CN107094026B - Nb-ldpc编码的图合并检测译码方法 - Google Patents

Nb-ldpc编码的图合并检测译码方法 Download PDF

Info

Publication number
CN107094026B
CN107094026B CN201710228989.5A CN201710228989A CN107094026B CN 107094026 B CN107094026 B CN 107094026B CN 201710228989 A CN201710228989 A CN 201710228989A CN 107094026 B CN107094026 B CN 107094026B
Authority
CN
China
Prior art keywords
information
node
variable node
layer
symbol
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.)
Active
Application number
CN201710228989.5A
Other languages
English (en)
Other versions
CN107094026A (zh
Inventor
张川
景树森
尤肖虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710228989.5A priority Critical patent/CN107094026B/zh
Publication of CN107094026A publication Critical patent/CN107094026A/zh
Application granted granted Critical
Publication of CN107094026B publication Critical patent/CN107094026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
    • H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
    • H03M13/1102—Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
    • H03M13/1105—Decoding
    • H03M13/1108—Hard decision decoding, e.g. bit flipping, modified or weighted bit flipping

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radio Transmission System (AREA)
  • Error Detection And Correction (AREA)

Abstract

本发明公开了一种NB‑LDPC编码的图合并检测译码方法，是一种基于置信传播(belief proportion，BP)的多输入多输出(MIMO)检测和非二进制低密度奇偶校验码(NB‑LDPC)译码的联合检测方法，来进一步提高通信系统的稳定性，降低误码率。该方法通过将MIMO BP检测的因子图和NB‑LDPC译码的因子图结合起来，使得他们之间的概率信息可以流通，进而使得对数似然比(Log likelihood ratio)可以具有更高精度而且可以更快的收敛速度。

Description

NB-LDPC编码的图合并检测译码方法
技术领域
本发明涉及通信中的译码技术，尤其涉及一种NB-LDPC编码的图合并检测译码方法。
背景技术
面对5G通信对于传输各方面要求的提高，大规模多输入多输出(multiple inputmultiple output,MIMO)技术，成为提高其频谱利用率和传输速率以及降低误码率的关键技术。另一方面，NB-LDPC可以达到比LDPC更好的差错性能，并且在突发性比特错，码长有限，高阶调制的情景下有着很好效果。
NB-LDPC MIMO系统中发送端发送的比特信息先经过NB-LDPC编码，然后再通过调制与多天线发送，接收端译码后得到对发送端比特信息的估计。传统的分离检测译码(separated detection and decoding，SDD)，对接收信号首先做MIMO检测，然后将检测得到的软信息送给译码器进行译码得到译码结果。本发明提出的分层图合并检测译码算法(Graph-merged detection and decoding)可以使得NB-LDPC MIMO系统的可靠性进一步提升，从而降低误码率。
发明内容
发明目的：为了满足一些对误码率有更高要求的场合，本发明提出了基于NB-LDPC编码的MIMO的分层图合并分层检测译码方法，通过将MIMO检测和NB-LDPC码译码的因子图合并，从而使得两张图内的概率信息可以相互传递，这样可以使得误码率降低，并且提高收敛速度。
技术方案：本发明所述的NB-LDPC编码的图合并检测译码方法包括：
(1)初始化变量节点发送至观察节点的信息βj,i＝0，g＝1；
(2)MIMO检测因子图中的观察节点根据接收到的来自信道的信息，计算符号概率信息，并传递给第g层变量节点；
(3)第g层变量节点根据符号概率信息对内部固有信息进行更新，并将更新后固有信息赋值为变量节点给校验节点的信息进行传递；
(4)校验节点对接收的信息进行计算后赋值为校验节点给变量节点的信息，传回给第t层变量节点，t≠g；
(5)第t层变量节点根据接收的信息内部固有信息进行更新，并根据更新后固有信息计算变量节点给观察节点的信息，进行传递；
(6)g＝g+1，并返回至步骤(2)，直至所有层被更新；
(7)返回步骤(1)进行下一次迭代，直至达到预设迭代次数；
(8)对变量节点的内部固有信息进行硬判决，得到译码后的序列。
进一步的，所述步骤(2)中的符号概率信息计算公式为：
Figure GDA0002672760960000021
式中，
Figure GDA0002672760960000022
表示在第g层中第i个观察节点传给第j个变量节点的符号是cm的对数似然比，hij是信道矩阵H的第i行第j个元素，uij和
Figure GDA0002672760960000023
分别是内部加性噪声zij的均值和方差，cm是符号集c＝[c0,c1,…cn-1]中的第m个。
进一步的，所述步骤(3)中更新后的内部固有信息计算公式为：
Figure GDA0002672760960000024
式中，
Figure GDA0002672760960000025
表示在第g层中第j个变量节点所代表的符号是cm的对数似然比，作为内部固有信息，
Figure GDA0002672760960000026
表示在第g层中第l个观察节点传给第i个变量节点的符号是cm的对数似然比，NR表示接收天线数目。
进一步的，所述步骤(3)中所述变量节点给校验节点的信息具体为：
Figure GDA0002672760960000027
式中，
Figure GDA0002672760960000028
表示第g层中第j个变量节点传递给第k个CN的关于符号qm的信息，qm是伽罗华域符号，与调制后的cm对应。
进一步的，所述步骤(4)中所述校验节点给变量节点的信息具体为：
Figure GDA0002672760960000029
式中，
Figure GDA00026727609600000210
表示在第g层中第k个校验节点传递给第t层第j个变量节点的关于符号qm的信息，conf(nr,nc)表示一组最可能路径的集合，每条路径由dr个实数组成，每个实数来自与第k个校验节点相连的dr个变量节点的nr个最可能符号的对数似然比的一个，其中，最可能路径是这些路径中各个元素和最小的路径，conf(nr,nc)中的路径是由包括最可能路径以及从至多nc个位置替换对数似然比所得的路径,θn表示其中路径，θn(t)表示路径中与第k个校验节点相连的第j个变量节点路径中贡献的符号，dr表示与校验节点相连的变量节点的个数。
进一步的，所述步骤(5)中所述校验节点给变量节点的信息具体为：
Figure GDA0002672760960000031
式中，dc表示与第j个变量节点相连的校验节点的个数。
进一步的，所述步骤(5)中所述变量节点给观察节点的信息具体为：
Figure GDA0002672760960000032
式中，
Figure GDA0002672760960000033
表示变量节点发送至观察节点的信息。
有益效果：本发明与现有技术相比，其显著优点是：本发明首次将大规模MIMO检测(置信传播(BP)检测)与极NB-LDPC译码(BP译码)结合起来。在本发明中，MIMO检测和NB-LDPC译码的因子图被合并起来，使得检测和译码之间的信息可以相互传递。传统方案中，从信道接收到的信息首先进行MIMO检测。BP检测时，发送符号的概率信息在因子图中的观察节点和变量节点之间传递，不断迭代与更新，给出最终的概率信息传给后面的NB-LDPC码译码器。不同于以前的分离检测译码，本发明允许极化码译码得到软信息通过网络传回MIMO检测器，软信息更新后再传回。即信息可以在网络中前后两方向流动，而SDD只允许信息从检测器流向译码器。并且本发明采用了分层译码的算法，可以减小硬件消耗。本发明可以适用于现行5G的NB-LDPC的增强移动宽带场景，可以进一步提高NB-LDPC MIMO系统的可靠性。
附图说明
图1是信道模型图；
图2是各种算法的性能比较图；
图3是各种算法消耗的周期个数图。
图4为整体的硬件架构示意图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
1、信道模型
在NB-LDPC编码的MIMO系统中(如图1)，准备传输的一串比特首先被NB-LDPC编码。不妨设该码码长为N，信息位长度为K，
x＝uG
其中x是N×1的编码后的序列，u是K×1的信息符号(伽罗华域(GF))，G是N×K的生成矩阵。x经过MIMO发射端调制映射后编程符号序列s通过MIMO天线阵列传输，MIMO规格为NT发NR收，W-QAM调制。
Figure GDA0002672760960000041
上式中接收向量
Figure GDA0002672760960000042
是NR×1的复向量，
Figure GDA0002672760960000043
是NR×NT的信道矩阵，
Figure GDA0002672760960000044
是NT×1的发送向量，
Figure GDA0002672760960000045
是NR×1的信道噪声服从N～(0，σ2)分布。经过实数分解后，该模型变为：
y＝Hs+W
式中接收向量y是2NR×1的复向量，H是2NR×2NT的信道矩阵，
Figure GDA0002672760960000046
是2NT×1的发送向量，W是2NR×1的信道噪声服从N～(0，σ2)分布。整个过程就是发送端发出u，接收端就接收到y，并通过y解u的过程。
2、NB-LDPC编码的图合并检测译码方法
本译码方法将MIMO检测和NB-LDPC译码的因子图合并起来，使得检测和译码之间的概率信息可以相互传递，在联合检测译码的一轮迭代中，MIMO检测因子图中的观察节点OBN首先更新传递给第g层VN的符号概率信息；第g层变量节点VN收到来自OBN的信息更新后，将其传给校验节点CN进行更新，CN更新后将其返还给第g层VN，第g层VN将信息再传给OBN，然后进行下一层更新，所有层更新完一次后，进行下一次迭代。
具体方法流程为：
(1)初始化变量节点发送至观察节点的信息βj,i＝0，g＝1；
(2)MIMO检测因子图中的观察节点根据接收到的来自信道的信息，计算符号概率信息，并传递给第g层变量节点。
其中，符号概率信息计算公式为：
Figure GDA0002672760960000047
式中，
Figure GDA0002672760960000048
表示在第g层中第i个观察节点传给第j个变量节点的符号是cm的对数似然比，hij是信道矩阵H的第i行第j个元素，uij和
Figure GDA0002672760960000049
分别是内部加性噪声zij的均值和方差，cm是符号集c＝[c0,c1,…cn-1]中的第m个。
(3)第g层变量节点根据符号概率信息对内部固有信息进行更新，并将更新后固有信息赋值为变量节点给校验节点的信息进行传递。
其中，更新后的内部固有信息计算公式为：
Figure GDA0002672760960000051
式中，
Figure GDA0002672760960000052
表示在第g层中第j个变量节点所代表的符号是cm的对数似然比，作为内部固有信息，
Figure GDA0002672760960000053
表示在第g层中第l个观察节点传给第i个变量节点的符号是cm的对数似然比，NR表示接收天线数目。
其中，变量节点给校验节点的信息具体为：
Figure GDA0002672760960000054
式中，
Figure GDA0002672760960000055
表示第g层中第j个变量节点传递给第k个CN的关于符号qm的信息，qm是伽罗华域符号，与调制后的cm对应。
(4)校验节点对接收的信息进行计算后赋值为校验节点给变量节点的信息，传回给第t层变量节点，t≠g。
其中，校验节点给变量节点的信息具体为：
Figure GDA0002672760960000056
式中，
Figure GDA0002672760960000057
表示在第g层中第k个校验节点传递给第t层第j个变量节点的关于符号qm的信息，conf(nr,nc)表示一组最可能路径的集合，每条路径由dr个实数组成，每个实数来自与第k个校验节点相连的dr个变量节点的nr个最可能符号的对数似然比的一个，其中，最可能路径是这些路径中各个元素和最小的路径，conf(nr,nc)中的路径是由包括最可能路径以及从至多nc个位置替换对数似然比所得的路径,θn表示其中路径，θn(t)表示路径中与第k个校验节点相连的第j个变量节点路径中贡献的符号，dr表示与校验节点相连的变量节点的个数。
(5)第t层变量节点根据接收的信息内部固有信息进行更新，并根据更新后固有信息计算变量节点给观察节点的信息，进行传递。
其中，校验节点给变量节点的信息具体为：
Figure GDA0002672760960000061
式中，dc表示与第j个变量节点相连的校验节点的个数。
变量节点给观察节点的信息具体为：
Figure GDA0002672760960000062
式中，
Figure GDA0002672760960000063
表示变量节点发送至观察节点的信息。
(6)g＝g+1，并返回至步骤(2)，直至所有层被更新。
(7)返回步骤(1)进行下一次迭代，直至达到预设迭代次数。
(8)对变量节点的内部固有信息进行硬判决，得到译码后的序列。
图2为各种方式下误码率的比较结果图，从如图2可以看出，本发明可以在不增加复杂度情况下提高差错性能，在比特误率10-3时，差错性能比分离检测译码时提高了7dB。
图3展示了，处于相同信噪比时，本发明的提出的算法可以节约很多迭代周期。
图4提出了整个基于非二进制LDPC编码的大规模MIMO的图合并的分层检测译码算法的整体硬件架构。架构包括OBN，VN a部分，VN b部分，和CN。当OBN接收到来自信道的信息时，首先初始化OBN给VN信息，并传给第1层的VN，然后这些VN更新后将信息传给CN经过更新后，再传回第1层VN。第一层VN将信息传给OBN，然后第2层更新开始。MUX是是数据选择器，用来将信息传给对应的VN。所有层更新一次后，进行下一个周期的迭代。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种NB-LDPC编码的图合并检测译码方法，其特征在于该方法包括：
(1)初始化变量节点发送至观察节点的信息βj,i＝0，g＝1；
(2)MIMO检测因子图中的观察节点根据接收到的来自信道的信息，计算符号概率信息，并传递给第g层变量节点；
(3)第g层变量节点根据符号概率信息对内部固有信息进行更新，并将更新后固有信息赋值为变量节点给校验节点的信息进行传递；
(4)校验节点对接收的信息进行计算后赋值为校验节点给变量节点的信息，传回给第t层变量节点，t≠g；
(5)第t层变量节点根据接收的信息内部固有信息进行更新，并根据更新后固有信息计算变量节点给观察节点的信息，进行传递；
(6)g＝g+1，并返回至步骤(2)，直至所有层被更新；
(7)返回步骤(1)进行下一次迭代，直至达到预设迭代次数；
(8)对变量节点的内部固有信息进行硬判决，得到译码后的序列。
2.根据权利要求1所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(2)中的符号概率信息计算公式为：
Figure FDA0002599908740000011
式中，
Figure FDA0002599908740000012
表示在第g层中第i个观察节点传给第j个变量节点的符号是cm的对数似然比，hij是信道矩阵H的第i行第j个元素，uij和
Figure FDA0002599908740000013
分别是内部加性噪声zij的均值和方差，cm是符号集c＝[c0,c1,…cn-1]中的第m个。
3.根据权利要求1所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(3)中更新后的内部固有信息计算公式为：
Figure FDA0002599908740000014
式中，
Figure FDA0002599908740000015
表示在第g层中第j个变量节点所代表的符号是cm的对数似然比，作为内部固有信息，
Figure FDA0002599908740000016
表示在第g层中第l个观察节点传给第i个变量节点的符号是cm的对数似然比，NR表示接收天线数目。
4.根据权利要求3所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(3)中所述变量节点给校验节点的信息具体为：
Figure FDA0002599908740000021
式中，
Figure FDA0002599908740000022
表示第g层中第j个变量节点传递给第k个校验节点的关于符号qm的信息，qm是伽罗华域符号，与调制后的cm对应。
5.根据权利要求3所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(4)中所述校验节点给变量节点的信息具体为：
Figure FDA0002599908740000023
式中，
Figure FDA0002599908740000024
表示在第g层中第k个校验节点传递给第t层第j个变量节点的关于符号qm的信息，conf(nr,nc)表示一组最可能路径的集合，每条路径由dr个实数组成，每个实数来自与第k个校验节点相连的dr个变量节点的nr个最可能符号的对数似然比的一个，其中，最可能路径是这些路径中各个元素和最小的路径，conf(nr,nc)中的路径是由包括最可能路径以及从至多nc个位置替换对数似然比所得的路径,θn表示其中路径，θn(t)表示路径中与第k个校验节点相连的第j个变量节点路径中贡献的符号，
Figure FDA0002599908740000025
表示第g层中第j个变量节点传递给第t层第k个校验节点的关于符号θn(t)的信息，dr表示与校验节点相连的变量节点的个数。
6.根据权利要求5所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(5)中所述校验节点给变量节点的信息具体为：
Figure FDA0002599908740000026
式中，dc表示与第j个变量节点相连的校验节点的个数。
7.根据权利要求6所述的NB-LDPC编码的图合并检测译码方法，其特征在于：步骤(5)中所述变量节点给观察节点的信息具体为：
Figure FDA0002599908740000027
式中，
Figure FDA0002599908740000028
表示变量节点发送至观察节点的信息。
CN201710228989.5A 2017-04-10 2017-04-10 Nb-ldpc编码的图合并检测译码方法 Active CN107094026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710228989.5A CN107094026B (zh) 2017-04-10 2017-04-10 Nb-ldpc编码的图合并检测译码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710228989.5A CN107094026B (zh) 2017-04-10 2017-04-10 Nb-ldpc编码的图合并检测译码方法

Publications (2)

Publication Number Publication Date
CN107094026A CN107094026A (zh) 2017-08-25
CN107094026B true CN107094026B (zh) 2020-11-03

Family

ID=59636846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710228989.5A Active CN107094026B (zh) 2017-04-10 2017-04-10 Nb-ldpc编码的图合并检测译码方法

Country Status (1)

Country Link
CN (1) CN107094026B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847848B (zh) * 2018-06-13 2021-10-01 电子科技大学 一种基于信息后处理的极化码的bp译码算法
CN111600817B (zh) * 2019-02-20 2022-11-04 天津光电通信技术有限公司 一种因子图迭代均衡的串行分层调度算法
CN115021867B (zh) * 2022-06-01 2023-04-14 北京理工大学 一种基于因子图的mimo-ldpc高效检测译码方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101860514A (zh) * 2010-05-24 2010-10-13 航天恒星科技有限公司 一种基于自适应符号载波分配的不等差错保护方法
CN102484631A (zh) * 2009-08-07 2012-05-30 汤姆森许可贸易公司 使用低密度奇偶校验编码和星座映射的数据接收
US20150188568A1 (en) * 2013-12-27 2015-07-02 Samsung Electronics Co., Ltd. Method and apparatus for decoding non-binary parity check code
US20150295592A1 (en) * 2014-04-14 2015-10-15 Samsung Electronics Co., Ltd Decoding method, apparatus, and algorithm for nonbinary ldpc codes
CN105471547A (zh) * 2014-09-30 2016-04-06 美国博通公司 通信设备及通过其执行的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102484631A (zh) * 2009-08-07 2012-05-30 汤姆森许可贸易公司 使用低密度奇偶校验编码和星座映射的数据接收
CN101860514A (zh) * 2010-05-24 2010-10-13 航天恒星科技有限公司 一种基于自适应符号载波分配的不等差错保护方法
US20150188568A1 (en) * 2013-12-27 2015-07-02 Samsung Electronics Co., Ltd. Method and apparatus for decoding non-binary parity check code
US20150295592A1 (en) * 2014-04-14 2015-10-15 Samsung Electronics Co., Ltd Decoding method, apparatus, and algorithm for nonbinary ldpc codes
CN105471547A (zh) * 2014-09-30 2016-04-06 美国博通公司 通信设备及通过其执行的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Low-complexity layered BP-based detection and decoding for a NB-LDPC coded MIMO system;Ali Haroun等;《2014 IEEE International Conference on Communications (ICC)》;20140614;全文 *
Non-binary LDPC码译码器的设计与实现;杨鸿;《中国优秀硕士学位论文全文数据库信息科技辑》;20130315(第3期);全文 *

Also Published As

Publication number Publication date
CN107094026A (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
CN108847848B (zh) 一种基于信息后处理的极化码的bp译码算法
US9831895B2 (en) System and method for a message passing algorithm
CN105897379B (zh) 一种极化码级联空时码系统及其级联极化码编码方法
CN110430009B (zh) 多用户联合编码调制系统
CN109981224B (zh) 一种深空通信信道编译码系统及其方法
CN107094026B (zh) Nb-ldpc编码的图合并检测译码方法
CN107231158B (zh) 一种极化码迭代接收机、系统和极化码迭代译码方法
CN106941394B (zh) 极化码编码的scma的联合检测译码方法及装置
CN106936543B (zh) 极化码编码的mimo的图合并检测译码方法及装置
CN102064917B (zh) 一种ldpc编码调制系统的解调译码方法
CN109889208A (zh) Navdat中基于归一化最小和算法的ldpc信道译码方法
CN104539295A (zh) 一种基于特征位先验信息的新型ldpc迭代译码的初始化方法
CN106301517A (zh) 基于期望传播的卫星多波束联合检测及译码方法及系统
CN101615913A (zh) Ldpc码的快速收敛译码算法
CN110601699B (zh) 码率动态可变的多元ldpc码实现方法
CN115378524A (zh) 一种优化的期望传播检测方法及信号检测装置
US20100058143A1 (en) Efficient Decoding
CN105846955B (zh) 多波束移动卫星通信系统多用户联合迭代检测译码方法
Haroun et al. Symbol-based BP detection for MIMO systems associated with non-binary LDPC codes
CN113114269A (zh) 一种置信传播-信息修正译码方法
CN115426014B (zh) 一种基于酉空时编码调制的水声mimo通信方法
CN112787694A (zh) 一种基于期望传播的mimo-scma系统的低复杂度检测算法
CN110336640B (zh) 一种短码长系统lt码译码方法
CN104506278B (zh) Ldpc调制系统的联合迭代接收机线性优化方法
CN103746772A (zh) Ldpc编码调制系统的解调器输出软信息的优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant