CN105991141A - Ldpc译码方法 - Google Patents

Abstract

本发明提供了一种LDPC译码方法及装置，包括：在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，修正因子对最小值和次小值处理后获得该对应行的外信息；及利用外信息对该对应行所有变量节点进行软值更新，其特征在于，还包括：对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；当满足校验矩阵时输出外信息和更新后软值信息；当不满足校验矩阵时对外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新，使得外信息更加可靠可加速收敛，可使得含有较低度数的变量节点能够跳出陷阱集，提高低码率译码性能。

Description

LDPC译码方法

技术领域

本发明涉及编码译码技术，具体涉及一种LDPC译码方法。

背景技术

由于LDPC(Low-Density Parity-Check)码优越的性能而被广泛应用于无线通信。其中非规则的LDPC相对于规则的LDPC更加接近于香农极限。基于置信传播的和积算法虽然能够获得很好的译码门限，但是其校验节点处理复杂度高，不利于硬件实现。最小和算法及其改进算法可以显著的降低算法实现复杂度，而且在一类规则的LDPC码集中表现出较低的性能损失，但是其应用到在非规则的LDPC码集时，尤其是低码率条件下存在很大的性能损失。DVB-T2/S2标准中都使用了低码率的非规则的LDPC码。尤其是S2的1/4码率，使用归一化的最小和算法(即便是合理的选择了修正因子)SNR损失超过1dB。

综上所述，一种能够使最小和算法在非规则LDPC码，尤其是低码率下表现出较好性能的发明是必须的。

发明内容

本发明解决的问题是最小和算法及其现有常用改进算法(归一化的最小和算法、偏移的最小和算法等)在一类非规则的LDPC译码中尤其是低码率条件下表现出了较差的性能。

为解决上述问题，本发明的实施例提供了一种LDPC译码方法，包括如下步骤：在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对最小值和次小值处理后获得该对应行的外信息；以及利用外信息对该对应行所有变量节点进行软值更新，其特征在于，还包括如下步骤：对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；当满足校验矩阵时，输出外信息和更新后软值信息；当不满足校验矩阵时，对外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。

可选地，其中，子迭代是一次迭代划分成若干次子迭代，划分规则基于LDPC码的校验矩阵结构和并行度需求。

可选地，在一次子迭代内校验节点处理中，获得对应行的变量节点的软值信息绝对值，其中，该对应行是子迭代中任意一行或并行多行。

可选地，通过任意基于最小和算法的修正算法获得对应行的外信息，

可选地，其中，最小和算法至少包含：归一化的最小和算法、或偏移的最小和算法、或分度数的最小和算法、或变步长的最小和算法。

可选地，其中，基于归一化的最小和算法的修正算法获得外信息步骤，包含：对于最小值的变量节点，外信息绝对值等于次小值乘以修正因子；对于非最小值的变量节点，外信息绝对值等于最小值乘以修正因子。

可选地，其中，基于偏移的最小和算法的修正算法获得外信息步骤，包含：对于最小值的变量节点，外信息的绝对值等于次小值减去修正因子后和零相比较选取的较大值；对于非最小值的变量节点，外信息的绝对值等于最小值减去修正因子后和零相比较选取的较大值。

可选地，其中，对外信息按照预定可信度处理规则提高可信度，该预定可信度处理规则包含：不改变外信息符号前提下，增加外信息的绝对值。

可选地，其中，当外信息通过归一化的最小和算法获得时，预定可信度处理规则包含：增大修正因子。

可选地，其中，当外信息通过偏移的最小和算法获得时，预定可信度处理规则包含：减小修正因子。

另外，本发明的实施例还提供了一种LDPC译码装置，包括：外信息第一次计算模块，在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对最小值和次小值处理后获得该对应行的外信息；以及变量节点更新模块，利用外信息对该对应行所有变量节点进行软值更新，其特征在于，还包括：校验行判决模块，对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；以及外信息第二次计算模块，当不满足校验矩阵时，对外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。

与现有技术相比，本发明技术方案具有以下有益效果：

根据本发明实施例提供的LDPC译码方法及译码装置，由于本发明中每次子迭代获得的外信息会根据更新后软值信息与校验矩阵的验证结果来被输出或再次处理，使得外信息更加可靠,可加速收敛，进一步地，利用增加外信息量来提高可信度可使得含有较低度数的变量节点能够跳出陷阱集(trappingset)，而低码率的LDPC含有更多的低度数的变量节点，从而本发明能更明显地提高低码率译码性能，另外，采用归一化的最小和算法或偏移的最小和算法，及增加校验矩阵判决，并不会带来硬件成本的增加。需说明的是，本发明应用于任何一种LDPC码字均可获得很好性能，并非限制于基于DVB-T2/S2的LDPC码字。

附图说明

图1是本发明实施例的LDPC译码方法中外信息处理的流程示意图；

图2是本发明实施例的LDPC校验矩阵的示意图；

图3是本发明的LDPC译码装置的示意框图；

图4是本发明的LDPC译码装置中外信息第一次计算模块的示意图；以及

图5是本发明的LDPC译码装置中外信息第二次计算模块的示意图。

具体实施方式

发明人发现已有技术中是最小和算法及其现有常用改进算法(归一化的最小和算法、偏移的最小和算法等)在一类非规则的LDPC译码中尤其是低码率条件下表现出了较差的性能这样的问题。

针对上述问题，发明人经过研究，提供了一种LDPC译码方法及译码装置，由于本发明中每次子迭代获得的外信息会根据更新后软值信息与校验矩阵的验证结果来被输出或再次处理，使得外信息更加可靠,可加速收敛，进一步地，利用增加外信息量来提高可信度可使得含有较低度数的变量节点能够跳出陷阱集(trapping set)，而低码率的LDPC含有更多的低度数的变量节点，从而本发明能更明显地提高低码率译码性能，另外，采用归一化的最小和算法或偏移的最小和算法，及增加校验矩阵判决，并不会带来硬件成本的增加。需说明的是，本发明应用于任何一种LDPC码字均可获得很好性能，并非限制于基于DVB-T2/S2的LDPC码字。

为了使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

图1是本发明实施例的LDPC译码方法中外信息处理的流程示意图。

本实施例中LDPC译码方法，包括如下步骤：

步骤(一)：在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对所述最小值和所述次小值处理后获得该对应行的外信息；以及

步骤(二)：利用外信息对该对应行所有变量节点进行软值更新，

步骤(三)：对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；

步骤(四)：当满足校验矩阵时，输出所述外信息和所述更新后软值信息；以及

步骤(五)：当不满足校验矩阵时，对所述外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。

整体来说，本实施例通过提高外信息的可靠度来实现LDPC译码。具体的措施是对第一次外信息进行校验，当不满足校验矩阵时，认为该校验行更新后的变量节点可靠度不够，需要增加外信息量从而提高该错误行内变量节点的可靠度。以下结合LDPC校验矩阵H说明该发明。

如图1所示，具体实施方式的步骤如下：

步骤S1：初始化步骤，该初始化步骤包含以下：

初始化所有变量节点：T_n＝llr_n,0≤n＜N_ldpc。

其中，llr_n是解映射输出的软值信息，N_ldpc是LDPC码长。

初始化所有校验节点：E_n＝0,0≤n＜P_ldpc。

其中，P_ldpc是LDPC校验行长度。

设置LDPC最大迭代次数I_MAX和每次子迭代的并行度P，最大迭代次数I_MAX和并行度P根据LDPC校验矩阵H的并行度、系统吞吐量和系统时钟频率。

图2是本发明实施例的LDPC校验矩阵的示意图。

如图2所示，LDPC校验矩阵10包含多个P行P列的子迭代矩阵20。在每次子迭代内选取校验矩阵的P行，即子迭代的并行度。并行读取P行内的每一行对应变量节点T_n，并分别计算其绝对值|T_n|和符号sign(T_n)。子迭代是一次迭代划分成若干次子迭代，子迭代的并行度等划分规则基于LDPC码的校验矩阵结构和并行度需求。

步骤S2：继续结合图1来看，根据归一化最小和算法计算其外信息，选

步骤S3：利用得到的外信息E_m对当前行内的所有变量节点T_n进行软值更新，得到T′_n，即T′_n＝T_n+E_m。步骤S4：更新后的变量节点取符号位后代入校验矩阵也就是校验方程，并判断其是否满足该校验矩阵。

步骤S5：如果校验更新后的变量节点软值信息满足校验方程，则把E_m作为该行的外信息输出，T′_n作为更新后的变量节点软值信息输出。

步骤S6：如果不满足校验方程，则选择修正因子α₁并重新第二次计算外信息：

$E_m^{\′}={\mathrm{\α}}_1*(\underset{n\∈N\left(m\right)\backslash m}{\mathrm{sign}}\left(T_n\right)*\underset{n\∈N\left(m\right)\backslash m}{\min }\left(\right|T_n\left|\right)),$

其中，修正因子α₁的选择应当稍大于修正因子α₀以增加外信息量。

步骤S7：利用更新后的外信息E′_m重新对T_n进行更新：T″_n＝T_n+E′_m.

步骤S8：把外信息E′_m和变量节点的软信息T″_n作为最终输出。

一次迭代完成后，所有变量节点的软信息取符号位后代入校验矩阵，如果所有校验行满足则跳出迭代，译码成功。否则进行下一次迭代直至达到最大迭代次数后退出。

获得每一行外信息的方法除了归一化的最小和算法之外，常用的另外一种算法是偏移的最小和算法。基于偏移的最小和算法的外信息计算公式来第一次计算外信息：

$E_m=\underset{n\∈N\left(m\right)\backslash m}{\mathrm{sign}}\left(T_n\right)*\max (\underset{n\∈N\left(m\right)\backslash m}{\min }\left(\right|T_n\left|\right)-{\mathrm{\β}}_0,0),$

其中，β₀固定参数，和噪声功率相关。更新外信息的方法略有不同。当校验方程不满足时，减小固定参数β₀，并代入上述公式进行第二次计算外信息得到E′_m，在此对于第二次计算外信息，再利用更新后的外信息对软值信息进行更新得到更新后软值信息T″_n，并把外信息E′_m和变量节点的软信息T″_n作为最终输出。

其他任何一种基于最小和算法的修正算法也可以应用到上述计算外信息的过程中，包括：归一化的最小和算法、或偏移的最小和算法、或分度数的最小和算法、或变步长的最小和算法等。

针对其中一种，基于归一化的最小和算法的修正算法获得外信息步骤，包含：对于最小值的变量节点，外信息绝对值等于次小值乘以修正因子；对于非最小值的变量节点，外信息绝对值等于最小值乘以修正因子。

针对其中另一种，基于偏移的最小和算法的修正算法获得外信息步骤，包含：对于最小值的变量节点，外信息的绝对值等于次小值减去修正因子后和零相比较选取的较大值；对于非最小值的变量节点，外信息的绝对值等于最小值减去修正因子后和零相比较选取的较大值。

需说明的是，在一次子迭代内校验节点处理中，获得对应行的变量节点的软值信息绝对值，其中，该对应行是子迭代中任意一行或并行多行。

由上述步骤可知，是按照预定可信度处理规则对外信息来提高可信度的，该预定可信度处理规则包含：不改变外信息符号前提下，增加外信息的绝对值。那么，当外信息通过归一化的最小和算法获得时，预定可信度处理规则包含：增大修正因子(例如对修正因子α₀进行增大得到修正因子α₁)，从而在第二次计算获得外信息时，将最小值或次小值乘以增大后的修正因子。当外信息通过偏移的最小和算法获得时，预定可信度处理规则包含：减小修正因子(例如减小修正因子β₀)，从而在第二次计算获得外信息时，将最小值或次小值减去减小后的修正因子β₁和零比较取较大值。

图3是本发明的LDPC译码装置的示意框图。

本发明的实施例还提供了一种LDPC译码装置。在本实施例中，如图3所示，LDPC译码装置30，包括：初始化单元40、含有对K行进行第k行外信息处理子单元51的子迭代单元50、以及迭代终止判决单元60。

第k行外信息处理子单元51包含：外信息第一次计算模块511、变量节点更新模块512、校验行判决模块513、图中未显示的输出模块、外信息第二次计算模块514。

外信息第一次计算模块511，在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对所述最小值和所述次小值处理后获得该对应行的外信息。

变量节点更新模块512，利用外信息对该对应行所有变量节点进行软值更新。

校验行判决模块513，对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵。

输出模块在满足校验矩阵时，直接输出外信息和更新后软值信息。

外信息第二次计算模块514在不满足校验矩阵时，对所述外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。

图4是本发明的LDPC译码装置中外信息第一次计算模块的示意图。

如图4所示，外信息第一次计算模块511包含比较器和乘法器，通过利用修正因子α₀第一次得到外信息。

图5是本发明的LDPC译码装置中外信息第二次计算模块的示意图。

如图5所示，外信息第二次计算模块514包含乘法器，通过利用修正因子α₁α₀第二次得到外信息，作为高信度外信息。

本实施中所提供的LDPC译码装置与上述实施例中LDPC译码方法相对应，那么装置中所具有的结构和技术要素可由生成方法相应转换形成，在此省略说明不再赘述。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (11)

1.一种LDPC译码方法，包括如下步骤：

在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对所述最小值和所述次小值处理后获得该对应行的外信息；以及

利用外信息对该对应行所有变量节点进行软值更新，其特征在于，还包括如下步骤：

对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；

当满足校验矩阵时，输出所述外信息和所述更新后软值信息；

当不满足校验矩阵时，对所述外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。

2.如权利要求1所述的LDPC译码方法，其特征在于，

其中，所述子迭代是一次迭代划分成若干次子迭代，划分规则基于LDPC码的校验矩阵结构和并行度需求。

3.如权利要求1所述的LDPC译码方法，其特征在于，

在一次子迭代内校验节点处理中，获得对应行的变量节点的软值信息绝对值，

其中，该对应行是子迭代中任意一行或并行多行。

4.如权利要求1所述的LDPC译码方法，其特征在于，

通过任意基于最小和算法的修正算法获得所述对应行的所述外信息。

5.如权利要求4所述的LDPC译码方法，其特征在于，

其中，所述最小和算法至少包含：

归一化的最小和算法、或偏移的最小和算法、或分度数的最小和算法、或 变步长的最小和算法。

6.如权利要求5所述的LDPC译码方法，其特征在于，

其中，基于所述归一化的最小和算法的修正算法获得所述外信息步骤，包含：对于最小值的变量节点，所述外信息绝对值等于所述次小值乘以修正因子；对于非最小值的变量节点，所述外信息绝对值等于所述最小值乘以修正因子。

7.如权利要求5所述的LDPC译码方法，其特征在于，

其中，基于所述偏移的最小和算法的修正算法获得所述外信息步骤，包含：对于最小值的变量节点，所述外信息的绝对值等于次小值减去修正因子后和零相比较选取的较大值；对于非最小值的变量节点，所述外信息的绝对值等于最小值减去修正因子后和零相比较选取的较大值。

8.如权利要求1所述的LDPC译码方法，其特征在于，

其中，对所述外信息按照预定可信度处理规则提高可信度，该预定可信度处理规则包含：不改变外信息符号前提下，增加外信息的绝对值。

9.如权利要求8所述的LDPC译码方法，其特征在于，

其中，当外信息通过归一化的最小和算法获得时，所述预定可信度处理规则包含：增大所述修正因子。

10.如权利要求8所述的LDPC译码方法，其特征在于，

其中，当外信息通过偏移的最小和算法获得时，所述预定可信度处理规则包含：减小所述修正因子。

11.一种LDPC译码装置，包括：

外信息第一次计算模块，在一次子迭代内校验节点处理中，获得校验矩阵中对应行的变量节点的软值信息绝对值，取该软值信息绝对值中最小值和预定范围内次小值，利用修正因子对所述最小值和所述次小值处理后获得该对应行的外信息；以及

变量节点更新模块，利用外信息对该对应行所有变量节点进行软值更新，其特征在于，还包括：

校验行判决模块，对所得的更新后软值信息进行硬判决并验证是否满足校验矩阵；以及

外信息第二次计算模块，当不满足校验矩阵时，对所述外信息提高可信度后再利用所得高信度外信息重新对该对应行所有变量节点进行软值更新。