法，本发明提出的改进主要有两点。在硬件实现方面，由于使用了定点运算，获得了更好的低误码底板结果。第二个是在BER＝1e-3到1e-6的范围内，有更好的性能。本发明提出的方法把两种改进方法集中到了一种算法里面，因此在陡峭区和底板区都有良好的性能。

本发明提出了一种新的改进的混合最小和LDPC解码方法。对于LDPC解码，置信传播(BP)展现出了非常良好的性能。但是，适于计算机实现的置信传播(BP)方法很难在硬件中实现。一种适于计算机实现的简化方法，称为最小和方法。但是对于在计算机中的实现，原始的最小和方法的性能劣于BP方法。为了调和两者的缺点和保持它们的好处，本发明提出了两种改进措施。在硬件实现方面，由于使用了定点运算，获得了更好的低误码底板性能；第二点在BER＝1e-3到1e-6的范围内，获得了更好的性能。本发明所提出的方法把两种改进的方法集中到了一种算法里面，因此在陡峭区和底板区都获得了很好的性能。

提供的混合最小和LDPC码解码方法包括的步骤是：当满足了第一种条件时，使用第一种计算方法；或是当满足了第二种条件时，使用第二种计算方法；总体质量接近了置信传播(BP)方法，而BP方法很难在硬件上实现。

本发明提供的装置包括了LDPC解码器，以及适用于实现混合最小和LDPC码解码方法的设备。方法包括以下步骤：当满足了第一种条件时，使用第一种计算方法；或是当满足了第二种条件时，使用第二种计算方法；总体质量接近了置信传播(BP)方法，而BP方法很难在硬件上实现。

注意，本发明使用了授予杨林等人的、美国第7,072,289号专利中所描述的PN序列，在此合并为一体作为参考。

上面结合附图对本发明的具体实施例进行了详细说明，但本发明并不限制于上述实施例，在不脱离本发明的权利要求的精神和范围情况下，本领域的普通技术人员可作出各种修改或改变。因此，本说明书和框图是说明性而非限制性的，同时，所有修改都包含在本发明的范围中。好处、优点、问题的解决方案以及可能产生好处、优点或产生解决方案或者变得更明确的解决方案的任何基本单元，都不会作为任何或全部权利要求中重要的、必需的或者本质的特性或原理来加以解释。后面的权利要求，包括本申请未定期间的任何改正以及颁布的那些权利要求的所有的等同权利，单独地定义了本发明。

Claims (3)

1.一种混合最小和LDPC解码方法，其特征在于，包括如下步骤：第一步，初始化：

$L\left(q_{\mathrm{ij}}\right)=\frac{{2y}_i}{{\mathrm{\&delta;}}^2}$

其中，L(q_ij)是对数似然比，δ是一个固定的衰减因子；

第二步，校验节点更新，采用了基于偏置和归一化的混合最小和方法：

1)当最小和值等于或小于最大可能值的一半时，使用归一化最小和计算方法：

$L\left(r_{\mathrm{ji}}\right)=\underset{i^{\&prime;}\&Element;R_{j\backslash i}}{\mathrm{\&Pi;}}\mathrm{sgn}\left(L\left(q_{i^{\&prime;}j}\right)\right)\&CenterDot;[\underset{i^{\&prime;}\&Element;R_{i/j}}{\min }L\left(q_{i^{\&prime;}j}\right)\&CenterDot;\mathrm{\&alpha;}]$

其中，α是一个固定的常数，函数sgn(x)为

$\mathrm{sgn}\left(x\right)=\left\{\begin{array}{cc}-1& x<0\\ +1& x\&GreaterEqual;0\end{array}\right.$

2)或者当最小和值大于最大可能值的一半时，使用偏置最小和计算方法：

$L\left(r_{\mathrm{ji}}\right)=\underset{i^{\&prime;}\&Element;R_{i/j}}{\mathrm{\&Pi;}}\mathrm{sgn}\left(L\left(q_{i^{\&prime;}j}\right)\right)\left[\max (\underset{i^{\&prime;}}{\min }L\left(q_{i^{\&prime;}j}\right)-\mathrm{\&beta;},0)\right]$

其中，β是一个固定的常数；

第三步，比特节点更新：

$L\left(q_{\mathrm{ij}}\right)=L\left(c_i\right)+\underset{j^{\&prime;}\&Element;C_{i\backslash j}}{\mathrm{\&Sigma;}}L\left(r_{j^{\&prime;}i}\right)$

第四步，重复第二步和第三步，直到得到码字或超过了迭代次数限制；

上述各个公式中符号的定义为：

y_i：比特节点b_i所接收到的消息；

q_ij：从比特节点b_i传递到校验节点c_j的消息；

r_ji：从校验节点c_j传递到比特节点b_i的消息；

R_j＝{i：h_ji＝1}：第j行中“1”的列位置的集合；

R_j\i＝{i′：h_ji′＝1}/{i}：第j行中“1”的列位置的集合，但不包括位置i；

C_i＝{i：h_ji＝1}：第i列中“1”的行位置的集合；

C_i\j＝{i′：h_ji′i＝1}/{j}：第i列中“1”的行位置的集合，但不包括位置j。

2.如权利要求1所述的混合最小和LDPC解码方法，其特征在于，所述的α是不小于或等于1.0的值。

3.如权利要求1所述的混合最小和LDPC解码方法，其特征在于，所述的β是小于L(q_ij)的值。

Images