CN105024705B - 一种低复杂度的多元ldpc码译码方法及译码器 - Google Patents

Abstract

本发明公开了一种低复杂度的多元LDPC码译码方法，包括步骤：一、初始化；二、信号检测；三、判断循环次数是否达到了预设的最大循环次数，未达到时，执行四，否则，执行五；四、译码停止模块计算最可能估计符号序列的校验和，校验和为全零向量时，执行五，否则，执行六；五、译码结果输出；六、变量节点进行传送给校验节点的信息更新；七、校验节点进行信息更新；八、变量节点进行传送给检测节点的信息更新；九、检测节点进行信息更新；本发明还公开了一种低复杂度的多元LDPC码译码器。本发明的方法步骤简单，能够满足高速高效的要求，能够取得更好的译码性能和更宽泛的适用条件，实用性强，使用效果好，便于推广使用。

Description

一种低复杂度的多元LDPC码译码方法及译码器

技术领域

本发明属于通信技术领域，具体涉及一种低复杂度的多元LDPC码译码方法及译码器。

背景技术

随着上世纪末稀疏图码以及迭代译码算法的兴起，低密度校验码(LDPC码)得到了广泛的研究和应用。同时，基于高阶有限域GF(q)(q＞2)的多元LDPC码凭借其相对二元LDPC码在中短码长的性能优势，尤其与高阶调制相结合时的优异性能也引起了学术界的广泛研究。然而多元LDPC码相对较高的译码复杂度削弱了它在性能上所具有的优势。

为了降低译码算法复杂度，Davey等提出了基于快速傅里叶变换(FFT)的QSPA(FFT-QSPA)算法，降低了原始QSPA算法的复杂度。后来，Declercq和Fossorier提出了一种扩展最小和(EMS)算法，进一步降低了译码复杂度。随后人们提出的基于网格图的EMS(T-EMS)算法和一种简化的最小和算法(SMSA)也在不同程度上降低了多元码的译码复杂度。但是这些软判决的译码算法在对多元码，尤其是对当q很大的多元码进行译码时，其复杂度对于实用的多元LDPC编码调制系统还是太高，以致难以实现。

基于可靠度量的译码算法是另一类有效的多元码的译码算法，这类算法在性能与译码复杂度之间取得了很好的折中，但是大部分基于可靠度量的译码算法只应用于二阶调制，对于多元LDPC编码调制系统并不适用。针对多元LDPC编码调制系统，王雪鹏和白宝明提出了基于可靠度量的联合迭代检测-译码(IJDD)算法，该算法虽然具有极低的复杂度，但相对QSPA算法损失了一定的性能，而且该算法只适用于高列重的多元码，对列重较低的多元码译码并不合适。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种方法步骤简单、实现方便、能够满足高速高效的要求、能够取得更好的译码性能和更宽泛的适用条件的低复杂度的多元LDPC码译码方法。

为解决上述技术问题，本发明采用的技术方案是：一种低复杂度的多元LDPC码译码方法，其特征在于该方法包括以下步骤：

步骤一、初始化循环次数为0；

步骤二、信号检测：信号检测模块对接收序列y按照最大似然判决准则进行硬判决，得到与接收序列y相对应的发送序列x的最可能估计序列和次可能估计序列并计算接收序列y的可靠度量△d；然后，对最可能估计序列进行解映射得到最可能估计符号序列z₁，对次可能估计序列进行解映射得到次可能估计符号序列z₂；最后，将接收序列y的可靠度量△d、最可能估计符号序列z₁和次可能估计符号序列z₂传送给变量节点，并将最可能估计符号序列z₁传送给译码停止模块；

步骤三、判断循环次数是否达到了预设的最大循环次数，当循环次数未达到预设的最大循环次数时，执行步骤四，否则，执行步骤五；

步骤四、校验输出：译码停止模块计算最可能估计符号序列z₁的校验和，当校验和为全零向量时，执行步骤五，否则，执行步骤六；

步骤五、将译码结果中的信息位输出并结束译码循环；

步骤六、变量节点进行传送给校验节点的信息更新：变量节点信息更新模块根据变量节点接收到的接收序列y的可靠度量△d，选出与每个校验节点相连的可靠度量最小的变量节点，该变量节点给与其相连的校验节点传送最可能估计符号序列z₁和次可能估计符号序列z₂，除该变量节点外的其他变量节点只给与其相连的校验节点传送最可能估计符号序列z₁；

步骤七、校验节点进行信息更新：校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

步骤八、变量节点进行传送给检测节点的信息更新，具体过程为：

步骤801、变量节点信息更新模块根据接收的外信息作为该变量节点符号的投票，进行票数统计，并根据票数计算每个变量节点符号分别等于q个元素的概率向量其中，q为有限域的大小；

步骤802、变量节点信息更新模块计算出每个变量节点符号的累积概率向量p；

步骤803、变量节点信息更新模块根据每个变量节点符号的累积概率向量p得出概率最大元素a_max和概率次大元素a_min，并计算出概率最大元素a_max和概率次大元素a_min对应票数的差值△f；

步骤804、将每个变量节点对应的信息对(a_max，△f)传送给检测节点；

步骤九、检测节点进行信息更新：检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新，然后，循环次数自加1并返回步骤二。

上述的一种低复杂度的多元LDPC码译码方法，其特征在于：步骤二中计算接收序列y的可靠度量△d的方法为：首先，计算接收序列y的每个分量y_j与最可能估计序列的每个分量的欧式距离d_j,1，以及接收序列y的每个分量y_j与次可能估计序列的每个分量的欧式距离d_j,2；然后，计算欧氏距离d_j,1和d_j,2的差并取绝对值，得到接收序列y的每个分量y_j的可靠度量△d_j，取j为0～n-1之间的整数，得到接收序列y的可靠度量△d＝{△d₀,△d₁,…,△d_n-1}；其中，n为多元LDPC码的校验矩阵H的列数。

上述的一种低复杂度的多元LDPC码译码方法及译码器，其特征在于：步骤四中译码停止模块计算最可能估计符号序列z₁的校验和的计算公式为：其中，为循环次数为k时的最可能估计符号序列，s^(k)为循环次数为k时的最可能估计符号序列的校验和，H^T为多元LDPC码的校验矩阵H的转置矩阵。

上述的一种低复杂度的多元LDPC码译码方法及译码器，其特征在于：步骤七中校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号的计算公式为：

其中，为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第一个估计符号，即第一个外信息；为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第二个估计信号，即第二个外信息；h_i,l为多元LDPC码的校验矩阵H中第i行第l列的非零元素，h_i,l'为多元LDPC码的校验矩阵H中第i行第l'列的非零元素，h_i,j为多元LDPC码的校验矩阵H中第i行第j列的非零元素，为与校验节点s_i相连的变量节点索引集，为从变量节点索引集中除去元素j和元素l后的子集，为循环次数为k时与校验节点s_i相连的变量节点v_l'的最可能估计符号，为循环次数为k时与校验节点s_i相连的所有变量节点中可靠度量最小的变量节点v_j的最可能估计符号，为循环次数为k时变量节点v_j的次可能估计符号；i为0～m之间的自然数，m为多元LDPC码的校验矩阵H的行数；l为0～d_c之间的自然数，d_c为多元LDPC码的校验矩阵H的行重。

上述的一种低复杂度的多元LDPC码译码方法及译码器，其特征在于：步骤九中检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新的具体过程为：

步骤901、对每个变量节点v_j，首先对其估计符号进行星座映射，得到映射后的星座点然后判断是否成立，当成立时，执行步骤902；否则，当不成立时，令其中，为以为圆心，以r为有效搜索半径的圆，为第k次迭代中接收序列y的第j个分量，d_min为星座点间的最小欧氏距离；为第k-1次迭代中接收序列y的第j个分量；

步骤902、根据公式计算更新步长其中，为变量节点v_j符号的最大得票数与次大得票数的票数差，d_v为校验矩阵H的列重；

步骤903、根据公式计算更新方向其中，为发送符号x_j的最可能估计符号；

步骤904、根据公式对变量节点v_j对应的译码器接收值进行更新，其中，为第k+1次迭代中接收序列y的第j个分量。

本发明还公开了一种结构简单、能够满足高速高效的要求、能够取得更好的译码性能和更宽泛的适用条件的、实用性强的实现上述的低复杂度的多元LDPC码译码方法的译码器，其特征在于，包括：

信号检测模块：用于对接收序列按照最大似然判决准则进行硬判决，将产生的最可能估计序列和次可能估计序列的的解映射符号序列以及可靠度量传送给变量节点，并将产生的最可能估计序列的解映射符号序列传送给译码停止模块；

译码停止模块：用于接收每轮循环信号检测模块产生的最可能估计序列的解映射符号序列并计算校验和进行判决，当校验和为全零向量时，将译码结果中的信息位输出并结束译码循环；

第一变量节点信息更新模块：用于根据收到的可靠度量产生更新信息，并把更新信息传送给校验节点；

校验节点信息更新模块：用于计算校验节点返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

第二变量节点信息更新模块：用于计算每个变量节点符号的累积概率向量，得出概率最大元素以及概率最大元素与概率次大元素的票数差值，并传送给检测节点；

检测节点信息更新模块：用于根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新。

本发明与现有技术相比具有以下优点：

1、本发明多元LDPC码译码方法的方法步骤简单，实现方便。

2、本发明可以在多元LDPC编码调制系统中采用，用于物理层数据传输的差错控制，以满足高速高效的要求。

3、本发明能够实现多元LDPC码中译码复杂度和纠错性能的平衡，从而达到在复杂度与已有联合迭代检测-译码算法相当的情况下，取得更好的译码性能和更宽泛的适用条件，使GF(q)域上的多元LDPC码在实际系统中得到更好的应用。

4、本发明的实用性强，使用效果好，便于推广使用。

综上所述，本发明的方法步骤简单，能够满足高速高效的要求，能够取得更好的译码性能和更宽泛的适用条件，实用性强，使用效果好，便于推广使用。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的多元LDPC码译码方法的方法流程框图。

图2为用本发明的多元LDPC码译码方法在使用64-QAM调制、AWGN信道上对GF(64)上的(64,37)LDPC码译码的性能仿真图。

图3为用本发明的多元LDPC码译码方法在使用16-QAM调制、AWGN信道上对GF(16)上的(255,175)LDPC码译码的性能仿真图。

图4为用本发明的多元LDPC码译码方法在使用256-QAM调制、AWGN信道上对GF(256)上的(255,203)LDPC码译码的性能仿真图。

具体实施方式

如图1所示，本发明的低复杂度的多元LDPC码译码方法，包括以下步骤：

步骤一、初始化循环次数为0；

步骤二、信号检测：信号检测模块对接收序列y按照最大似然判决准则进行硬判决，得到与接收序列y相对应的发送序列x的最可能估计序列和次可能估计序列并计算接收序列y的可靠度量△d；然后，对最可能估计序列进行解映射得到最可能估计符号序列z₁，对次可能估计序列进行解映射得到次可能估计符号序列z₂；最后，将接收序列y的可靠度量△d、最可能估计符号序列z₁和次可能估计符号序列z₂传送给变量节点，并将最可能估计符号序列z₁传送给译码停止模块；

本实施例中，信号检测模块对第k次循环的接收序列中的每个分量按照最大似然判决准则进行硬判决，得到发送序列x＝(x₀,x₁,...,x_n-1)在第k次循环的最可能估计序列和次可能估计序列其中，最可能估计序列中的分量根据公式计算得到，次可能估计序列中的分量根据公式计算得到，其中‖·‖表示Euclidean(L²)范数。

本实施例中，步骤二中计算接收序列y的可靠度量△d的方法为：首先，计算接收序列y的每个分量y_j与最可能估计序列的每个分量的欧式距离d_j,1，以及接收序列y的每个分量y_j与次可能估计序列的每个分量的欧式距离d_j,2；然后，计算欧氏距离d_j,1和d_j,2的差并取绝对值，得到接收序列y的每个分量y_j的可靠度量△d_j，取j为0～n-1之间的整数，得到接收序列y的可靠度量△d＝{△d₀,△d₁,…,△d_n-1}；其中，n为多元LDPC码的校验矩阵H的列数。

本实施例中，首先，根据公式计算第k次循环的接收序列的每个分量与最可能估计序列的每个分量的欧式距离并根据公式计算第k次循环的接收序列的每个分量与次可能估计序列的每个分量的欧式距离然后，根据公式计算得到第k次循环的接收序列的每个分量y_j的可靠度量最终即可得到第k次循环的接收序列的可靠度量△d＝{△d₀,△d₁,…,△d_n-1}；

具体实施时，步骤二中得到最可能估计符号序列z₁与次可能估计符号序列z₂的方法为：对第k次循环的最可能估计序列的每个分量进行解映射，根据公式得到第k次循环的最可能估计符号序列的每个分量，进而得到第k次循环的最可能估计符号序列对第k次循环的次可能估计序列的每个分量进行解映射，根据公式得到第k次循环的次可能估计符号序列的每个分量，进而得到第k次循环的次可能估计符号序列其中，为解映射符号。

步骤三、判断循环次数是否达到了预设的最大循环次数，当循环次数未达到预设的最大循环次数时，执行步骤四，否则，执行步骤五；

步骤四、校验输出：译码停止模块计算最可能估计符号序列z₁的校验和，当校验和为全零向量时，执行步骤五，否则，执行步骤六；

本实施例中，步骤四中译码停止模块计算最可能估计符号序列z₁的校验和的计算公式为：其中，为循环次数为k时的最可能估计符号序列，s^(k)为循环次数为k时的最可能估计符号序列的校验和，H^T为多元LDPC码的校验矩阵H的转置矩阵。

步骤五、将译码结果中的信息位输出并结束译码循环；

步骤六、变量节点进行传送给校验节点的信息更新：变量节点信息更新模块根据变量节点接收到的接收序列y的可靠度量△d，选出与每个校验节点相连的可靠度量最小的变量节点，该变量节点给与其相连的校验节点传送最可能估计符号序列z₁和次可能估计符号序列z₂，除该变量节点外的其他变量节点只给与其相连的校验节点传送最可能估计符号序列z₁；具体而言，对于与每个校验节点s_i相连的变量节点v_l，其中，0≤i<m，0≤l<d_c，根据这些变量节点的可靠度量找出可靠度量最小的变量节点v_r。对于最小可靠度量的变量节点v_r，将两个估计符号和传送给对应校验节点。对于其他变量节点，即{v_l,l≠r}，只把最可能的估计符号传送给对应校验节点。

步骤七、校验节点进行信息更新：校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

本实施例中，步骤七中校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号的计算公式为：其中，为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第一个估计符号，即第一个外信息；为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第二个估计信号，即第二个外信息；h_i,l为多元LDPC码的校验矩阵H中第i行第l列的非零元素，h_i,l'为多元LDPC码的校验矩阵H中第i行第l'列的非零元素，h_i,j为多元LDPC码的校验矩阵H中第i行第j列的非零元素，为与校验节点s_i相连的变量节点索引集，为从变量节点索引集中除去元素j和元素l后的子集，为循环次数为k时与校验节点s_i相连的变量节点v_l'的最可能估计符号，为循环次数为k时与校验节点s_i相连的所有变量节点中可靠度量最小的变量节点v_j的最可能估计符号，为循环次数为k时变量节点v_j的次可能估计符号；i为0～m之间的自然数，m为多元LDPC码的校验矩阵H的行数；l为0～d_c之间的自然数，d_c为多元LDPC码的校验矩阵H的行重。

步骤八、变量节点进行传送给检测节点的信息更新，具体过程为：

步骤801、变量节点信息更新模块根据接收的外信息作为该变量节点符号的投票，进行票数统计，并根据票数计算每个变量节点符号分别等于q个元素的概率向量其中，q为有限域的大小；

步骤802、变量节点信息更新模块计算出每个变量节点符号的累积概率向量p；

步骤803、变量节点信息更新模块根据每个变量节点符号的累积概率向量p得出概率最大元素a_max和概率次大元素a_min，并计算出概率最大元素a_max和概率次大元素a_min对应票数的差值△f；

步骤804、将每个变量节点对应的信息对(a_max，△f)传送给检测节点；

步骤九、检测节点进行信息更新：检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新，然后，循环次数自加1并返回步骤二。

本实施例中，步骤九中检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新的具体过程为：

步骤901、对每个变量节点v_j，首先对其估计符号进行星座映射，得到映射后的星座点然后判断是否成立，当成立时，执行步骤902；否则，当不成立时，令其中，为以为圆心，以r为有效搜索半径的圆，为第k次迭代中接收序列y的第j个分量，d_min为星座点间的最小欧氏距离；为第k-1次迭代中接收序列y的第j个分量；

步骤902、根据公式计算更新步长其中，为变量节点v_j符号的最大得票数与次大得票数的票数差，d_v为校验矩阵H的列重；

步骤903、根据公式计算更新方向其中，为发送符号x_j的最可能估计符号；

步骤904、根据公式对变量节点v_j对应的译码器接收值进行更新，其中，为第k+1次迭代中接收序列y的第j个分量。

本发明的低复杂度的多元LDPC码译码方法的译码器，包括：

信号检测模块：用于对接收序列按照最大似然判决准则进行硬判决，将产生的最可能估计序列和次可能估计序列的的解映射符号序列以及可靠度量传送给变量节点，并将产生的最可能估计序列的解映射符号序列传送给译码停止模块；

译码停止模块：用于接收每轮循环信号检测模块产生的最可能估计序列的解映射符号序列并计算校验和进行判决，当校验和为全零向量时，将译码结果中的信息位输出并结束译码循环；

第一变量节点信息更新模块：用于根据收到的可靠度量产生更新信息，并把更新信息传送给校验节点；

校验节点信息更新模块：用于计算校验节点返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

第二变量节点信息更新模块：用于计算每个变量节点符号的累积概率向量，得出概率最大元素以及概率最大元素与概率次大元素的票数差值，并传送给检测节点；

检测节点信息更新模块：用于根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新。

为了验证本发明能够产生的技术效果，本发明选用了三个长度不同的多元LDPC码进行了仿真，分别为：

(1)GF(64)上的(64,37)规则LDPC码，其校验矩阵H的行重d_c和列重d_v均为8，记为码1；

(2)GF(16)上的(255,175)规则LDPC码，其校验矩阵H的行重d_c和列重d_v均为16，记为码2；

(3)GF(256)上的(256,203)规则LDPC码，其校验矩阵H的行重d_c为16，列重d_v为8，记为码3。

仿真内容：

仿真一：对码1在64-QAM调制，AWGN信道下使用本发明的译码算法(ImprovedIJDD)和IJDD算法以及FFT-QSPA算法的误比特率BER性能进行计算机仿真，迭代次数均为50次，仿真结果见图2。

仿真二：对码2在16-QAM调制，AWGN信道下使用本发明的译码算法(ImprovedIJDD)和IJDD算法以及FFT-QSPA算法的误比特率BER性能进行计算机仿真，迭代次数均为50次，仿真结果见图3。

仿真三：对码3在256-QAM调制，AWGN信道下使用本发明的译码算法(ImprovedIJDD)和IJDD算法以及FFT-QSPA算法的误比特率BER性能进行计算机仿真，迭代次数均为50次，仿真结果见图4。

仿真结果分析：

从图2可见，在64-QAM调制，AWGN信道上，IJDD译码曲线在BER＝10-5时离FFT-QSPA译码曲线2.4dB，本发明的译码算法(Improved IJDD)在BER＝10-5时离FFT-QSPA译码曲线1dB，优于IJDD算法约1.4dB。

从图3可见，在16-QAM调制，AWGN信道上，IJDD译码曲线在BER＝10-5时离FFT-QSPA译码曲线0.7dB，本发明的译码算法(Improved IJDD)在BER＝10-5时离FFT-QSPA译码曲线约0.4dB，优于IJDD算法0.3dB。

从图4可见，在256-QAM调制，AWGN信道上，IJDD译码曲线在BER＝10-5时离FFT-QSPA译码曲线4.4dB，本发明的译码算法(Improved IJDD)在BER＝10-5时离FFT-QSPA译码曲线约1.1dB，优于IJDD算法约3.3dB。

由图2，图3和图4综合来看，在列重逐渐减小时，IJDD算法性能不断恶化，而本发明的译码算法性能优势越来越明显。说明本发明的译码算法不仅性能优于IJDD算法，而且对列重小的多元LDPC码译码适应性更好。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (4)

1.一种低复杂度的多元LDPC码译码方法，其特征在于，该方法包括以下步骤：

步骤一、初始化循环次数为0；

步骤二、信号检测：信号检测模块对接收序列y按照最大似然判决准则进行硬判决，得到与接收序列y相对应的发送序列x的最可能估计序列和次可能估计序列并计算接收序列y的可靠度量Δd；然后，对最可能估计序列进行解映射得到最可能估计符号序列z₁，对次可能估计序列进行解映射得到次可能估计符号序列z₂；最后，将接收序列y的可靠度量Δd、最可能估计符号序列z₁和次可能估计符号序列z₂传送给变量节点，并将最可能估计符号序列z₁传送给译码停止模块；

步骤三、判断循环次数是否达到了预设的最大循环次数，当循环次数未达到预设的最大循环次数时，执行步骤四，否则，执行步骤五；

步骤四、校验输出：译码停止模块计算最可能估计符号序列z₁的校验和，当校验和为全零向量时，执行步骤五，否则，执行步骤六；

步骤五、将译码结果中的信息位输出并结束译码循环；

步骤六、变量节点进行传送给校验节点的信息更新：变量节点信息更新模块根据变量节点接收到的接收序列y的可靠度量Δd，选出与每个校验节点相连的可靠度量最小的变量节点，该变量节点给与其相连的校验节点传送最可能估计符号序列z₁和次可能估计符号序列z₂，除该变量节点外的其他变量节点只给与其相连的校验节点传送最可能估计符号序列z₁；

步骤七、校验节点进行信息更新：校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

步骤八、变量节点进行传送给检测节点的信息更新，具体过程为：

步骤801、变量节点信息更新模块根据接收的外信息作为该变量节点符号的投票，进行票数统计，并根据票数计算每个变量节点符号分别等于q个元素的概率向量其中，q为有限域的大小；

步骤802、变量节点信息更新模块计算出每个变量节点符号的累积概率向量p；

步骤803、变量节点信息更新模块根据每个变量节点符号的累积概率向量p得出概率最大元素a_max和概率次大元素a_min，并计算出概率最大元素a_max和概率次大元素a_min对应票数的差值Δf；

步骤804、将每个变量节点对应的信息对(a_max，Δf)传送给检测节点；

步骤九、检测节点进行信息更新：检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新，然后，循环次数自加1并返回步骤二；

步骤二中计算接收序列y的可靠度量Δd的方法为：首先，计算接收序列y的每个分量y_j与最可能估计序列的每个分量的欧式距离d_j,1，以及接收序列y的每个分量y_j与次可能估计序列的每个分量的欧式距离d_j,2；然后，计算欧氏距离d_j,1和d_j,2的差并取绝对值，得到接收序列y的每个分量y_j的可靠度量Δd_j，取j为0～n-1之间的整数，得到接收序列y的可靠度量Δd＝{Δd₀,Δd₁,…,Δd_{n- 1}}；其中，n为多元LDPC码的校验矩阵H的列数；

步骤801中变量节点信息更新模块根据票数计算循环次数为k时每个变量节点符号分别等于q个元素的概率向量的方法为：根据计算公式计算循环次数为k时变量节点符号为元素a的分量概率取a为0～q-1之间的有限域元素，得到其中，GF(q)表示大小为q的有限域，为循环次数为k时元素a的票数；

步骤802中变量节点信息更新模块计算出循环次数为k每个变量节点符号的累积概率向量的方法为：根据计算公式计算循环次数为k时变量节点符号等于元素a的分量累积概率取a为0～q-1之间的有限域元素，得到其中，累积概率的初始化值为解调器根据信道接收值得出的元素a的概率，为循环次数为k-1时变量节点符号等于元素a的累积概率，表示循环次数为k时变量节点符号等于元素w的累积概率，表示循环次数为k-1时变量节点符号等于元素w的累积概率，w为大小为q的有限域中的元素；

步骤九中检测节点信息更新模块根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新的具体过程为：

步骤901、对每个变量节点υ_j，首先对其估计符号进行星座映射，得到映射后的星座点然后判断是否成立，当成立时，执行步骤902；否则，当不成立时，令其中，为以为圆心，以r为有效搜索半径的圆，为第k次迭代中接收序列y的第j个分量，d_min为星座点间的最小欧氏距离；为第k-1次迭代中接收序列y的第j个分量；

步骤902、根据公式计算更新步长其中，为变量节点υ_j符号的最大得票数与次大得票数的票数差，d_v为校验矩阵H的列重；

步骤903、根据公式计算更新方向其中，为发送符号x_j的最可能估计符号；

步骤904、根据公式对变量节点υ_j对应的译码器接收值进行更新，其中，为第k+1次迭代中接收序列y的第j个分量。

2.按照权利要求1所述的一种低复杂度的多元LDPC码译码方法及译码器，其特征在于：步骤四中译码停止模块计算最可能估计符号序列z₁的校验和的计算公式为：其中，为循环次数为k时的最可能估计符号序列，s^(k)为循环次数为k时的最可能估计符号序列的校验和，H^T为多元LDPC码的校验矩阵H的转置矩阵。

3.按照权利要求1所述的一种低复杂度的多元LDPC码译码方法及译码器，其特征在于：步骤七中校验节点信息更新模块根据Chase-like译码算法计算其返回给与其相连的各个变量节点的两个估计符号的计算公式为：为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第一个估计符号，即第一个外信息；为循环次数为k时校验节点s_i返回给与其相连的各个变量节点的第二个估计信号，即第二个外信息；h_i,l为多元LDPC码的校验矩阵H中第i行第l列的非零元素，h_i,l'为多元LDPC码的校验矩阵H中第i行第l'列的非零元素，h_i,j为多元LDPC码的校验矩阵H中第i行第j列的非零元素，为与校验节点s_i相连的变量节点索引集，为从变量节点索引集中除去元素j和元素l后的子集，为循环次数为k时与校验节点s_i相连的变量节点υ_l'的最可能估计符号，为循环次数为k时与校验节点s_i相连的所有变量节点中可靠度量最小的变量节点υ_j的最可能估计符号，为循环次数为k时变量节点υ_j的次可能估计符号；i为0～m之间的自然数，m为多元LDPC码的校验矩阵H的行数；l为0～d_c之间的自然数，d_c为多元LDPC码的校验矩阵H的行重。

4.一种实现如权利要求1所述的低复杂度的多元LDPC码译码方法的译码器，其特征在于，包括：

信号检测模块：用于对接收序列按照最大似然判决准则进行硬判决，将产生的最可能估计序列和次可能估计序列的的解映射符号序列以及可靠度量传送给变量节点，并将产生的最可能估计序列的解映射符号序列传送给译码停止模块；

译码停止模块：用于接收每轮循环信号检测模块产生的最可能估计序列的解映射符号序列并计算校验和进行判决，当校验和为全零向量时，将译码结果中的信息位输出并结束译码循环；

第一变量节点信息更新模块：用于根据收到的可靠度量产生更新信息，并把更新信息传送给校验节点；

校验节点信息更新模块：用于计算校验节点返回给与其相连的各个变量节点的两个估计符号，并将这两个估计信号作为外信息传送给与其相连的各个变量节点；

第二变量节点信息更新模块：用于计算每个变量节点符号的累积概率向量，得出概率最大元素以及概率最大元素与概率次大元素的票数差值，并传送给检测节点；

检测节点信息更新模块：用于根据从变量节点接收到的信息产生更新步长和更新方向，对所有变量节点对应的译码器接收值进行更新。