CN103208995A - 一种低密度奇偶校验码译码的提前终止方法 - Google Patents

Abstract

本发明公开了一种低密度奇偶校验码译码的提前终止方法，对于采用置信传播类译码算法的译码器，在每次迭代计算变量节点向校验节点传递的边信息时，先将计算出来的每个变量节点的译码硬判比特，搭载到该变量节点向与其在二分图上相连的所有校验节点传递的边信息的最高有效位之前或最低有效位之后，构成组合信息一起传递给校验节点；在计算校验节点向变量节点传递的信息的同时，每个校验节点从与其在二分图上相连的变量节点传递来的组合信息中提取上述的译码硬判比特，并进行校正子计算：如果所有的校正子均为零，则提前终止迭代译码。本分发明方法，能够在保证译码准确性的同时，尽量降低译码器的工作时延，提高工作效率。

Description

一种低密度奇偶校验码译码的提前终止方法

技术领域

本发明涉及一种译码技术，尤其涉及一种低密度奇偶校验码译码的提前终止方法。

背景技术

低密度奇偶校验码（Low Density Parity Check Code，简称LDPC码）是一种线性分组码，可以通过生成矩阵、相应的校验矩阵或者二分图（Tanner图）进行描述；其译码算法包括比特翻转（Bit Flipping）、置信传播类（Belief Propagation）、迭代排序统计译码（Iterative Ordered Statistics Decoding）三类算法；其中，基于二分图的置信传播类算法如BP译码算法、最小和译码算法具有良好的译码性能。性能优异的规则或非规则LDPC码长码，其迭代收敛性能较好，当设置的最大迭代次数足够大时，大部分错误的帧可以通过迭代趋于收敛，最后被成功译码。当信噪比比较高时，大量的迭代译码过程只需要经过少量的迭代即可以完成译码，平均需要的迭代次数通常远小于提前设定的最大迭代次数。在实际的译码系统中，为了提高译码器的工作效率，降低译码器硬件功耗，一般采用提前终止策略，根据译码结果是否收敛来判断是否提前终止迭代过程。

通常使用的LDPC码的提前终止迭代译码策略主要包括标准的校验式判断准则（CAS）、硬判决符号变化准则（HAD）、译码输出信息变化趋势准则以及基于边信息的自动停止方法（EB-AS）。

标准的校验式判断准则即根据LDPC码的校验矩阵进行校正子计算从而判断译码结果是否收敛。若计算出来的校正子均为0，则说明译码硬判比特序列属于LDPC码字集合，迭代过程可以停止。在使用这种提前终止策略时，译码器需要在相邻的两次迭代之间插入一段空隙用以计算校正子，因此会降低译码器的工作效率。

硬判决符号变化准则比较简单，即根据相邻两次迭代中计算所得的译码硬判结果是否完全相同判断迭代译码是否已经收敛。若相邻两次迭代的译码硬判结果完全相同，则认为译码硬判结果已经收敛，停止迭代，输出译码硬判结果。由于这种方法没有结合LDPC码本身的校验矩阵进行判断，因此产生误判的概率比较大，特别是在信噪比比较高的场景中。

根据译码输出信息变化趋势判断译码结果是否收敛，例如对互信息量进行计算来判断时，进行互信息统计需要大量的计算，复杂度较高，在实际系统中通常不被采用。

基于边信息的自动停止方法即在更新校验节点向变量节点传递的信息时利用边信息（变量节点向校验节点传递的信息）的硬判结果进行校正子计算。该方法与“标准的校验式判断准则”原理相同，均是根据校正子来判断，不同点在于EB-AS准则计算校正子时用的是边信息的硬判结果，而CAS准则采用的则是变量节点的输出似然比信息的硬判结果进行校正子的计算。与变量节点的输出似然比信息相比，边信息的收敛速度较慢，这使得采用EB-AS准则时译码的平均迭代次数通常比采用CAS准则时译码的平均迭代次数要多（当信噪比较高时，一般不少于两次）。可以看到，相对于CAS准则，使用基于边信息的自动停止准则时，译码器需要的平均迭代次数更大。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种可以实现低密度奇偶校验码译码自动提前终止的方法，用以实现在保证译码准确性的同时，尽量降低译码器的工作时延，提高工作效率。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种低密度奇偶校验码译码的提前终止方法，对于采用置信传播类译码算法的译码器，在每次迭代计算变量节点向校验节点传递的边信息时，先将计算出来的每个变量节点的译码硬判比特，搭载到该变量节点向与其在二分图上相连的所有校验节点传递的边信息的最高有效位之前或最低有效位之后，构成同时包含有边信息和译码硬判比特的组合信息，然后将构成的组合信息传递给相应的校验节点；在计算校验节点向变量节点传递的信息以及该校验节点对应的校正子之前，每个校验节点先从与其在二分图上相连的变量节点传递过来的组合信息中提取出边信息和译码硬判比特，然后利用提取出的边信息更新校验节点向变量节点传递的信息，同时利用提取出的译码硬判比特计算校正子序列：如果校正子序列全部为零，则提前终止迭代译码，输出本次迭代的译码硬判比特序列；否则判断是否达到最大迭代次数，若达到则终止译码，输出当前迭代的译码硬判比特序列，否则继续迭代译码。

具体来说，上述方法包括如下步骤：首先定义低密度奇偶校验码的校验矩阵为H_M×N=[h_m,n]，对应的二分图变量节点和校验节点集合分别为V={v_n,n∈[1,N]}和C={c_m,m∈[1,M]}；定义变量节点v_n参与的校验节点集合为A(n)={j,h_j,n=1}，校验节点c_m参与的变量节点集合为B(m)={i,h_m,i=1}；定义校验节点集合A(n)中去除校验节点c_m的节点集合为A(n)\m，定义变量节点集合B(m)中去除变量节点v_n的节点集合为B(m)\n，编码所得码字序列为W={w_n,n∈[1,N]}；对码子序列W={w_n,n∈[1,N]}进行BPSK调制，得到X={x_n,n∈[1,N]}，其中x_n=1-2w_n，再经过零均值方差为σ²的高斯白噪声信道，得到接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}，其中g_n为第n个接收符号上的加性高斯白噪声分量；利用接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}和高斯白噪声信道的方差σ²进行计算，得到接收信号的输入似然比信息L_ch={l_ch,n|l_ch,n=2y_n/σ²,n∈[1,N]}；对接收信号的输入似然比信息进行量化，得到量化后的输入似然比信息L'_ch={l'_ch,n|l'_ch,n为l_ch,n量化的结果,n∈[1,N]}；sgn(x)表示对x取符号位， $\mathrm{sgn}\left(x\right)=\left\{\begin{array}{c}+1,x\&GreaterEqual;0\\ -1,x<0\end{array}\right.;$ 然后按如下步骤执行：

S101：迭代初始化：初始化迭代次数k=0；规定最大迭代次数为K；对于各校验节点c_m(m∈[1,M])，初始化该校验节点c_m向与其在二分图上相连的各变量节点v_n(n∈B(m))传递的信息

$R_{m,n}^0=0,n\&Element;B\left(m\right),m\&Element;[1,M]$

完成初始化后，顺序执行步骤S102；

S102：k=k+1，即迭代次数加一，顺序执行步骤S103；

S103：更新输出似然比信息：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点传递而来的信息

和与该变量节点相对应的量化后的输入似然比信息l'_ch,n(n∈[1,N])，计算第k次迭代中该变量节点v_n(n∈[1,N])的输出似然比信息

$L_n^k={l^{\&prime;}}_{\mathrm{ch},n}+\underset{m\&Element;A\left(n\right)}{\mathrm{\&Sigma;}}{R}_{m,n}^{k-1},n\&Element;[1,N]$

完成计算后，顺序执行步骤S104；

S104：更新变量节点：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点c_m(m∈A(n))传递而来的信息

和步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息计算该变量节点向与其在二分图上相连的各校验节点c_m(m∈A(n))的边信息

$Q_{n,m}^k=L_n^k-R_{m,n}^{k-1},m\&Element;A\left(n\right),n\&Element;[1,N]$

在计算上述边信息的同时，利用步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息

进行硬判决，得到与该变量节点对应的译码硬判比特

$d_n^k=(1-\mathrm{sgn}\left(L_n^k\right))/2,n\&Element;[1,N]$

完成上述边信息

和译码硬判比特的计算后，将译码硬判比特

搭载到边信息

的最高有效位之前或者最低有效位之后，构成与该变量节点v_n(n∈[1,N])对应的组合信息后将组合信息传递给相应的校验节点c_m(m∈A(n))，顺序执行步骤S105；

S105：提取边信息和译码硬判比特：对于各个校验节点c_m(m∈[1,M])，在计算之前，首先从由相应的变量节点v_n(n∈B(m))上传递而来的组合信息

中提取与该校验节点c_m对应的边信息

和译码硬判比特

完成上述两种信息的提取后，顺序执行步骤S106；

S106：更新校验节点：对于各个校验节点c_m(m∈[1,M])，同时进行以下计算：利用步骤S105中所述的与该校验节点c_m对应的边信息

更新该校验节点向相应变量节点v_n(n∈B(m))传递的信息

置信传播算法， $R_{m,n}^k=2a\tanh \left(\underset{n\&prime;\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\tanh (Q_{n,m}^k/2)\right)$ 或

最小和算法， $R_{m,n}^k=\mathrm{\&alpha;}\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\mathrm{sgn}\left(Q_{n^{\&prime;},m}^k\right)\right)\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\min }\right|Q_{n^{\&prime;},m}^k\left|\right),$ α为修正因子计算信息的同时，利用步骤S105中所述的译码硬判比特计算与该校验节点对应的第k次迭代时的校正子

完成上述计算后，顺序执行步骤S107；

S107：判断步骤S106中所述的各校正子

是否均为零，若是，则执行步骤S109；否则，顺序执行步骤S108；

S108：判断k是否等于最大迭代次数K，若是，则顺序执行步骤S109，否则执行步骤S102；

S109：终止迭代译码，输出第k次迭代产生的译码硬判比特序列

具体的，对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子的计算方法包括：

由于步骤S105中所述的与校验节点c_m(m∈[1,M])对应的译码硬判比特

为0或者为1，在硬件实现时均为1个比特，可以将步骤S105中所述的校验节点c_m(m∈[1,M])对应的译码硬判比特

进行模二相加（等同于按位异或操作），即可得到步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

$s_m^k=\left(\underset{n\&Element;B\left(m\right)}{\mathrm{\&Sigma;}}{d}_n^k\right)\mathrm{mod}2,m\&Element;[1,M].$

具体的，对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

的计算方法包括：

由于步骤S105中所述的与校验节点c_m(m∈[1,M])对应的译码硬判比特

为0或者为1，在硬件实现时均为1个比特；对于为0的译码硬判比特，用正数表示；对于为1的译码硬判比特，用负数表示；将这些有符号的数相乘，如果乘出来的结果为正数，则步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

为0，否则为1；假设用+1表示为0的译码硬判比特，用-1表示为1的译码硬判比特，则相应的判断准则为：

$s_m^k=\left\{\begin{array}{c}0,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}\left({1-2d}_n^k\right)>0\\ 1,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}(1-{2d}_n^k)<0\end{array}\right.,m\&Element;[1,M].$

本发明采用将译码硬判比特与边信息存储在一起的方法，通过增加存储资源，使得在利用边信息更新校验节点向变量节点传递的信息的同时，利用与边信息同时传递过来的译码硬判比特序列进行校正子的计算，不需要在两次迭代之间分配额外的时延进行校正子的计算，且降低了校正子计算时的存储器寻址复杂度。

有益效果：本发明提供的低密度奇偶校验码译码的提前终止方法，与现有技术相比，具有如下优点：1）相比较于“标准的校验式判断准则”，本发明中提出的一种低密度奇偶校验码译码的提前终止方法在两次迭代之间不需要插入额外的校验时延，提高了译码器的工作效率。并且无需新增计算资源，同时不需要在计算校正子时对存储译码硬判比特序列的读数地址进行计算，降低了计算复杂度。2）同“硬判决符号变化准则”相比较，本发明采用基于校验矩阵的方法进行译码硬判结果收敛性判断，大大降低了误判概率。3）同“译码输出信息变化趋势准则”相比较，本发明计算比较简单，采用模二相加或者简单的乘法即可完成计算，计算复杂度较低。4）相比较于“基于边信息的自动停止方法”，本发明采用变量节点的输出似然比信息的硬判决结果(即前文所述的译码硬判比特)进行校正子的计算，收敛速度更快，可以有效减少额外的迭代次数，提高译码效率。5）当信噪比比较高时，采用本发明的LDPC译码器的平均迭代次数要明显小于固定迭代次数(Fixed-IT)的迭代译码方案，有效地降低了译码系统的实际功耗，更加适合于硬件实现。

附图说明

图1为本发明的流程图。

图2为实现本发明方法的结构框图。

图3为组合信息的结构图。

图4为针对802.16e协议规定的5/6码率(2304，1920)LDPC码，分别采用Fixed-IT、CAS、HDA、EB-AS准则，以及采用本发明中所述的一种低密度奇偶校验码译码的提前终止方法进行仿真时的误帧率性能曲线。

其中，译码器的最大迭代次数均设置为31次，采用修正最小和算法(NMS)进行迭代定点化译码，修正因子为α=2^-1+2^-2+2^-4=0.8125；采用AWGN信道进行仿真。上述这种准循环LDPC码的分块式校验矩阵为：

表1：(2304，1920)LDPC码分块式校验矩阵

	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O	P	Q	R	S	T	U	V	W	X
																									1	1	25	55	-1	47	4	-1	91	84	8	86	52	82	33	5	0	36	20	4	77	80	0	-1	-1
2	-1	6	-1	36	40	47	12	79	47	-1	41	21	12	71	14	72	0	44	49	0	0	0	0	-1

2	51	81	83	4	67	-1	21	-1	31	24	91	61	81	9	86	78	60	88	67	15	-1	-1	0	0
																									4	68	-1	50	15	-1	36	13	10	11	20	53	90	29	92	57	30	84	92	11	66	80	-1	-1	0

表1中的每一个元素x代表一个小方阵：若该元素为-1，则为全零阵；否则为偏移量等于x的置换单位阵。对于该LDPC码，其小方阵的维数为Z=96。

图5为针对802.16e协议规定的5/6码率(2304，1920)LDPC码，分别采用Fixed-IT、CAS、HDA、EB-AS准则，以及采用本发明中所述的一种低密度奇偶校验码译码的提前终止方法进行仿真时的平均迭代次数统计情况。

其中，译码器的最大迭代次数均设置为31次，采用修正最小和算法(NMS)进行迭代定点化译码，修正因子为α=2^-1+2^-2+2^-4=0.8125。采用AWGN信道进行仿真。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种低密度奇偶校验码译码的提前终止方法，对于采用置信传播类译码算法的译码器，在每次迭代计算变量节点向校验节点传递的边信息时，先将计算出来的每个变量节点的译码硬判比特，搭载到该变量节点向与其在二分图上相连的所有校验节点传递的边信息的最高有效位之前或最低有效位之后，构成同时包含有边信息和译码硬判比特的组合信息，然后将构成的组合信息传递给相应的校验节点；在计算校验节点向变量节点传递的信息以及该校验节点对应的校正子之前，每个校验节点先从与其在二分图上相连的变量节点传递过来的组合信息中提取出边信息和译码硬判比特，然后利用提取出的边信息更新校验节点向变量节点传递的信息，同时利用提取出的译码硬判比特计算校正子序列：如果校正子序列全部为零，则提前终止迭代译码，输出本次迭代的译码硬判比特序列；否则判断是否达到最大迭代次数，若达到则终止译码，输出当前迭代的译码硬判比特序列，否则继续迭代译码。

如图1所示，为本发明方法的一种具体实现方法流程图，这里进行如下定义：

首先定义低密度奇偶校验码的校验矩阵为H_M×N=[h_m,n]，对应的二分图变量节点和校验节点集合分别为V={v_n,n∈[1,N]}和C={c_m,m∈[1,M]}；定义变量节点v_n参与的校验节点集合为A(n)={j,h_j,n=1}，校验节点c_m参与的变量节点集合为B(m)={i,h_m,i=1}；定义校验节点集合A(n)中去除校验节点c_m的节点集合为A(n)\m，定义变量节点集合B(m)中去除变量节点v_n的节点集合为B(m)\n，编码所得码字序列为W={w_n,n∈[1,N]}；对码子序列W={w_n,n∈[1,N]}进行BPSK调制，得到X={x_n,n∈[1,N]}，其中x_n=1-2w_n，再经过零均值方差为σ²的高斯白噪声信道，得到接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}，其中g_n为第n个接收符号上的加性高斯白噪声分量；利用接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}和高斯白噪声信道的方差σ²进行计算，得到接收信号的输入似然比信息L_ch={l_ch,n|l_ch,n=2y_n/σ²,n∈[1,N]}；对接收信号的输入似然比信息进行量化，得到量化后的输入似然比信息L'_ch={l'_ch,n|l'_ch,n为l_ch,n量化的结果,n∈[1,N]}；sgn(x)表示对x取符号位， $\mathrm{sgn}\left(x\right)=\left\{\begin{array}{c}+1,x\&GreaterEqual;0\\ -1,x<0\end{array}\right.;$ 然后按如下步骤执行：

S101：迭代初始化：初始化迭代次数k=0；规定最大迭代次数为K；对于各校验节点c_m(m∈[1,M])，初始化该校验节点c_m向与其在二分图上相连的各变量节点v_n(n∈B(m))传递的信息

$R_{m,n}^0=0,n\&Element;B\left(m\right),m\&Element;[1,M]$

完成初始化后，顺序执行步骤S102；

S102：k=k+1，即迭代次数加一，顺序执行步骤S103；

S103：更新输出似然比信息：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点传递而来的信息和与该变量节点相对应的量化后的输入似然比信息计算第k次迭代中该变量节点v_n(n∈[1,N])的输出似然比信息

$L_n^k={l^{\&prime;}}_{\mathrm{ch},n}+\underset{m\&Element;A\left(n\right)}{\mathrm{\&Sigma;}}{R}_{m,n}^{k-1},n\&Element;[1,N]$

完成计算后，顺序执行步骤S104；

S104：更新变量节点：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点c_m(m∈A(n))传递而来的信息

和步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息

计算该变量节点向与其在二分图上相连的各校验节点c_m(m∈A(n))的边信息

$Q_{n,m}^k=L_n^k-R_{m,n}^{k-1},m\&Element;A\left(n\right),n\&Element;[1,N]$

在计算上述边信息的同时，利用步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息

进行硬判决，得到与该变量节点对应的译码硬判比特

$d_n^k=(1-\mathrm{sgn}\left(L_n^k\right))/2,n\&Element;[1,N]$

完成上述边信息

和译码硬判比特

的计算后，将译码硬判比特

搭载到边信息

的最高有效位之前或者最低有效位之后，构成与该变量节点v_n(n∈[1,N])对应的组合信息

后将组合信息传递给相应的校验节点c_m(m∈A(n))，顺序执行步骤S105；

S105：提取边信息和译码硬判比特：对于各个校验节点c_m(m∈[1,M])，在计算之前，首先从由相应的变量节点v_n(n∈B(m))上传递而来的组合信息中提取与该校验节点c_m对应的边信息

和译码硬判比特

完成上述两种信息的提取后，顺序执行步骤S106；

S106：更新校验节点：对于各个校验节点c_m(m∈[1,M])，同时进行以下计算：利用步骤S105中所述的与该校验节点c_m对应的边信息

更新该校验节点向相应变量节点v_n(n∈B(m))传递的信息

置信传播算法， $R_{m,n}^k=2a\tanh \left(\underset{n\&prime;\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\tanh (Q_{n,m}^k/2)\right)$ 或

最小和算法， $R_{m,n}^k=\mathrm{\&alpha;}\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\mathrm{sgn}\left(Q_{n^{\&prime;},m}^k\right)\right)\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\min }\right|Q_{n^{\&prime;},m}^k\left|\right),$ α为修正因子计算信息的同时，利用步骤S105中所述的译码硬判比特

计算与该校验节点对应的第k次迭代时的校正子完成上述计算后，顺序执行步骤S107；

S107：判断步骤S106中所述的各校正子

是否均为零，若是，则执行步骤S109；否则，顺序执行步骤S108；

S108：判断k是否等于最大迭代次数K，若是，则顺序执行步骤S109，否则执行步骤S102；

S109：终止迭代译码，输出第k次迭代产生的译码硬判比特序列

具体的，对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

的计算方法包括：

由于步骤S105中所述的与校验节点c_m(m∈[1,M])对应的译码硬判比特

为0或者为1，在硬件实现时均为1个比特，可以将步骤S105中所述的校验节点c_m(m∈[1,M])对应的译码硬判比特

进行模二相加（等同于按位异或操作），即可得到步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

$s_m^k=\left(\underset{n\&Element;B\left(m\right)}{\mathrm{\&Sigma;}}{d}_n^k\right)\mathrm{mod}2,m\&Element;[1,M].$

具体的，对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

的计算方法包括：

由于步骤S105中所述的与校验节点c_m(m∈[1,M])对应的译码硬判比特

为0或者为1，在硬件实现时均为1个比特；对于为0的译码硬判比特，用正数表示；对于为1的译码硬判比特，用负数表示；将这些有符号的数相乘，如果乘出来的结果为正数，则步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

为0，否则为1；假设用+1表示为0的译码硬判比特，用-1表示为1的译码硬判比特，则相应的判断准则为：

$s_m^k=\left\{\begin{array}{c}0,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}\left({1-2d}_n^k\right)>0\\ 1,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}(1-{2d}_n^k)<0\end{array}\right.,m\&Element;[1,M].$

如图2所示，为实现本发明方法的一种结构框图，其中主控机、地址控制单元、变量节点处理单元和校验节点处理单元几个模块为译码器中的主要控制信号的产生和内部变量的计算模块，其余的模块为译码器中的存储单元。

“组合信息存储单元”中存储变量节点向校验节点传递的边信息与译码硬判比特重组后的组合信息。以上述表1中的(2304，1920)LDPC码为例，若将译码硬判比特存储于边信息的最高有效位之前，则一种可行的“组合信息存储单元”的内部结构如图3所示。其中，

为第k次迭代中产生的变量节点v_n(n∈[1,2304])的译码硬判比特；为第k次迭代中产生的与变量节点v_n(n∈[1,2304])在二分图上相连的校验节点c_m(m∈A(n))传递而来的边信息；XX表示无效数据，对于变量节点v_n(n∈[1,2304])，无效数据的个数与该变量节点的重量有关。

图4是针对802.16e协议规定的5/6码率(2304，1920)LDPC码，分别采用Fixed-IT、CAS、HDA、EB-AS准则，以及采用本发明中所述的一种低密度奇偶校验码译码的提前终止方法进行仿真时的误帧率性能曲线。其中，译码器的最大迭代次数均设置为31次，采用修正最小和算法(NMS)进行迭代定点化译码，修正因子为α=2^-1+2^-2+2^-4=0.8125。采用AWGN信道进行仿真。

从图4的仿真结果可以看到：与采用Fixed-IT的迭代译码器相比：3种分别采用CAS、EB-AS以及本发明中的提前终止准则的迭代译码器的误帧率性能与采用Fixed-IT的迭代译码器的误帧率性能几乎完全相同；由于采用HDA准则会有误判，因此与采用其他准则的译码器相比，采用HDA准则会对译码器的性能造成损失。可见，当译码器的最大迭代次数足够大时，采用合适的提前终止策略，包括本发明中提出的一种低密度奇偶校验码译码的提前终止方法，不会对LDPC迭代译码器的性能造成影响。

图5为针对802.16e协议规定的5/6码率(2304，1920)LDPC码，分别采用Fixed-IT、CAS、HDA、EB-AS准则，以及采用本发明中所述的一种低密度奇偶校验码译码的提前终止方法进行仿真时的平均迭代次数统计情况。其中，译码器的最大迭代次数均设置为31次，采用修正最小和算法(NMS)进行迭代定点化译码，修正因子为α=2^-1+2^-2+2^-4=0.8125。采用AWGN信道进行仿真。

从图5的仿真结果可以得到以下几点结论：

1）对于这种准循环LDPC码，随着仿真信噪比的提高，平均需要的迭代次数远小于提前设定的最大迭代次数，若采用Fixed-IT而不对迭代译码器采用提前终止策略，将会降低译码器的工作效率。

2）对于四种提前终止准则，LDPC迭代译码器采用EB-AS准则时需要的平均迭代次数最多；采用HDA准则时的平均迭代次数次之；采用本发明和CAS提前终止准则时所需要的平均迭代次数最少。

3）采用本发明和CAS准则的LDPC迭代译码器需要的平均迭代次数相差不大。相比较于采用HDA准则的译码器，采用本发明和CAS准则的迭代译码器的平均迭代次数比前者约少1次左右，这是由于HDA准则要求相邻两次迭代得到的译码硬判结果完全相同才可以终止迭代；当信噪比比较高时，同EB-AS准则相比，采用本发明和CAS准则的译码器比采用EB-AS准则时的平均迭代次数少了2.5次左右。

对图3和图4中的仿真结果进行总结，可以得到如下结论：

1）同Fixed-IT迭代译码器相比较，当信噪比比较高时，采用本发明中提出的这种提前终止策略可以显著地提高LDPC迭代译码器的工作效率，降低硬件功耗；

2）同采用CAS准则的LDPC迭代译码器相比，本发明与它的误码率性能几乎相同，且采用本发明的迭代译码器的平均迭代次数与前者相近。然而，由于采用CAS准则时会在相邻两次迭代之间插入时隙以进行校正子计算，受到“取译码硬判比特”操作速度的限制，这一时隙一般比较长。因此，从终止迭代时译码器所用的平均总时延角度考虑，本发明所用的时间会比采用CAS准则的译码器所用的平均总时延要短。另外，采用CAS准则时，“取译码硬判比特进行校正子计算”这一操作所需的取数地址的计算相对比较复杂，而采用本发明时，可以省略这一取数地址的计算，降低了整体计算复杂度；

3）同采用HDA准则的LDPC迭代译码器相比，采用本发明中提出的这种提前终止策略的迭代译码器的性能要优于前者，且采用本发明的迭代译码器的平均迭代次数比采用HDA准则的迭代译码器少1次左右；

4）同采用EB-AS准则的LDPC迭代译码器相比，采用本发明时迭代译码器所需的平均迭代次数更少，更加适合于某些对译码器工作效率要求较高的场合。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种低密度奇偶校验码译码的提前终止方法，其特征在于：对于采用置信传播类译码算法的译码器，在每次迭代计算变量节点向校验节点传递的边信息时，先将计算出来的每个变量节点的译码硬判比特，搭载到该变量节点向与其在二分图上相连的所有校验节点传递的边信息的最高有效位之前或最低有效位之后，构成同时包含有边信息和译码硬判比特的组合信息，然后将构成的组合信息传递给相应的校验节点；在计算校验节点向变量节点传递的信息以及该校验节点对应的校正子之前，每个校验节点先从与其在二分图上相连的变量节点传递过来的组合信息中提取出边信息和译码硬判比特，然后利用提取出的边信息更新校验节点向变量节点传递的信息，同时利用提取出的译码硬判比特计算校正子序列：如果校正子序列全部为零，则提前终止迭代译码，输出本次迭代的译码硬判比特序列；否则判断是否达到最大迭代次数，若达到则终止译码，输出当前迭代的译码硬判比特序列，否则继续迭代译码。

2.根据权利要求1所述的低密度奇偶校验码译码的提前终止方法，其特征在于：包括如下步骤：定义低密度奇偶校验码的校验矩阵为H_M×N=[h_m,n]，对应的二分图变量节点和校验节点集合分别为V={v_n,n∈[1,N]}和C={c_m,m∈[1,M]}；定义变量节点v_n参与的校验节点集合为A(n)={j,h_j,n=1}，校验节点c_m参与的变量节点集合为B(m)={i,h_m,i=1}；定义校验节点集合A(n)中去除校验节点c_m的节点集合为A(n)\m，定义变量节点集合B(m)中去除变量节点v_n的节点集合为B(m)\n，编码所得码字序列为W={w_n,n∈[1,N]}；对码子序列W={w_n,n∈[1,N]}进行BPSK调制，得到X={x_n,n∈[1,N]}，其中x_n=1-2w_n，再经过零均值方差为σ²的高斯白噪声信道，得到接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}，其中g_n为第n个接收符号上的加性高斯白噪声分量；利用接收信号序列Y={y_n|y_n=x_n+g_n,n∈[1,N]}和高斯白噪声信道的方差σ²进行计算，得到接收信号的输入似然比信息L_ch={l_ch,n|l_ch,n=2y_n/σ²,n∈[1,N]}；对接收信号的输入似然比信息进行量化，得到量化后的输入似然比信息L'_ch={l'_ch,n|l'_ch,n为l_ch,n量化的结果,n∈[1,N]}；sgn(x)表示对x取符号位，

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

S101：迭代初始化：初始化迭代次数k=0；规定最大迭代次数为K；对于各校验节点c_m(m∈[1,M])，初始化该校验节点c_m向与其在二分图上相连的各变量节点v_n(n∈B(m))传递的信息 $R_{m,n}^o:$

$R_{m,n}^0=0,n\&Element;B\left(m\right),m\&Element;[1,M]$

完成初始化后，顺序执行步骤S102；

S102：k=k+1，即迭代次数加一，顺序执行步骤S103；

S103：更新输出似然比信息：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点传递而来的信息

和与该变量节点相对应的量化后的输入似然比信息计算第k次迭代中该变量节点v_n(n∈[1,N])的输出似然比信息

$L_n^k={l^{\&prime;}}_{\mathrm{ch},n}+\underset{m\&Element;A\left(n\right)}{\mathrm{\&Sigma;}}{R}_{m,n}^{k-1},n\&Element;[1,N]$

完成计算后，顺序执行步骤S104；

S104：更新变量节点：对于各个变量节点v_n(n∈[1,N])，利用第k-1次迭代中产生的由相应校验节点c_m(m∈A(n))传递而来的信息

和步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息

计算该变量节点向与其在二分图上相连的各校验节点c_m(m∈A(n))的边信息

$Q_{n,m}^k=L_n^k-R_{m,n}^{k-1},m\&Element;A\left(n\right),n\&Element;[1,N]$

在计算上述边信息的同时，利用步骤S103中计算出来的该变量节点v_n(n∈[1,N])的输出似然比信息

进行硬判决，得到与该变量节点对应的译码硬判比特

$d_n^k=(1-\mathrm{sgn}\left(L_n^k\right))/2,n\&Element;[1,N]$

完成上述边信息

和译码硬判比特

的计算后，将译码硬判比特

搭载到边信息

的最高有效位之前或者最低有效位之后，构成与该变量节点v_n(n∈[1,N])对应的组合信息

后将组合信息传递给相应的校验节点c_m(m∈A(n))，顺序执行步骤S105；

S105：提取边信息和译码硬判比特：对于各个校验节点c_m(m∈[1,M])，在计算之前，首先从由相应的变量节点v_n(n∈B(m))上传递而来的组合信息

中提取与该校验节点c_m对应的边信息和译码硬判比特完成上述两种信息的提取后，顺序执行步骤S106；

S106：更新校验节点：对于各个校验节点c_m(m∈[1,M])，同时进行以下计算：利用步骤S105中所述的与该校验节点c_m对应的边信息

更新该校验节点向相应变量节点v_n(n∈B(m))传递的信息

置信传播算法， $R_{m,n}^k=2a\tanh \left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\tanh (Q_{n^{\&prime;},m}^k/2)\right)$ 或

最小和算法， $R_{m,n}^k=\mathrm{\&alpha;}\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\mathrm{\&Pi;}}\mathrm{sgn}\left(Q_{n^{\&prime;},m}^k\right)\right)\&CenterDot;\left(\underset{n^{\&prime;}\&Element;B\left(m\right)\backslash n}{\min }\right|Q_{n^{\&prime;},m}^k\left|\right),$ α为修正因子计算信息

的同时，利用步骤S105中所述的译码硬判比特

计算与该校验节点对应的第k次迭代时的校正子

完成上述计算后，顺序执行步骤S107；

S107：判断步骤S106中所述的各校正子是否均为零，若是，则执行步骤S109；否则，顺序执行步骤S108；

S108：判断k是否等于最大迭代次数K，若是，则顺序执行步骤S109，否则执行步骤S102；

S109：终止迭代译码，输出第k次迭代产生的译码硬判比特序列

3.根据权利要求2中所述的低密度奇偶校验码译码的提前终止方法，其特征在于：对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

的计算方法包括：将步骤S105中所述的校验节点c_m(m∈[1,M])对应的译码硬判比特

进行模二相加，得到步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

$s_m^k=\left(\underset{n\&Element;B\left(m\right)}{\mathrm{\&Sigma;}}{d}_n^k\right)\mathrm{mod}2,m\&Element;[1,M].$

4.根据权利要求2中所述的低密度奇偶校验码译码的提前终止方法，其特征在于：对于步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

的计算方法包括：对于S105中所述的与校验节点c_m(m∈[1,M])对应的译码硬判比特

对于为0的译码硬判比特，用正数表示；对于为1的译码硬判比特，用负数表示；将这些有符号的数相乘，如果乘出来的结果为正数，则步骤S106中所述的校验节点c_m(m∈[1,M])对应的第k次迭代时的校正子

为0，否则为1；假设用+1表示为0的译码硬判比特，用-1表示为1的译码硬判比特，则相应的判断准则为：

$s_m^k=\left\{\begin{array}{c}0,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}\left({1-2d}_n^k\right)>0\\ 1,\underset{n\&Element;B\left(m\right)}{\mathrm{\&Pi;}}(1-{2d}_n^k)<0\end{array}\right.,m\&Element;[1,M].$

Images