CN108833051B - 基于最小化量化误差l1范数的对数似然比均匀量化方法 - Google Patents
基于最小化量化误差l1范数的对数似然比均匀量化方法 Download PDFInfo
- Publication number
- CN108833051B CN108833051B CN201810387035.3A CN201810387035A CN108833051B CN 108833051 B CN108833051 B CN 108833051B CN 201810387035 A CN201810387035 A CN 201810387035A CN 108833051 B CN108833051 B CN 108833051B
- Authority
- CN
- China
- Prior art keywords
- quantization
- likelihood ratio
- log
- norm
- delta
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0052—Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Error Detection And Correction (AREA)
Abstract
一种基于最小化量化误差L1范数的对数似然比均匀量化方法,包括以下步骤:第一步、根据LLR公式计算每个样本符号的原始对数似然比;第二步、计算量化区间对应的量化结果,得到原始对数似然比量化误差的L1范数;第三步、利用黄金分割法找出使量化误差的L1范数最小的量化间隔,实现均匀量化。本发明在对数似然比的概率分布无法准确已知的情况下,克服以往依靠LLR的分布进行量化的方法无从下手的问题,只需要利用符号样本计算LLR量化误差,就能够进行均匀量化,克服了对LLR概率分布的依赖性。此外,对数似然比的量化误差采用L1范数进行计算,更符合对数似然比的对数特性,而且在性能上有明显改善。
Description
技术领域
本发明属于编码调制通信领域,具体涉及一种基于最小化量化误差L1范数的对数似然比均匀量化方法,最大限度地降低运算复杂度以及量化误差带来的系统性能损失。
背景技术
在无线数字通信系统中,编码调制技术是保证通信可靠性的核心技术之一,对数似然比(LLR)的引入为软判决译码算法带来了非常大的便利。然而,直接计算出的LLR一般为浮点数,在使用硬件电路译码时会造成电路设计的复杂化。因此,在进行译码前对LLR进行适当量化是必不可少的。如何采用合适的方法进行量化,进而最大限度地减少量化误差带来的系统性能损失,对于编码调制技术的实际使用效果影响巨大。
J.Max在IRE Transactions on Information Theory,6(1):7-12,1960上发表的“Quantizing for minimum distortion”,提出了一种通用的量化方法,通过均匀量化实现最小化量化均方误差,也即最小化量化误差的L2范数。然而,L2范数并不适合于描述LLR的特性。
C.Novak,P.Fertl,G.Matz在2009IEEE International Symposium onInformation Theory:1070-1074,2009上发表的“Quantization for soft-outputdemodulators in bit-interleaved coded modulation systems”提出了一种LLR的非均匀量化方法,利用LLR的概率分布对其进行非均匀量化,使得每个量化区间对应的概率相等,但是这种方法要求已知LLR的概率分布,而实际应用中LLR的分布往往无法准确已知,因此难以满足算法要求。
发明内容
本发明的目的在于针对上述现有技术中的问题,提供一种基于最小化量化误差L1范数的对数似然比均匀量化方法,通过迭代算法快速调节量化间隔的大小,实现对数似然比的均匀量化,不仅能够大大减小计算量,而且量化后的对数似然比在误码率性能方面也得到改善。
为了实现上述目的,本发明采用的技术方案包括以下步骤:
第一步、根据LLR公式计算每个样本符号的原始对数似然比;
第二步、计算量化区间对应的量化结果,得到原始对数似然比量化误差的L1范数;
第三步、利用黄金分割法找出使量化误差的L1范数最小的量化间隔,实现均匀量化。
第一步所述根据LLR公式计算每个样本符号原始对数似然比的具体方法如下:
针对接收到的M个样本符号,若第j个符号采用具有个星座点的QAM调制方式,则共有个比特,在已知每个符号的调制方式和信噪比的情况下,根据LLR公式计算出每个符号所对应比特的原始对数似然比,记为li,i=1,2,…,N。
对于无记忆的加性高斯白噪声信道,输入为xj,输出为yj,j=1,2,...,M,则有:
yj=xj+zj;
其中,xj是QAM调制符号,其平均功率为1,zj是均值为0、方差为1/ρj的复高斯白噪声,ρj为第j个符号的信噪比;因此该信道的前向转移概率密度函数为:
对应的数据比特集合为:
其中bv,v=1,2,…,Rj是长度为Lj的比特向量;
记符号xj中第t个比特为bt(xj),t=1,2,…,Lj,则译码量度为:
接收符号中第t位的LLR由下式计算:
第二步假设量化级数为m,量化间隔为2δ,则量化区间的个数为Q=2m;
第k个量化区间为:
该区间对应的量化结果为:
λδ,k=-(Q-1)δ+2(k-1)δk=1,2,…,Q;
设原始对数似然比li的均匀量化结果为λ′δ,i,i=1,2,…,N,则量化误差的L1范数为:
第三步利用黄金分割法找出使量化误差的L1范数最小的δ,具体步骤如下:
a)设δ的搜索区间为[δL,δR],初始化δL=0,δR=1;
b)计算dL=DL1(δL),dR=DL1(δR),若dL≤dR,则进入步骤d);否则进入步骤c);
c)令δ1=δR,δR=2δR,计算d1=DL1(δ1),dR=DL1(δR);
若d1≤dR则进入步骤d);否则重复步骤c);
d)在区间[δL,δR]内使用黄金分割法搜索δ的最优值δ*,将搜索精度的门限设为ε:
否则令δ1=δL+(δR-δL)×0.382,δ2=δL+(δR-δL)×0.618,计算d1=DL1(δ1),d2=DL1(δ2),若d1≤d2,则令δR=δ2,重复步骤d);否则令δL=δ1,重复步骤d)。
通过FPGA实现硬件运算电路。
与现有技术相比,本发明具有如下的有益效果:在对数似然比的概率分布无法准确已知的情况下,以往依靠LLR的分布进行量化的方法便无从下手。本发明只需要利用符号样本计算LLR量化误差,就能够进行均匀量化,克服了对LLR概率分布的依赖性。此外,对数似然比采用译码量度的对数值进行计算,而对数加减法符合L1范数的特点,因此采用L1范数度量量化误差的大小,相比于L2范数更符合对数似然比的特性,而且在性能上有明显改善。
进一步的,本发明通过FPGA实现硬件运算电路,FPGA具有运算速度快的特点,但是难以实现复杂的数学运算电路,本发明极大的减小了运算复杂度,有利于FPGA的实现。
附图说明
图1本发明LLR均匀量化的3级量化示意图;
图2利用黄金分割法寻找最小化量化误差的L1范数示意图;
图3本发明在加性高斯白噪声信道QPSK调制下与其他方法的性能对比图;
图4本发明在加性高斯白噪声信道16QAM调制下与其他方法的性能对比图;
图5本发明在加性高斯白噪声信道64QAM调制下与其他方法的性能对比图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
参见图1-2,本发明基于最小化量化误差L1范数的对数似然比均匀量化方法包括:
第一步,计算样本符号的原始对数似然比。
针对接收到的M个样本符号,若第j个符号采用具有个星座点的QAM调制方式,则共有个比特;在已知每个符号的调制方式和信噪比的情况下,根据LLR公式计算出每个符号所对应比特的原始对数似然比,记为li,i=1,2,…,N。在编码调制通信系统中,考虑调制方式为QAM调制,此时计算对数似然比(LLR)的方法如下:
对于无记忆的加性高斯白噪声信道,输入为xj,输出为yj,j=1,2,...,M,则有:
yj=xj+zj;
其中xj是QAM调制符号,其平均功率为1,zj是均值为0,方差为1/ρj的复高斯白噪声,ρj为第j个符号的信噪比。因此,该信道的前向转移概率密度函数为:
对应的数据比特集合为:
其中bv,v=1,2,…,Rj是长度为Lj的比特向量。
记符号xj中第t个比特为bt(xj),t=1,2,…,Lj,则译码量度为:
接收符号第t位的LLR可由下式计算:
第二步,对LLR进行均匀量化。
设量化级数为m,量化间隔为2δ,则量化区间的个数为Q=2m,第k个量化区间为
该区间对应的量化结果为:
λδ,k=-(Q-1)δ+2(k-1)δk=1,2,…,Q;
设原始对数似然比li的均匀量化结果为λ′δ,i,i=1,2,…,N,则量化误差的L1范数为:
第三步,利用黄金分割法寻找使得量化误差的L1范数最小的δ,具体步骤如下:
a)设δ的搜索区间为[δL,δR],初始化为δL=0,δR=1。
b)计算dL=DL1(δL),dR=DL1(δR),若dL≤dR,则进入步骤d);否则进入步骤c)。
c)令δ1=δR,δR=2δR,计算d1=DL1(δ1),dR=DL1(δR):
若d1≤dR则进入步骤d);否则重复步骤c)。
d)在区间[δL,δR]内使用黄金分割法搜索δ的最优值δ*,将搜索精度的门限设为ε,若|δL-δR|≤ε,则算法结束;否则令δ1=δL+(δR-δL)×0.382,δ2=δL+(δR-δL)×0.618,计算d1=DL1(δ1),d2=DL1(δ2),若d1≤d2,则令δR=δ2,重复步骤d);否则令δL=δ1,重复步骤d)。
参见图3-5,通过计算机仿真结果对比本发明和其他方法的性能,本实例分别采用QPSK、16QAM、64QAM等调制方式,采用约束长度为7的1/2码率卷积码进行信道编码,信道为加性高斯白噪声信道,搜索精度的门限ε=10-5。参考方法由J.Max在IRE Transactions onInformation Theory,6(1):7-12,1960上发表的“Quantizing for minimum distortion”提出。图中横坐标表示信噪比,单位为分贝(dB),纵坐标表示对应的误码率。由于采用无限量化LLR方法的BER性能要比所有有限量化LLR方法的BER性能更好,此处用于对比其他两种量化LLR方法的BER性能。BER越低则性能越好,从仿真结果可见,采用本发明的误码率曲线一直在参考方法的误码率曲线以下,说明本发明的方法优于其他参考方法。
Claims (3)
1.一种基于最小化量化误差L1范数的对数似然比均匀量化方法,其特征在于:
第一步、根据LLR公式计算每个样本符号的原始对数似然比;具体方法如下:
针对接收到的M个样本符号,若第j个符号采用具有个星座点的QAM调制方式,则共有个比特,在已知每个符号的调制方式和信噪比的情况下,根据LLR公式计算出每个符号所对应比特的原始对数似然比,记为li,i=1,2,…,N;
对于无记忆的加性高斯白噪声信道,输入为xj,输出为yj,j=1,2,…,M,则有:
yj=xj+zj;
其中,xj是QAM调制符号,其平均功率为1,zj是均值为0、方差为1/ρj的复高斯白噪声,ρj为第j个符号的信噪比;因此该信道的前向转移概率密度函数为:
对应的数据比特集合为:
其中bv,v=1,2,…,Rj是长度为Lj的比特向量;
记符号xj中第t个比特为bt(xj),t=1,2,…,Lj,则译码量度为:
接收符号中第t位的LLR由下式计算:
第二步、计算量化区间对应的量化结果,得到原始对数似然比量化误差的L1范数;
假设量化级数为m,量化间隔为2δ,则量化区间的个数为Q=2m;
第k个量化区间为:
该区间对应的量化结果为:
λδ,k=-(Q-1)δ+2(k-1)δk=1,2,…,Q;
设原始对数似然比li的均匀量化结果为λ′δ,i,i=1,2,…,N,则量化误差的L1范数为
第三步、利用黄金分割法找出使量化误差的L1范数最小的量化间隔,实现均匀量化。
2.根据权利要求1所述基于最小化量化误差L1范数的对数似然比均匀量化方法,其特征在于,第三步利用黄金分割法找出使量化误差的L1范数最小的δ,具体步骤如下:
a)设δ的搜索区间为[δL,δR],初始化δL=0,δR=1;
b)计算dL=DL1(δL),dR=DL1(δR),若dL≤dR,则进入步骤d);否则进入步骤c);
c)令δ1=δR,δR=2δR,计算d1=DL1(δ1),dR=DL1(δR);
若d1≤dR则进入步骤d);否则重复步骤c);
d)在区间[δL,δR]内使用黄金分割法搜索δ的最优值δ*,将搜索精度的门限设为ε:
否则令δ1=δL+(δR-δL)×0.382,δ2=δL+(δR-δL)×0.618,计算d1=DL1(δ1),d2=DL1(δ2),若d1≤d2,则令δR=δ2,重复步骤d);否则令δL=δ1,重复步骤d)。
3.根据权利要求1所述基于最小化量化误差L1范数的对数似然比均匀量化方法,其特征在于,通过FPGA实现硬件运算电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387035.3A CN108833051B (zh) | 2018-04-26 | 2018-04-26 | 基于最小化量化误差l1范数的对数似然比均匀量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387035.3A CN108833051B (zh) | 2018-04-26 | 2018-04-26 | 基于最小化量化误差l1范数的对数似然比均匀量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108833051A CN108833051A (zh) | 2018-11-16 |
CN108833051B true CN108833051B (zh) | 2020-03-31 |
Family
ID=64155647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387035.3A Active CN108833051B (zh) | 2018-04-26 | 2018-04-26 | 基于最小化量化误差l1范数的对数似然比均匀量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108833051B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101790854A (zh) * | 2007-08-31 | 2010-07-28 | 高通股份有限公司 | 用于多输入多输出系统的接近软输出最大似然检测 |
CN104272632A (zh) * | 2013-04-04 | 2015-01-07 | 华为技术有限公司 | 无线通信网络中的方法和节点 |
CN105099974A (zh) * | 2015-08-28 | 2015-11-25 | 中国人民解放军理工大学 | 一种低复杂度的空间调制软判决检测方法 |
CN105490775A (zh) * | 2015-11-30 | 2016-04-13 | 桂林电子科技大学 | 一种基于m-qam信号的比特对数似然比值的量化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8229013B2 (en) * | 2008-09-17 | 2012-07-24 | Qualcomm Incorporated | Methods and systems for maximum-likelihood detection using post-squaring compensation |
-
2018
- 2018-04-26 CN CN201810387035.3A patent/CN108833051B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101790854A (zh) * | 2007-08-31 | 2010-07-28 | 高通股份有限公司 | 用于多输入多输出系统的接近软输出最大似然检测 |
CN104272632A (zh) * | 2013-04-04 | 2015-01-07 | 华为技术有限公司 | 无线通信网络中的方法和节点 |
CN105099974A (zh) * | 2015-08-28 | 2015-11-25 | 中国人民解放军理工大学 | 一种低复杂度的空间调制软判决检测方法 |
CN105490775A (zh) * | 2015-11-30 | 2016-04-13 | 桂林电子科技大学 | 一种基于m-qam信号的比特对数似然比值的量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108833051A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100487183B1 (ko) | 터보 부호의 복호 장치 및 방법 | |
US7159168B2 (en) | Iterative decoding with likelihood weighting | |
JP4709119B2 (ja) | 復号装置及び復号方法 | |
US6993703B2 (en) | Decoder and decoding method | |
US20040005019A1 (en) | Turbo decoder employing max and max* map decoding | |
WO2020113945A1 (zh) | 一种极化码构造方法、装置、电子设备及可读存储介质 | |
JPH05315977A (ja) | 軟判定最尤復号方法および復号器 | |
KR20030058935A (ko) | 터보 부호들의 품질 지수 기준을 사용한 반복 종료 | |
CN111726202B (zh) | 一种极化码置信传播译码的提前终止迭代方法 | |
RU2214679C2 (ru) | Способ квантования для итеративного декодера в системе связи | |
US7391826B2 (en) | Decoding method and apparatus | |
CN108833051B (zh) | 基于最小化量化误差l1范数的对数似然比均匀量化方法 | |
EP1101369B1 (en) | Apparatus and method for adaptive map channel decoding in radio telecommunication system | |
US6614858B1 (en) | Limiting range of extrinsic information for iterative decoding | |
US6954507B2 (en) | Method for estimating the bit error rate in a radio receiver and corresponding radio receiver | |
US7027532B2 (en) | Viterbi decoding with channel and location information | |
KR0122749B1 (ko) | 적응 양자화를 이용한 소프트 결정방법 | |
CN112564859A (zh) | 一种软比特量化方法、装置、终端及存储介质 | |
US20020035716A1 (en) | Decoder and decoding method | |
Geldmacher et al. | EXIT-optimized index assignments for turbo decoders with unreliable LLR transfer | |
US8798174B2 (en) | Method and device for quantizing likelihood quotients | |
CN118054797B (zh) | 编码及译码方法、装置、设备 | |
CN112532254B (zh) | 星载低复杂度的Turbo码译码方法及Turbo译码器 | |
CN112994842B (zh) | 一种软比特的量化方法、装置、解调器及计算机存储介质 | |
Naka | Performance of Probabilistic Amplitude Shaping with a single LUT Distribution Matcher |
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 |