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

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(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，并采用编码的方式对L(r_ji)、L(q_ij)和L(Q_i)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2^g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

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

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Δ_min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/Δ_min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Δ_min=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/Δ_min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。