CN103957015A - 用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 - Google Patents
用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 Download PDFInfo
- Publication number
- CN103957015A CN103957015A CN201410197490.9A CN201410197490A CN103957015A CN 103957015 A CN103957015 A CN 103957015A CN 201410197490 A CN201410197490 A CN 201410197490A CN 103957015 A CN103957015 A CN 103957015A
- Authority
- CN
- China
- Prior art keywords
- message
- decoder
- carry out
- decoding
- iteration
- 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.)
- Granted
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种用于LDPC码解码的非均匀量化编码方法及其在解码器的应用,该方法根据初始消息L(Pi)的信息分布,确定消息L(rji)、L(qij)和L(Qi)的量化范围,并采用编码的方式对L(rji)、L(qij)和L(Qi)进行非均匀量化:将正数与负数部分的量化区间各分为m个段落,编码为由1比特的极性码、k比特的段码和(n-1-k)比特的段内码组成的码字,极性码标示正数或负数,段码标示不同的段落,段内码表示数据在段落内的具体大小;将每个段落分为2g个小段,该小段即为相应段落的量化间隔。该方法减少了硬件存储资源、运算处理单元和布局布线资源的消耗,降低了小值数据的量化误差,提高了解码性能。
Description
技术领域
本发明涉及LDPC码解码技术领域,特别是一种用于LDPC码解码的非均匀量化编码方法及其在解码器的应用。
背景技术
最经典的LDPC码解码算法是置信传播(Belief-propagation,BP)算法,工程上一般采用基于BP算法的简化算法——最小和算法及其各种修正算法。在实际应用中,LDPC码解码器处理的是数字信号,数据的量化和截位是不可避免的处理方式,而量化和截位所带来的误差会直接影响LDPC码的解码性能。另外,LDPC码置信传播算法需要存储大量的中间数据,由于LDPC码的码长很长,即使采用各种优化算法,解码器处理的数据量仍然十分庞大。因此,量化方法和量化位数不仅关系到所需存储器的大小,还决定着运算处理单元的复杂性,以及数据传输通道和资源的占用等。
由于均匀量化的硬件实现最为简单,目前大多数LDPC码解码器都采用均匀量化作为其数据量化的方法,不同的只是在量化位数和小数位数的选择上。均匀量化最主要的缺点在于,不论数据大小,其量化误差是固定不变的,故表示同样数据范围的数值时所需的量化位数比较多。针对这一问题,有些学者提出了动态量化的方法:在前几次迭代过程中采用较小数据范围,使量化精度较高;在后几次迭代过程中,通过一个伸缩因子的处理,在量化位数不变的情况下,降低量化精度来扩大量化范围。这种量化方法在一定程度上减少了量化位数,但其本质仍然是均匀量化,在后几次迭代过程中小值数据的量化误差较大。而且解码过程中数据的扩张速度并不是一成不变的,与信噪比和正确解码的迭代次数有很大的关联,难以准确确定多少次迭代后改变量化范围,更难以确定伸缩因子的取值大小。
发明内容
本发明的目的在于提供一种用于LDPC码解码的非均匀量化编码方法及其在解码器的应用,该方法减少了硬件存储资源、运算处理单元和布局布线资源的消耗,降低了小值数据的量化误差,提高了解码性能。
为实现上述目的,本发明的技术方案是:一种用于LDPC码解码的非均匀量化编码方法,包括以下步骤:
(1) 根据初始消息L(P i )的信息分布,确定消息L(r ji )、L(q ij )和L(Q i )的量化范围,其中L(P i )为信道传递给变量节点i的初始概率似然比消息,L(r ji )为校验节点j传递给变量节点i的外信息,L(q ij )为变量节点i传递给校验节点j的外信息,L(Q i )为硬判决消息;
(2) 采用编码的方式对消息L(r ji )、L(q ij )和L(Q i )进行非均匀量化,方法如下:
将正数部分与负数部分的量化区间各分为m个段落,编码为字长为n比特的码字,包括1比特的极性码、k比特的段码和g=(n-1-k)比特的段内码,极性码用于标示正数部分或负数部分,段码用于标示不同的段落,段内码用于表示数据在段落内的具体大小;将每个段落均匀地分为2 g 个小段,所述小段即为相应段落的量化间隔Δ i ,i=1,2,…,m,则第i段第j小段的终值为a i +jΔ i ,其中a i 为第i段的起始值。
进一步的,在步骤(2)中,将正数部分与负数部分的量化区间各分为4个段落,编码为由1比特的极性码、2比特的段码和g=(n-3)比特的段内码组成的码字;消息L(r ji )、L(q ij )和L(Q i )的量化范围为(-2 p , 2 p ),正数部分各个段落的分段范围分别为(0, 2 p-3-Δ1)、(2 p-3, 2 p-2-Δ2)、(2 p-2, 2 p-1-Δ3)和(2 p-1, 2 p -Δ4),负数部分各个段落的分段范围分别为(0, -2 p-3+Δ1)、(-2 p-3, -2 p-2+Δ2)、(-2 p-2, -2 p-1+Δ3)和(-2 p-1, -2 p +Δ4),对应的量化间隔分别为Δ1=Δ2=2 p-3-n 、Δ3=2 p-2-n 和Δ4=2 p-1-n ,其中p为一整数。
进一步的,上述用于LDPC码解码的非均匀量化编码方法在解码器的一种应用,在TPMP消息传递机制下,解码器按如下步骤进行解码:
步骤A1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(q ij )进行初始化,并写入存储器;
步骤A2:解码器根据式(1)进行水平运算,得到更新后的消息L(r ji ),并写入存储器;
(1)
其中L (l)(r ji )表示第l次迭代校验节点j传递给变量节点i的外信息,a、b为修正因子,R j\i 表示除i外与校验节点j相连的变量节点的集合;
步骤A3:对相应的消息L(r ji )进行解量化操作;
步骤A4:解码器根据式(2)、(3)利用解量化之后的消息L(r ji )进行纵向运算,得到更新后的消息L(q ij )和L(Q i );
(2)
(3)
其中C i\j 表示除j外与变量节点i相连的校验节点的集合;C i 表示与变量节点i相连的校验节点的集合;
步骤A5:对消息L(q ij )进行所述非均匀量化编码,并写入存储器,以进行下一次迭代,采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤A2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数,其中H表示LDPC码的校验矩阵,表示解得的码字,表示该矩阵的转置。
进一步的,上述用于LDPC码解码的非均匀量化编码方法在解码器的另一种应用,在TDMP消息传递机制下,解码器按如下步骤进行解码:
步骤B1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(Q i )、L(r ji )进行初始化,L(Q i )=L(P i ),L(r ji )=0,并写入存储器;
步骤B2:解码器对相应的消息L(Q i )、L(r ji )进行解量化操作,并根据式(4)得到更新后的消息L(q ij ),并对其进行非均匀量化编码;
(4)
步骤B3:解码器根据式(5)得到更新后的消息L(r ji ),并写入存储器;
(5)
步骤B4:解码器对相应的消息L(q ij )、L(r ji )进行解量化操作,并根据式(6)得到更新后的消息L(Q i ),对其进行非均匀量化编码,并写入存储器;
(6)
步骤B5:采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤B2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数。
本发明的有益效果是克服了传统量化方法占用量化位数多,消耗硬件资源大,量化误差大,解码性能低的缺点,针对不同区域数据采用不同的量化精度,有效减小了数据的平均量化位数,在相同解码性能的情况下,每个数据比均匀量化减少了3-4bit的量化位数,且解码运算全部采用整数运算,从而减少了硬件存储资源、运算处理单元和布局布线资源的消耗,降低了小值数据的量化误差,提高了小值数据的量化精度,使其在相同量化位数下的解码性能大幅提高。
附图说明
图1是本发明中非均匀量化编码方法的码字结构图
图2是本发明中应用非均匀量化编码方法的LDPC解码器在TPMP消息传递机制下的解码流程图。
图3是本发明实施例中初始消息的概率密度图。
图4是本发明实施例中各次迭代中最小值和次小值的数据分布图。
图5是本发明实施例中不同量化方法的误码率曲线图。
具体实施方式
本发明用于LDPC码解码的非均匀量化编码方法,包括以下步骤:
(1) 根据初始消息L(P i )的信息分布,确定消息L(r ji )、L(q ij )和L(Q i )的量化范围,其中L(P i )为信道传递给变量节点i的初始概率似然比消息,L(r ji )为校验节点j传递给变量节点i的外信息,L(q ij )为变量节点i传递给校验节点j的外信息,L(Q i )为硬判决消息。具体为:统计初始消息L(P i )的信息分布,确保90%左右的L(P i )数据在(-2 p , 2 p )范围内,则消息L(r ji )、L(q ij )和L(Q i )的量化范围取(-2 p , 2 p ),p为整数。
(2) 采用编码的方式对消息L(r ji )、L(q ij )和L(Q i )进行非均匀量化,方法如下:
将正数部分与负数部分的量化区间各分为m个段落,小值数据的量化区间采用较高的量化精度,大值数据的量化区间采用较低的量化精度,编码为字长为n比特的码字,包括1比特的极性码、k比特的段码和g=(n-1-k)比特的段内码,极性码用于标示正数部分或负数部分,段码用于标示不同的段落,段内码用于表示数据在段落内的具体大小;将每个段落均匀地分为2 g 个小段,所述小段即为相应段落的量化间隔Δ i ,i=1,2,…,m,则第i段第j小段的终值为a i +jΔ i ,其中a i 为第i段的起始值。
在本发明较佳实施例中,将正数部分与负数部分的量化区间各分为4个段落,编码为字长为n比特的码字,码字结构如图1所示,包括1比特的极性码、2比特的段码和g=(n-3)比特的段内码,极性码“0”表示正数,“1”表示负数,段码“00”、“01”、“10”、“11”分别表示各个段落;消息L(r ji )、L(q ij )和L(Q i )的量化范围为(-2 p , 2 p ),正数部分各个段落的分段范围分别为(0, 2 p-3-Δ1)、(2 p-3, 2 p-2-Δ2)、(2 p-2, 2 p-1-Δ3)和(2 p-1, 2 p -Δ4),对应的量化间隔分别为Δ1=Δ2=2 p-3-n 、Δ3=2 p-2-n 和Δ4=2 p-1-n ,负数部分各个段落的分段范围分别为(0, -2 p-3+Δ1)、(-2 p-3, -2 p-2+Δ2)、(-2 p-2, -2 p-1+Δ3)和(-2 p-1, -2 p +Δ4),对应的量化间隔分别为Δ1=Δ2=2 p-3-n 、Δ3=2 p-2-n 和Δ4=2 p-1-n 。段内码的位数越多,数据整体的量化精度越高。正数部分非均匀量化的分段方法及各段的量化间隔如表1所示,由于数据分布正数部分与负数部分对称,表1只给出正数部分的量化方法,负数部分与之类似。从表中可以看出,该量化方法中每段的量化间隔均为最小量化间隔Δmin的整数倍,这样只要在量化前对所有数据、量化精度、量化范围同时放大1/Δmin倍,即可实现解码运算均采用整数运算,简化硬件实现。
上述用于LDPC码解码的非均匀量化编码方法在解码器的一种应用,如图2所示,在TPMP消息传递机制下,解码器按如下步骤进行解码:
步骤A1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(q ij )进行初始化,并写入存储器。
步骤A2:由于本发明的量化方法可以直接进行比较、异或等运算,故最小和算法的水平运算无需进行解量化操作。解码器根据式(1)进行水平运算,得到更新后的消息L(r ji ),并写入存储器;
(1)
其中L (l)(r ji )表示第l次迭代校验节点j传递给变量节点i的外信息,a、b为修正因子,R j\i 表示除i外与校验节点j相连的变量节点的集合;
步骤A3:从式(2)看出纵向运算是纯加法运算,但由于本发明的量化方法不能直接进行加法运算,故需对相应的消息L(r ji )进行解量化操作;解码器对相应的消息L(r ji )进行解量化操作;
步骤A4:解码器根据式(2)、(3)利用解量化之后的消息L(r ji )进行纵向运算,得到更新后的消息L(q ij )和L(Q i );
(2)
(3)
其中C i\j 表示除j外与变量节点i相连的校验节点的集合;C i 表示与变量节点i相连的校验节点的集合;
步骤A5:对消息L(q ij )进行所述非均匀量化编码,并写入存储器,以进行下一次迭代,采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤A2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数,其中H表示LDPC码的校验矩阵,表示解得的码字,表示该矩阵的转置。
上述用于LDPC码解码的非均匀量化编码方法在解码器的另一种应用,在TDMP消息传递机制下,解码器按如下步骤进行解码:
步骤B1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(Q i )、L(r ji )进行初始化,L(Q i )=L(P i ),L(r ji )=0,并写入存储器;
步骤B2:解码器对相应的消息L(Q i )、L(r ji )进行解量化操作,并根据式(4)得到更新后的消息L(q ij ),并对其进行非均匀量化编码;
(4)
步骤B3:解码器根据式(5)得到更新后的消息L(r ji ),并写入存储器;
(5)
步骤B4:解码器对相应的消息L(q ij )、L(r ji )进行解量化操作,并根据式(6)得到更新后的消息L(Q i ),对其进行非均匀量化编码,并写入存储器;
(6)
步骤B5:采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤B2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数。
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明的量化方法适用于LDPC码的最小和算法及修正最小和算法,且适用于TPMP及TDMP消息传递机制。在TPMP消息传递机制下的解码算法步骤如下:
(1)初始化。计算信道传递给变量节点i的初始概率似然比消息L(P i ),并初始化变量节点i传递给校验节点j的外信息L(q ij )。
(1-1)
(2)迭代处理。
计算校验节点j传递给变量节点i的外信息L(r ji ):
(1-2)
其中a、b为修正因子,根据不同的修正最小和算法得到,在最小和算法中,a取1,b取0;l表示迭代次数;R j\i 表示除i外与校验节点相连的变量节点的集合。
计算变量节点i传递给校验节点j的外信息L(q ij ):
(1-3)
对所有变量节点i计算硬判决消息:
(1-4)
则码字为:
(1-5)
(3)停止。停止条件为或迭代次数达到最大迭代次数。若满足停止条件,则迭代计算结束,解码完成,否则继续迭代。
本发明的非均匀量化编码方法的原理如下所述:
LDPC解码各次迭代过程中消息L(r ji )、L(q ij )和L(Q i )的数据分布特征是:开始迭代时,3个节点消息的数据数值主要分布在[-2,2],随着迭代次数的增加,数据分布范围逐渐扩大。变量L(r ji )的主要分布范围扩展到[-8,8],而变量L(q ij )和L(Q i )的主要分布范围则扩展到[-50,50]。若采用均匀量化方式,并按传统的数据截位原则(即所截取的数据范围应包含大部分的数据),在量化精度为2-4时,L(r ji )所需的量化位数应为w+2,而L(q ij )和L(Q i )所需的量化位数应为w+5,其中w为初始消息的量化位宽。
但由于最小和解码算法及其修正算法的特殊性:LDPC解码的水平运算主要是比较每行中相应的L(q ij )值,最后取的是其中的最小值和次小值,由此看出小值数据对解码起到关键作用,而L(q ij )中较大的数据对水平运算的结果没有影响,故可将量化范围缩小。且在前几次迭代过程中,所需的最小值和次小值集中分布在很小的数据范围内,且小值数据居多;之后几次迭代数据范围扩展较慢;直到解码的最后几次迭代,数据才迅速扩展。故小值数据对解码起到关键的作用,应提高小值数据的量化精度。
再者,LDPC解码的垂直运算和硬判决消息主要是将每列中相应的L(r ji )值相加,并加上相应的初始消息。结合码字判决式(1-5),若与初始消息L(P i )符号相反,那么只要的绝对值大于初始消息L(P i )的绝对值,就能引起码字的翻转,从而正确纠正误码。因此节点消息的量化范围还可以进一步缩小,只需与初始化消息的范围相同或略大一些即可。
以下采用地面数字多媒体广播DTMB标准中的LDPC(7493,3048)码来进行仿真分析,具体说明本发明的实施方式。本实施例中采用的解码方法是最小和解码算法,并采用TPMP消息传递机制。LDPC解码的仿真参数为:高斯白噪声信道,BPSK调制,帧数为200帧,解码最大迭代次数为20次。
(1)首先分析初始化消息,确定量化范围。解码的初始化消息是信道传递给变量节点i的初始概率似然比消息,在AWGN信道,LDPC码接收端收到的信号为
(1-6)
其中x i 为码字所映射的符号,BPSK调制条件下,码字“1”映射为“-1”,码字“0”映射为“+1”。n i 为加性高斯白噪声,是统计独立同分布的高斯随机变量。在信源等概率分布时,对数域BP算法的初始化消息为:
(1-7)
对AWGN信道而言,初始消息中的因子对最小和算法及其修正算法没有影响,可以忽略,故其初始消息为:
(1-8)
初始消息的概率密度图如图3所示,其数据分布是两个高斯分布等重量的叠加,其均值分别为μ=1,-1,方差均为。设信号功率为1,根据信噪比SNR的定义,有
(1-9)
另外,根据信噪比与比特信噪比的关系,有:
(1-10)
其中R是编码码率,E b 是比特能量,N 0/2是噪声功率谱密度。根据式(1-9)、(1-10)可以算出:
(1-11)
设数据的量化范围为,根据式(1-11)及初始消息的概率密度分布,可得数据在量化范围内的概率为:
(1-12)
其中,。根据式(1-12)及标准正态分布表,可算出不同信噪比条件下,数据在量化范围内的概率。本实施例中将初始消息的量化范围取为[-2,2],根据式(1-12)可计算出在信噪比为3dB时,可以保证90%数据处于量化范围内,即p取1。
(2)分析各次迭代过程中消息L(r ji )、L(q ij )和L(Q i )数据分布特征,此为本发明中量化方法所依据的原理。
解码过程中的节点消息包括变量节点消息L(r ji )、校验节点消息L(q ij )和硬判决消息L(Q i ),其中L(r ji )的符号和绝对值分开计算,故只需对其绝对值进行分析。当信噪比为2.2dB时,开始迭代时,3个节点消息的数据主要分布在数值较小的范围,随着迭代次数的增加,数据分布范围逐渐扩大。变量L1的主要数据分布范围扩展到[0,8]范围内,而变量L(q ij )和L(Q i )的数据范围则扩展到[-50,50]范围内。
从式(1-2)可以看出,LDPC解码的水平运算主要是比较每行中相应的L(q ij )值,输出的是L(q ij )的最小值和次小值,因此L(q ij )中较大的数据对水平运算结果没有影响。每次迭代过程中,最小值和次小值的数据分布直方图如图4所示。从图中可以看出,在前几次迭代过程中,集中分布在[0,1]的范围内,之后才逐渐扩展到[0,2]的范围内,且对解码起到关键作用的小值数据居多。直到解码的最后几次迭代,才使数据迅速扩展到[0,10]的范围内。也就是说,整个解码过程中,L(q ij )中大于10的数值对运算基本没影响,故可以将量化范围从原来的[-50,50]缩小到[-8,8]。
再者,由式(1-3)和(1-4)可以看出,LDPC解码的垂直运算和硬判决消息的计算主要是将每列中相应的L(r ji )值相加,并加上相应的初始消息。结合码字判决式(1-5),若与初始消息L(P i )符号相反,那么只要的绝对值大于初始消息L(P i )的绝对值,就能引起码字的翻转。故节点消息的量化范围还可以进一步缩小,只需与初始化消息的范围相同或略大一些即可。故本实施例中将节点消息的量化范围设为[-2,2]。
(3)对消息L(r ji )、L(q ij )和L(Q i )进行非均匀量化
由于消息中小值数据对LDPC码的解码影响较大,故本发明采用非均匀量化的方法,根据解码算法的特殊性及数据的分布情况对消息分段量化,不同量化区间的量化精度不同。小值数据时采用较高的量化精度,大值数据采用较低的量化精度。由于数据分布正数部分与负数部分对称,这里只给出正数部分的量化方法,负数部分与之类似。
该量化方法采用编码的方式实现,码字结构如图1所示。编码码字长为n-bit,由1bit的极性码,2bit的段码及g=(n-3)bit的段内码组成。极性码“0”表示正数,“1”表示负数。段码用来标示不同的段落,本实例将正数部分和负数部分的量化区间各分为4段,用2bit来表示。每个段落又被均匀地分成2 g 小段,该小段即为该段的量化间隔Δ i (i=1,2,3,4)。段内码则表示数据在该段内的具体大小。那么第i段,第j个小段的终值为a i +jΔ i ,其中a i 为第i段的起始值。按照表1的量化分段方法,我们给出6-bit量化的方法如表2所示,同理可得出其他bit的量化方法。6-bit量化的极性码1bit,段码2bit,段内码3bit。正数部分第1段范围(0, 0.21875),第2段范围(0.25, 0.46875),量化精度都为2-5;第3段范围(0.5,0.9375),量化精度为2-4;第4段范围(1,1.875),量化精度为2-3。按此量化方法,则码字“001101”表示的值为0.43750。
从表中可以看出,该量化方法中每段的量化间隔均为最小量化间隔Δmin=2-5的整数倍,这样只要在量化前对所有数据、量化精度、量化范围同时放大1/Δmin倍,即可实现解码运算均采用整数运算,简化硬件实现。
(4)本实施例中采用的非均匀量化的LDPC解码器解码流程图如图2所示。
1)解码器首先根据从信道接收到的消息计算出初始消息L(P i ),经过非均匀量化编码对L(q ij )进行初始化,并写入存储器中。
2)由于采用的量化编码方法可以直接进行比较、异或等运算,故最小和算法的水平运算无需进行解量化操作。解码器根据式(1-2)进行水平运算,得到更新后的L(r ji ),并写入存储器。
3)从式(1-3)看出纵向运算是纯加法运算,但由于采用的量化编码方法不能直接进行加法运算,故需对相应的消息L(r ji )进行解量化操作。
4)解码器根据式(1-3)利用解量化之后的L(r ji )进行纵向运算,得到更新后的L(q ij )和L(Q i )。对L(q ij )进行非均匀量化编码,并写入存储器中,可进行下一次的迭代计算。L(Q i )用于硬判决得到码字,并判断是否满足迭代停止条件,若不满足条件则回到步骤(2)继续迭代;若满足条件则解码停止,解码器输出码字。
(5)仿真结果
本实施例中比较了相同位数下(6bit, 7bit和8bit)的均匀量化方法、本发明所提出的非均匀量化方法及双精度浮点数运算方法下的LDPC解码性能,如图5所示。从图中可以看出,在量化位数为8bit时,本发明的量化方法的性能比均匀量化方法的提高了0.1dB;在量化位数为7bit时,本发明的量化方法的性能提高了0.4dB;在量化位数为6bit时,本发明的量化方法的优势十分明显,性能提高了近1dB。而与双精度浮点数运算方法相比,本发明的量化方法在6bit量化时,其性能损失只有0.05-0.1dB;在7bit和8bit量化时,其性能与浮点数运算的不相上下。结合解码性能的损失与硬件资源的消耗考虑,采用本发明的量化方法,只需6bit的量化位数就可达到所需的性能,比均匀量化方法节约了3-4bit的量化位数。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种用于LDPC码解码的非均匀量化编码方法,其特征在于,包括以下步骤:
(1) 根据初始消息L(P i )的信息分布,确定消息L(r ji )、L(q ij )和L(Q i )的量化范围,其中L(P i )为信道传递给变量节点i的初始概率似然比消息,L(r ji )为校验节点j传递给变量节点i的外信息,L(q ij )为变量节点i传递给校验节点j的外信息,L(Q i )为硬判决消息;
(2) 采用编码的方式对消息L(r ji )、L(q ij )和L(Q i )进行非均匀量化,方法如下:
将正数部分与负数部分的量化区间各分为m个段落,编码为字长为n比特的码字,包括1比特的极性码、k比特的段码和g=(n-1-k)比特的段内码,极性码用于标示正数部分或负数部分,段码用于标示不同的段落,段内码用于表示数据在段落内的具体大小;将每个段落均匀地分为2 g 个小段,所述小段即为相应段落的量化间隔Δ i ,i=1,2,…,m,则第i段第j小段的终值为a i +jΔ i ,其中a i 为第i段的起始值。
2.根据权利要求1所述的用于LDPC码解码的非均匀量化编码方法,其特征在于,在步骤(2)中,将正数部分与负数部分的量化区间各分为4个段落,编码为由1比特的极性码、2比特的段码和g=(n-3)比特的段内码组成的码字;消息L(r ji )、L(q ij )和L(Q i )的量化范围为(-2 p , 2 p ),正数部分各个段落的分段范围分别为(0, 2 p-3-Δ1)、(2 p-3, 2 p-2-Δ2)、(2 p-2, 2 p-1-Δ3)和(2 p-1, 2 p -Δ4),负数部分各个段落的分段范围分别为(0, -2 p-3+Δ1)、(-2 p-3, -2 p-2+Δ2)、(-2 p-2, -2 p-1+Δ3)和(-2 p-1, -2 p +Δ4),对应的量化间隔分别为Δ1=Δ2=2 p-3-n 、Δ3=2 p-2-n 和Δ4=2 p-1-n ,其中p为一整数。
3.根据权利要求1或2所述的用于LDPC码解码的非均匀量化编码方法在解码器的应用,其特征在于,在TPMP消息传递机制下,解码器按如下步骤进行解码:
步骤A1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(q ij )进行初始化,并写入存储器;
步骤A2:解码器根据式(1)进行水平运算,得到更新后的消息L(r ji ),并写入存储器;
(1)
其中L (l)(r ji )表示第l次迭代校验节点j传递给变量节点i的外信息,a、b为修正因子,R j\i 表示除i外与校验节点j相连的变量节点的集合;
步骤A3:对相应的消息L(r ji )进行解量化操作;
步骤A4:解码器根据式(2)、(3)利用解量化之后的消息L(r ji )进行纵向运算,得到更新后的消息L(q ij )和L(Q i );
(2)
(3)
其中C i\j 表示除j外与变量节点i相连的校验节点的集合;C i 表示与变量节点i相连的校验节点的集合;
步骤A5:对消息L(q ij )进行所述非均匀量化编码,并写入存储器,以进行下一次迭代,采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤A2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数,其中H表示LDPC码的校验矩阵,表示解得的码字,表示该矩阵的转置。
4.根据权利要求1或2所述的用于LDPC码解码的非均匀量化编码方法在解码器的应用,其特征在于,在TDMP消息传递机制下,解码器按如下步骤进行解码:
步骤B1:解码器首先根据从信道接收到的消息计算出初始消息L(P i ),采用所述非均匀量化编码对消息L(Q i )、L(r ji )进行初始化,L(Q i )=L(P i ),L(r ji )=0,并写入存储器;
步骤B2:解码器对相应的消息L(Q i )、L(r ji )进行解量化操作,并根据式(4)得到更新后的消息L(q ij ),并对其进行非均匀量化编码;
(4)
步骤B3:解码器根据式(5)得到更新后的消息L(r ji ),并写入存储器;
(5)
步骤B4:解码器对相应的消息L(q ij )、L(r ji )进行解量化操作,并根据式(6)得到更新后的消息L(Q i ),对其进行非均匀量化编码,并写入存储器;
(6)
步骤B5:采用消息L(Q i )进行硬判决得到码字,并判断是否满足迭代停止条件,若满足则迭代结束,解码完成,解码器输出码字,否则返回步骤B2继续迭代;所述迭代停止条件为或迭代次数达到最大迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197490.9A CN103957015B (zh) | 2014-05-12 | 2014-05-12 | 用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197490.9A CN103957015B (zh) | 2014-05-12 | 2014-05-12 | 用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103957015A true CN103957015A (zh) | 2014-07-30 |
CN103957015B CN103957015B (zh) | 2017-02-01 |
Family
ID=51334256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410197490.9A Expired - Fee Related CN103957015B (zh) | 2014-05-12 | 2014-05-12 | 用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103957015B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105680881A (zh) * | 2016-01-08 | 2016-06-15 | 广西大学 | Ldpc译码方法及译码器 |
CN105978578A (zh) * | 2016-04-29 | 2016-09-28 | 清华大学 | 低密度奇偶校验码和积译码运算数值的非均匀量化方法 |
WO2017092693A1 (en) * | 2015-12-01 | 2017-06-08 | Huawei Technologies Co., Ltd. | Signature-enabled polar encoder and decoder |
CN107204780A (zh) * | 2017-04-25 | 2017-09-26 | 东南大学 | polar‑LDPC级联码的合并BP解码算法及装置 |
CN107852176A (zh) * | 2015-01-14 | 2018-03-27 | 北京航空航天大学 | Ldpc码编码器和译码器 |
CN108055044A (zh) * | 2018-01-19 | 2018-05-18 | 中国计量大学 | 一种基于ldpc码和极化码的级联系统 |
CN108092673A (zh) * | 2018-02-10 | 2018-05-29 | 中国传媒大学 | 一种基于动态调度的bp迭代译码方法及系统 |
CN108418588A (zh) * | 2018-01-17 | 2018-08-17 | 中国计量大学 | 低延迟极化码sms译码器设计 |
CN108768593A (zh) * | 2018-06-12 | 2018-11-06 | 中国地质大学(武汉) | 一种基于dmt调制的qc-ldpc码编、解码方法与系统 |
CN109412758A (zh) * | 2018-01-01 | 2019-03-01 | 成都理工大学 | 一种差错控制的信道编码方法 |
CN109491829A (zh) * | 2018-10-19 | 2019-03-19 | 福州大学 | 基于自适应原模图ldpc码的nand闪存控制系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091565A1 (en) * | 2003-10-27 | 2005-04-28 | Mustafa Eroz | Method and apparatus for providing reduced memory low density parity check (LDPC) codes |
CN1852029A (zh) * | 2006-05-26 | 2006-10-25 | 清华大学 | 采用可变范围均匀量化的低密度奇偶校验码译码方法 |
-
2014
- 2014-05-12 CN CN201410197490.9A patent/CN103957015B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050091565A1 (en) * | 2003-10-27 | 2005-04-28 | Mustafa Eroz | Method and apparatus for providing reduced memory low density parity check (LDPC) codes |
CN1852029A (zh) * | 2006-05-26 | 2006-10-25 | 清华大学 | 采用可变范围均匀量化的低密度奇偶校验码译码方法 |
Non-Patent Citations (1)
Title |
---|
梁伟 等: "采用动态量化的低存储空间LDPC译码研究", 《计算机工程与应用》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107852176A (zh) * | 2015-01-14 | 2018-03-27 | 北京航空航天大学 | Ldpc码编码器和译码器 |
WO2017092693A1 (en) * | 2015-12-01 | 2017-06-08 | Huawei Technologies Co., Ltd. | Signature-enabled polar encoder and decoder |
US11438011B2 (en) | 2015-12-01 | 2022-09-06 | Huawei Technologies Co., Ltd. | Signature-enabled polar encoder and decoder |
US10680651B2 (en) | 2015-12-01 | 2020-06-09 | Huawei Technologies Co., Ltd. | Signature-enabled polar encoder and decoder |
US10581462B2 (en) | 2015-12-01 | 2020-03-03 | Huawei Technologies Co., Ltd. | Signature-enabled polar encoder and decoder |
CN105680881A (zh) * | 2016-01-08 | 2016-06-15 | 广西大学 | Ldpc译码方法及译码器 |
CN105978578B (zh) * | 2016-04-29 | 2019-03-29 | 清华大学 | 低密度奇偶校验码和积译码运算数值的非均匀量化方法 |
CN105978578A (zh) * | 2016-04-29 | 2016-09-28 | 清华大学 | 低密度奇偶校验码和积译码运算数值的非均匀量化方法 |
CN107204780B (zh) * | 2017-04-25 | 2020-02-07 | 东南大学 | polar-LDPC级联码的合并BP解码算法及装置 |
CN107204780A (zh) * | 2017-04-25 | 2017-09-26 | 东南大学 | polar‑LDPC级联码的合并BP解码算法及装置 |
CN109412758A (zh) * | 2018-01-01 | 2019-03-01 | 成都理工大学 | 一种差错控制的信道编码方法 |
CN108418588A (zh) * | 2018-01-17 | 2018-08-17 | 中国计量大学 | 低延迟极化码sms译码器设计 |
CN108418588B (zh) * | 2018-01-17 | 2022-02-11 | 中国计量大学 | 低延迟极化码译码器 |
CN108055044A (zh) * | 2018-01-19 | 2018-05-18 | 中国计量大学 | 一种基于ldpc码和极化码的级联系统 |
CN108092673A (zh) * | 2018-02-10 | 2018-05-29 | 中国传媒大学 | 一种基于动态调度的bp迭代译码方法及系统 |
CN108092673B (zh) * | 2018-02-10 | 2021-04-16 | 中国传媒大学 | 一种基于动态调度的bp迭代译码方法及系统 |
CN108768593A (zh) * | 2018-06-12 | 2018-11-06 | 中国地质大学(武汉) | 一种基于dmt调制的qc-ldpc码编、解码方法与系统 |
CN108768593B (zh) * | 2018-06-12 | 2020-07-07 | 中国地质大学(武汉) | 一种基于dmt调制的qc-ldpc码编、解码方法与系统 |
CN109491829A (zh) * | 2018-10-19 | 2019-03-19 | 福州大学 | 基于自适应原模图ldpc码的nand闪存控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103957015B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103957015A (zh) | 用于ldpc码解码的非均匀量化编码方法及其在解码器的应用 | |
CN102545913B (zh) | 一种迭代译码方法及系统 | |
CN103208995B (zh) | 一种低密度奇偶校验码译码的提前终止方法 | |
KR101718543B1 (ko) | 개선된 비트 반전 알고리즘 기반의 저밀도 패리티 검사 부호를 위한 복호 방법, 장치 및 이를 위한 기록 매체 | |
CN107612560B (zh) | 基于部分信息比特似然比的极化码早期迭代停止方法 | |
CN101534166A (zh) | 准循环低密度奇偶校验码解码器及解码方法 | |
CN107204780B (zh) | polar-LDPC级联码的合并BP解码算法及装置 | |
CN106998208B (zh) | 一种可变长Polar码的码字构造方法 | |
CN111211790A (zh) | 一种面向5g终端的高吞吐率ldpc译码算法及架构 | |
US11777533B2 (en) | Method for polar decoding with dynamic successive cancellation list size and polar decoder | |
Deng et al. | Reduced-complexity deep neural network-aided channel code decoder: A case study for BCH decoder | |
CN100539441C (zh) | 一种低密度奇偶校验码的译码方法 | |
US9231619B2 (en) | LDPC decoder with a variable node updater which uses a scaling constant | |
CN101577607A (zh) | 可提前结束迭代的归一化最小和译码方法 | |
CN101350695B (zh) | 低密度奇偶校验码译码方法及系统 | |
CN106169935A (zh) | 以可靠度为导向的低密度奇偶校验码信度传播译码方法 | |
CN103138769B (zh) | 一种具有不等错误保护的编码方法 | |
CN103905064A (zh) | 一种ldpc译码器的量化方法 | |
CN101789795B (zh) | 基于多码率原模图ldpc码的编码方法及编码器 | |
CN101854179B (zh) | 一种应用于ldpc译码的5比特量化方法 | |
WO2021135426A1 (zh) | 译码方法、译码器和译码装置 | |
Kavvousanos et al. | Optimizing deep learning decoders for FPGA implementation | |
CN104242956A (zh) | 基于随机计算的高性能低复杂度ldpc译码器 | |
WO2020139234A1 (en) | Performance enhancement of polar codes for short frame lengths considering error propagation effects | |
RU2811072C1 (ru) | Способ декодирования, декодер и устройство декодирования |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170201 Termination date: 20190512 |