CN103780268A - 一种基于优化稀疏lu分解的ldpc编码算法 - Google Patents
一种基于优化稀疏lu分解的ldpc编码算法 Download PDFInfo
- Publication number
- CN103780268A CN103780268A CN201410032270.0A CN201410032270A CN103780268A CN 103780268 A CN103780268 A CN 103780268A CN 201410032270 A CN201410032270 A CN 201410032270A CN 103780268 A CN103780268 A CN 103780268A
- Authority
- CN
- China
- Prior art keywords
- matrix
- row
- formula
- col
- encryption algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于优化稀疏LU分解的LDPC编码算法,与现有技术相比,得到的矩阵L和U具有更好的稀疏性,降低了存储空间和编码算法的复杂度,本发明可以直接获得LU分解后的下三角矩阵L和上三角矩阵U。根据类似E和COL_ORDER(i)的构造方法,可以通过向量row和col构造矩阵W和V。同时,本发明所提的编码算法和优化稀疏的LU分解可以推广到其他LDPC码应用场景。采用紧凑的存储方案,也进一步降低了存储空间,在CMMB标准实际应用中具有较好的前景。
Description
技术领域
本发明涉及一种基于优化稀疏LU分解的LDPC编码算法。
背景技术
LDPC码是一种逼近Shannon极限(0.0045dB)的信道编码,具有极低的错误平台(Error Floor)。CMMB标准中设计的LDPC码校验矩阵十分特殊,编码算法需要针对该校验矩阵进行优化设计。相关学者深入研究了CMMB标准中的LDPC编码算法,其编码算法主要基于LU分解。优化稀疏LU分解可保证编码算法的低复杂度和低存储空间,是CMMB标准中LDPC码编码算法的研究重点。
文献1“江瑶,门爱东.二种CMMB系统中的LDPC编码优化算法[EB/OL].中国科技论文在线,2011”研究了基于LU分解的编码算法和近似下三角编码算法的性能。从资源消耗和编码效率的角度,基于“最小行重中最小列重法”可以获得较为稀疏的矩阵下三角矩阵L和上三角矩阵U。
文献2“张鹏,杨刚,杨霏,刘昌银.基于改进LU分解的CMMB标准中LDPC编码器设计[电视技术,2010,34(4),p.33-35]”提出了一种改进的LU分解算法,将校验矩阵进行初等变换得到一个梯形矩阵,然后对梯形矩阵的下半部分B′进行LU分解。由于B′具有更小的维度,LU分解得到的下三角矩阵L′和上三角矩阵U′中元素″1″数量相对较小,但是,考虑到梯形矩阵的上半部分元素″1″的存储,整体稀疏性不一定是最优的。
文献3“Jia-ning Su,Zhou Jiang,Ke Liu,et al.An Efficient Low ComplexityLDPC Encoder Based on LU Factorization with Pivoting[6th InternationalConference On ASIC,2005,vol.1,p.107-110]”利用列主元Gauss消去法进行LU分解,相对传统LU分解,能够降低下三角矩阵L和上三角矩阵U中元素″1″的个数,但是,该LU分解算法不是最优的。
文献4“Peng Wang,Yongen Chen.Low-complexity Real-time LDPC EncoderDesign for CMMB[International Conference on Intelligent Information Hiding andMultimedia Signal Processing,2008,p.1209-1212]”设计了一种低复杂度实时LDPC编码器,提出采用优化的部分主元LU分解。但是,文献没有给出具体的优化方案,且该方案的稀疏分解并不是最优的。
文献5“Zeng Zhibin.A High-efficieny LDPC Encoder for CMMB withDynamic Programming[4th International Conference on Intelligent ComputationTechnology and Automation,2011,vol.2,p.337-340].”基于动态规划进行LDPC编码器设计,可以获得较为稀疏的矩阵下三角矩阵L和上三角矩阵U,发明者尝试实现文中所提算法,没有得到相应的结果。
文献6“Hang Yin,Weitao Du,Nanhao Zhu.Design of Improved LDPC Encoderfor CMMB Based on SIMD Architecture[IEEE International Conference onInformation Science and Technology,2013,p.123-126]”设计了一种基于SIMD架构的改进LDPC编码器,文中给出了LU分解的结果,但是未说明具体实现的算法。
文献7“Radford M.Neal.Sparse Matrix Methods and Probabilistic InferenceAlgorithms[EB/OL].[2013-11-26]”中采用行重-列重乘积最小化作为优化手段,即在选取交换元时,采用prodi,j=(wri-1)×(wcj-1)作为优化规则,其中,wri和wcj为矩阵中i行j列元素″1″对应的第i行行重和第j列列重。不难发现,采用这种优化规则存在一些问题。例如,假设wri1=wri2=1,i1<i2,wcj1>wcj2,j1<j2,采用此优化规则,i1行j1列的元素″1″被选中作为主元。事实上,由于j2列具有更小的列重,i2行j2列的元素″1″更适合被选中作为主元。
发明内容
本发明的目的在于解决上述现有技术的不足,提出一种基于优化稀疏LU分解的LDPC编码算法,该算法改进了优化准则,进行稀疏LU分解,以进一步降低编码算法的复杂度和存储空间。
为了实现上述目的,本发明所采用的技术方案包括以下步骤:
1)优化稀疏LU分解
步骤1.初始化row[i]=i和col[i]=i,i=0,1,…,M-1;初始化下三角矩阵L=IM×M为单位阵;初始化上三角矩阵U=Hp;初始化n=0,rr=n+1;其中,row和col为分别记录行、列交换操作的向量,维度为M×1;
步骤2.统计上三角矩阵U第n行到第(M-1)行的行重,记录在wr;统计上三角矩阵U第n列到第(M-1)列的列重,记录在wc;其中,wr和wc为分别记录行重、列重的向量,维度为M×1;
步骤3.从上三角矩阵U第n列到第(M-1)列、第n行到第(M-1)行中,根据公式prodi,j=wri×wcj查找行重和列重乘积最小值对应的元素″1″,相应列、行索引记为nc和nr;
步骤5.如果U(rr,n)=1,将上三角矩阵U的第n行加到第rr行,下三角矩阵L的第n行加到第rr行;
步骤6.rr=rr+1,如果rr<M,返回步骤5,否则,进行下一步骤;
步骤7.令n=n+1,如果n<M-1,返回步骤2,否则,算法结束;
2)基于优化稀疏LU分解进行LDPC编码算法。
所述的下三角矩阵L和上三角矩阵U,维度为M×M。
所述的步骤2)中,基于优化稀疏LU分解的LDPC编码算法具体为:
由CMMB标准可知,输出编码是经过比特映射向量进行重排的;假设K表示信息比特长度,N表示信息比特长度,M=N-K表示信息比特长度;输出码字C=(c0,c1,…,cN-1)T,信息比特S=(s0,s1,…,sK-1)T和校验比特P=(p0,p1,…,pN-1-K)T;其中,C、S和P均为列向量,T表示矩阵转置;C、S和P之间由比特映射向量给出,定义如下:
其中,COL_ORDER(i)为比特映射向量;假设对输出码字C按照COL_ORDER(i)进行反映射,得到系统码字Csys=[PT ST]T;输出码字C满足校验方程
H×C=0 (2)
其中,H为校验矩阵;将码字C按照公式(1)和比特映射向量COL_ORDER(i)进行反映射,获得系统码字Csys与C满足的关系
E×C=Csys (3)式(3)中,是置换矩阵,任意一行或者一列仅有一个元素″1″,其他元素均为″0″,且满足E-1=ET,其中,ei(i=0,1,…,N-1)为一单位行向量,第COL_ORDER(i)个元素为1,其他元素均为0;
将公式(3)代入公式(2),得到
H×E-1×Csys=H×ET×Csys=0 (4)
定义He=H×ET为等效校验矩阵,He是校验矩阵H按照比特映射向量COL_ORDER(i)进行列重排的矩阵;进一步定义He=(Hp Hs),其中,Hp对应于校验比特的子矩阵,维度为M×M;Hs对应于信息比特的子矩阵,维度为M×K;因此,公式(4)变为
LDPC编码算法是基于公式(5)右侧的等式进行的,对Hp进行LU分解,得到:
WHpV=LU (6)
式(6)中,W和V是Hp的行、列置换矩阵,通过row和col按照矩阵E的构造方式进行构造,与矩阵E具有相同的特性;L和U为下三角和上三角矩阵;由于W和V均为满秩矩阵,Hp则表示为
Hp=WTLUVT (7)
将公式(7)代入公式(5),编码方程变为
基于公式(8),设计CMMB标准中LDPC编码算法如下:
a)定义矩阵A0=WHs为矩阵Hs的置换矩阵,根据公式(8)计算x0=A0S;
b)定义列向量y0=UVTP,利用前向替换方法求解方程Ly0=x0;
c)定义列向量y1=VTP,利用后向替换方法求解方程Uy1=y0;
d)对方程y1=VTP进行求解,可得P=Vy1,即对向量y1按照置换矩阵V进行置换即可得到校验比特P;
e)至此,得到系统码字Csys=[PT ST]T,再根据公式(3)求解输出码字C=ETCsys,即通过对Csys按照置换关系ET进行置换即得到C。
还包括以下步骤:
3)紧凑的存储方案
根据LDPC编码算法,整个编码过程需要存储的矩阵包括A0、L、U、V和ET;V和ET为置换矩阵,而且满足以下关系
其中,I为单位矩阵;由于V是置换矩阵, 也是一个置换矩阵,且置换矩阵与置换矩阵的乘积仍然是一个置换矩阵,即 也是一个置换矩阵;因此,公式(9)可以表示为
与现有技术相比,本发明具有以下有益效果:
本发明提出的基于优化稀疏LU分解的LDPC编码算法,与现有技术相比,得到的矩阵L和U具有更好的稀疏性,降低了存储空间和编码算法的复杂度,本发明可以直接获得LU分解后的下三角矩阵L和上三角矩阵U。根据类似E和COL_ORDER(i)的构造方法,可以通过向量row和col构造矩阵W和V。同时,本发明所提的编码算法和优化稀疏的LU分解可以推广到其他LDPC码应用场景。
进一步的,本发明采用紧凑的存储方案,也进一步降低了存储空间,在CMMB标准实际应用中具有较好的前景。
附图说明
图1为本发明矩阵HpLU分解得到的矩阵L和U中元素“1”散点图;其中,码率为R=1/2,图1-(a)为矩阵L中元素“1”散点图,图1-(b)为矩阵U中元素“1”散点图;
图2为本发明矩阵HpLU分解得到的矩阵L和U中元素“1”散点图;其中,码率为R=3/4,图2-(a)为矩阵L中元素“1”散点图,图2-(b)为矩阵U中元素“1”散点图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明确,下面结合附图和实施例对本发明进一步详细描述。
本发明分三部分进行描述:基于优化稀疏LU分解的LDPC编码算法、紧凑存储方案和稀疏LU分解算法。
I.基于优化稀疏LU分解的LDPC编码算法
由CMMB标准可知,采用的LDPC码不是系统码,即输出编码是经过比特映射向量进行重排的。假设K表示信息比特长度,N表示信息比特长度,M=N-K表示信息比特长度;输出码字C=(c0,c1,…,cN-1)T,信息比特S=(s0,s1,…,sK-1)T和校验比特P=(p0,p1,…,pN-1-K)T(C、S和P均为列向量,T表示矩阵转置)。C、S和P之间由比特映射向量给出,定义如下:
其中,COL_ORDER(i)为比特映射向量。
进一步假设对输出码字C按照COL_ORDER(i)进行反映射,可以得到系统码字Csys=[PT ST]T,这一点对于简化编译码算法十分重要。
针对CMMB标准中的LDPC编码器,本发明采用基于LU分解的编码算法。输出码字C满足校验方程
H×C=0 (2)
其中,H为校验矩阵。为了简化编码算法,将码字C按照公式(1)和比特映射向量COL_ORDER(i)进行反映射,获得系统码字Csys,与C满足关系
E×C=Csys (3)
式(3)中,是置换矩阵,任意一行或者一列仅有一个元素″1″,其他元素均为″0″,且满足E-1=ET,其中,ei(i=0,1,…,N-1)为一单位行向量,第COL_ORDER(i)个元素为1,其他元素均为0。
将公式(3)代入公式(2),可以得到
H×E-1×Csys=H×ET×Csys=0 (4)
定义He=H×ET为等效校验矩阵,由置换矩阵E的定义可知,He是校验矩阵H按照比特映射向量COL_ORDER(i)进行列重排的矩阵。进一步定义He=(Hp Hs),其中,Hp对应于校验比特的子矩阵,维度为M×M;Hs对应于信息比特的子矩阵,维度为M×K。因此,公式(4)变为
LDPC编码算法正是基于公式(5)右侧的等式进行的。对Hp进行LU分解,可以得到:
WHpV=LU (6)
式(6)中,W和V是Hp的行、列置换矩阵,具有和E相同的特性;L和U为下三角和上三角矩阵。由于W和V均为满秩矩阵,Hp可以表示为
Hp=WTLUVT (7)
将公式(7)代入公式(5),编码方程变为
基于公式(8),设计CMMB标准中LDPC编码算法如下:
1)定义矩阵A0=WHs为矩阵Hs的置换矩阵,根据公式(8)计算x0=A0S;
2)定义列向量y0=UVTP,利用前向替换方法求解方程Ly0=x0;
3)定义列向量y1=VTP,利用后向替换方法求解方程Uy1=y0;
4)对方程y1=VTP进行求解,可得P=Vy1,即对向量y1按照置换矩阵V进行置换即可得到校验比特P;
5)至此,我们得到系统码字Csys=[PT ST]T,再根据公式(3)求解输出码字C=ETCsys,即通过对Csys按照置换关系ET进行置换即可得到C。
II.紧凑的存储方案
根据上述LDPC编码算法,整个编码过程需要存储的矩阵包括A0、L、U、V和ET。考虑到V和ET为置换矩阵,而且满足以下关系
其中,I为单位矩阵;由于V是置换矩阵, 也是一个置换矩阵,且置换矩阵与置换矩阵的乘积仍然是一个置换矩阵,即 也是一个置换矩阵。因此,公式(9)可以表示为
由公式(10)可知,计算输出码字C,不需要构造向量Csys,进一步简化了编码算法。对于置换矩阵可以用一个向量来表示,如同E和COL_ORDER(i)之间的关系。定义Q为置换矩阵T的对应的置换向量,用以代替V和ET进行存储。至此,整个编码过程需要存储的矩阵只包括A0、L、U和Q,降低了所需存储空间。
III.稀疏LU分解算法
本发明采用基于优化准则prodi,j=wri×wcj的一种优化稀疏LU分解算法。该算法中相关变量定义:向量row和col记录行、列交换操作,维度为M×1;向量wr和wc分别记录行重、列重,维度为M×1;下三角矩阵L和上三角矩阵U,维度为M×M。详细分解步骤如下:
步骤1.初始化row[i]=i和col[i]=i,i=0,1,…,M-1;初始化下三角矩阵为单位阵,即L=IM×M,初始化上三角矩阵U=Hp;初始化n=0,rr=n+1。
步骤2.统计矩阵U第n行到第(M-1)行的行重,记录在wr;统计矩阵U第n列到第(M-1)列的列重,记录在wc。
步骤3.从矩阵U第n列到第(M-1)列、第n行到第(M-1)行中,根据公式prodi,j=wri×wcj查找行重和列重乘积最小值对应的元素″1″,相应列、行索引记为nc和nr。
步骤5.如果U(rr,n)=1,将上三角矩阵U的第n行加到第rr行,下三角矩阵L的第n行加到第rr行;
步骤6.rr=rr+1,如果rr<M,返回步骤5,否则,到下一步骤。
步骤7.令n=n+1,如果n<M-1,返回步骤2,否则,算法结束。
根据上述LU分解算法,可以直接获得LU分解后的下三角矩阵L和上三角矩阵U。根据类似E和COL_ORDER(i)的构造方法,可以通过向量row和col构造公式(6)中矩阵W和V。
实施例
表1列举了本发明所提编码算法所需存储的矩阵及其维度。
表1存储的矩阵及向量
与其他算法相比,本发明所提算法需要存储的矩阵由A0、L、U、V和ET变为A0、L、U和Q,降低了存储空间。
图1和图2显示了在Matlab仿真下基于本发明所提算法,码率分别为R=1/2和R=3/4时矩阵Hp进行优化LU分解得到的矩阵L和U中元素“1”散点图。由图可以看出,采用本发明所提优化LU分解,可以有效的保持矩阵L和U的稀疏性,尤其是矩阵U具有极其优异的稀疏性,元素“1”主要集中在对角线和右下角。
表2给出了CMMB标准下本发明所提优化LU分解算法与其他LU分解算法性能的对比,包括传统的列主元Gauss消去法LU分解和文献1、2、4、5、6中LU分解,考核指标为矩阵L和U中元素″1″的个数。
表2矩阵L和U中元素“1”的个数对比
由表2可以清楚的看到,相比Gauss消去法LU分解和文献1、4、6中LU分解,本发明所提LU分解可以更好的保持矩阵L和U的稀疏性。与文献2的结果相比,由于文献2中只对梯形矩阵的下半部分B′进行LU分解,B′具有更小的维度,因此,LU分解得到的L′和U′元素″1″数量相对较小。但是,考虑到梯形矩阵的上半部分非零元素的存储,即使上半部分为对角矩阵,需要额外增加d=2544(当R=1/2时)和d=1776(当R=3/4时)元素″1″的个数,此时,实际元素″1″的个数大于本发明所提的LU分解算法。对于文献5的结果,发明者没有重现出结果,在表2中列出了文献中给出的结果。可以看出,只有在R=1/2时,矩阵L中元素″1″的个数小于本发明所提分解方案,其他情况,R=1/2时的矩阵U和R=3/4时的矩阵L、U的稀疏性均不如本发明所提优化LU分解方案。总体来说,相对其他文献中的算法,本发明所提优化稀疏LU分解得到的L和U具有更好的稀疏性,进一步降低了存储空间和编码算法的复杂度。
Claims (4)
1.一种基于优化稀疏LU分解的LDPC编码算法,其特征在于,包括以下步骤:
1)优化稀疏LU分解
步骤1.初始化row[i]=i和col[i]=i,i=0,1,…,M-1;初始化下三角矩阵L=IM×M勾单位阵;初始化上三角矩阵U=Hp;初始化n=0,rr=n+1;其中,row和col为分别记录行、列交换操作的向量,维度为M×1;
步骤2.统计上三角矩阵U第n行到第(M-1)行的行重,记录在wr;统计上三角矩阵U第n列到第(M-1)列的列重,记录在wc;其中,wr和wc为分别记录行重、列重的向量,维度为M×1;
步骤3.从上三角矩阵U第n列到第(M-1)列、第n行到第(M-1)行中,根据公式prodi,j=wri×wcj查找行重和列重乘积最小值对应的元素″1″,相应列、行索引记为nc和nr;
步骤5.如果U(rr,n)=1,将上三角矩阵U的第n行加到第rr行,下三角矩阵L的第n行加到第rr行;
步骤6.rr=rr+1,如果rr<M,返回步骤5,否则,进行下一步骤;
步骤7.令n=n+1,如果n<M-1,返回步骤2,否则,算法结束;
2)基于优化稀疏LU分解进行LDPC编码算法。
2.根据权利要求1所述的基于优化稀疏LU分解的LDPC编码算法,其特征在于:所述的下三角矩阵L和上三角矩阵U,维度为M×M。
3.根据权利要求1所述的基于优化稀疏LU分解的LDPC编码算法,其特征在于:所述的步骤2)中,基于优化稀疏LU分解的LDPC编码算法具体为:
由CMMB标准可知,输出编码是经过比特映射向量进行重排的;假设K表示信息比特长度,N表示信息比特长度,M=N-K表示信息比特长度;输出码字C=(c0,c1,…,cN-1)T,信息比特S=(s0,s1,…,sK-1)T和校验比特P=(p0,p1,…,pN-1-K)T;其中,C、S和P均为列向量,T表示矩阵转置;C、S和P之间由比特映射向量给出,定义如下:
其中,COL_ORDER(i)为比特映射向量;假设对输出码字C按照COL_ORDER(i)进行反映射,得到系统码字Csys=[PT ST]T;输出码字C满足校验方程
H×C=0 (2)
其中,H为校验矩阵;将码字C按照公式(1)和比特映射向量COL_ORDER(i)进行反映射,获得系统码字Csys与C满足的关系
E×C=Csys (3)
式(3)中,是置换矩阵,任意一行或者一列仅有一个元素″1″,其他元素均为″0″,且满足E-1=ET,其中,ei(i=0,1,…,N-1)为一单位行向量,第COL_ORDER(i)个元素为1,其他元素均为0;
将公式(3)代入公式(2),得到
H×E-1×Csys=H×ET×Csys=0 (4)
定义He=H×ET为等效校验矩阵,He是校验矩阵H按照比特映射向量COL_ORDER(i)进行列重排的矩阵;进一步定义He=(Hp Hs),其中,Hp对应于校验比特的子矩阵,维度为M×M;Hs对应于信息比特的子矩阵,维度为M×K;因此,公式(4)变为
LDPC编码算法是基于公式(5)右侧的等式进行的,对Hp进行LU分解,得到:
WHpV=LU (6)
式(6)中,W和V是Hp的行、列置换矩阵,通过row和col按照矩阵E的构造方式进行构造,与矩阵E具有相同的特性;L和U为下三角和上三角矩阵;由于W和V均为满秩矩阵,Hp则表示为
Hp=WTLUVT (7)
将公式(7)代入公式(5),编码方程变为
基于公式(8),设计CMMB标准中LDPC编码算法如下:
a)定义矩阵A0=WHs为矩阵Hs的置换矩阵,根据公式(8)计算x0=A0S;
b)定义列向量y0=UVTP,利用前向替换方法求解方程Ly0=x0;
c)定义列向量y1=VTP,利用后向替换方法求解方程Uy1=y0;
d)对方程y1=VTP进行求解,可得P=Vy1,即对向量y1按照置换矩阵V进行置换即可得到校验比特P;
e)至此,得到系统码字Csys=[PT ST]T,再根据公式(3)求解输出码字C=ETCsys,即通过对Csys按照置换关系ET进行置换即得到C。
4.根据权利要求3所述的基于优化稀疏LU分解的LDPC编码算法,其特征在于,还包括以下步骤:
3)紧凑的存储方案
根据LDPC编码算法,整个编码过程需要存储的矩阵包括A0、L、U、V知ET;V和ET为置换矩阵,而且满足以下关系
其中,I为单位矩阵;由于V是置换矩阵, 也是一个置换矩阵,且置换矩阵与置换矩阵的乘积仍然是一个置换矩阵,即 也是一个置换矩阵;因此,公式(9)可以表示为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410032270.0A CN103780268A (zh) | 2014-01-23 | 2014-01-23 | 一种基于优化稀疏lu分解的ldpc编码算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410032270.0A CN103780268A (zh) | 2014-01-23 | 2014-01-23 | 一种基于优化稀疏lu分解的ldpc编码算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103780268A true CN103780268A (zh) | 2014-05-07 |
Family
ID=50572172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410032270.0A Pending CN103780268A (zh) | 2014-01-23 | 2014-01-23 | 一种基于优化稀疏lu分解的ldpc编码算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103780268A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162552A (zh) * | 2015-08-10 | 2015-12-16 | 北京科技大学 | 一种q-LDPC-LT级联喷泉码方案的Ka频段深空通信方法及系统 |
CN107370533A (zh) * | 2016-05-12 | 2017-11-21 | 上海贝尔股份有限公司 | 一种用于进行模拟csi反馈的方法、装置和系统 |
CN108270450A (zh) * | 2018-01-19 | 2018-07-10 | 南开大学 | 一种高码率下的规则准循环ldpc码的构造方法 |
CN108365849A (zh) * | 2018-01-10 | 2018-08-03 | 东南大学 | 基于simd指令集的多码率多码长ldpc码解码方法 |
CN115396065A (zh) * | 2022-10-26 | 2022-11-25 | 南京邮电大学 | 一种稀疏随机线性网络编码的低时延解码方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040128607A1 (en) * | 2002-12-31 | 2004-07-01 | Ilan Sutskover | Method and apparatus to encode linear block codes |
CN102739259A (zh) * | 2012-05-28 | 2012-10-17 | 奥维通信股份有限公司 | 一种用于cmmb激励器中的基于fpga的ldpc编码方法 |
-
2014
- 2014-01-23 CN CN201410032270.0A patent/CN103780268A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040128607A1 (en) * | 2002-12-31 | 2004-07-01 | Ilan Sutskover | Method and apparatus to encode linear block codes |
CN102739259A (zh) * | 2012-05-28 | 2012-10-17 | 奥维通信股份有限公司 | 一种用于cmmb激励器中的基于fpga的ldpc编码方法 |
Non-Patent Citations (2)
Title |
---|
刘宴华 等: "CMMB标准中LDPC码编码方法研究", 《通信技术》 * |
张鹏 等: "基于改进LU分解的CMMB标准中LDPC编码器设计", 《电视技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162552A (zh) * | 2015-08-10 | 2015-12-16 | 北京科技大学 | 一种q-LDPC-LT级联喷泉码方案的Ka频段深空通信方法及系统 |
CN105162552B (zh) * | 2015-08-10 | 2018-08-17 | 北京科技大学 | 一种q-LDPC-LT级联喷泉码方案的Ka频段深空通信方法及系统 |
CN107370533A (zh) * | 2016-05-12 | 2017-11-21 | 上海贝尔股份有限公司 | 一种用于进行模拟csi反馈的方法、装置和系统 |
US11115240B2 (en) | 2016-05-12 | 2021-09-07 | Alcatel Lucent | Methods, apparatuses, and systems for performing analog CSI feedback |
CN108365849A (zh) * | 2018-01-10 | 2018-08-03 | 东南大学 | 基于simd指令集的多码率多码长ldpc码解码方法 |
CN108365849B (zh) * | 2018-01-10 | 2021-03-09 | 东南大学 | 基于simd指令集的多码率多码长ldpc码解码方法 |
CN108270450A (zh) * | 2018-01-19 | 2018-07-10 | 南开大学 | 一种高码率下的规则准循环ldpc码的构造方法 |
CN108270450B (zh) * | 2018-01-19 | 2021-05-14 | 南开大学 | 一种高码率下的规则准循环ldpc码的构造方法 |
CN115396065A (zh) * | 2022-10-26 | 2022-11-25 | 南京邮电大学 | 一种稀疏随机线性网络编码的低时延解码方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103780268A (zh) | 一种基于优化稀疏lu分解的ldpc编码算法 | |
CN102035556B (zh) | 对数据进行编码及解码的方法和系统 | |
CN108964669B (zh) | 基于度分解和交替乘子法的ldpc码二次规划译码方法 | |
CN104124980B (zh) | 适合连续变量量子密钥分发的高速秘密协商方法 | |
CN105515590A (zh) | 一种基于随机二进制数据流的有效低复杂度串行抵消列表极化码译码算法及其译码构架 | |
CN109891753A (zh) | 用于编码和译码ldpc码的方法和装置 | |
CN107370490A (zh) | 结构化ldpc的编码、译码方法及装置 | |
CN101777921B (zh) | 用于显式存储片上系统的结构化ldpc码译码方法及装置 | |
CN103067025A (zh) | 基于块行循环的cmmb中ldpc编码器和编码方法 | |
CN102122963A (zh) | 一种dtmb系统中qc-ldpc码的编码器和编码方法 | |
CN102340318A (zh) | 准循环ldpc码的编码方法 | |
CN104317553A (zh) | 一种基于稀疏矩阵技术快速形成及读写电力系统节点导纳矩阵数据的方法 | |
CN109075805A (zh) | 实现极化码的设备和方法 | |
Zhang | Type‐II quasi‐cyclic low‐density parity‐check codes from Sidon sequences | |
CN101917249B (zh) | Qc-ldpc码译码器及其实现方法 | |
CN103023515B (zh) | 基于块列循环的cmmb中ldpc编码器和编码方法 | |
CN101420279B (zh) | 用于移动多媒体广播中的高速ldpc译码器及译码方法 | |
CN102739259A (zh) | 一种用于cmmb激励器中的基于fpga的ldpc编码方法 | |
CN107070590A (zh) | 基于MapReduce的WSN感知数据分布式解码方法 | |
CN104796158A (zh) | 一种针对固定信息长度的ldpc编译码系统平台 | |
CN105227190A (zh) | 一种基于有限域乘群中循环子群的ldpc码的构造方法 | |
CN204906368U (zh) | 一种qc-ldpc编码装置 | |
CN103269228B (zh) | 共享存储机制的cmmb中准循环ldpc串行编码器 | |
Thomas et al. | Infinite generation of non-cocompact lattices on right-angled buildings | |
Nam et al. | Some constructions for fractional repetition codes with locality 2 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140507 |