CN111313911A

CN111313911A - 一种适用于5g ldpc码的度自适应定点化译码算法

Info

Publication number: CN111313911A
Application number: CN201911161919.8A
Authority: CN
Inventors: 王中风; 崔航轩; 林军
Original assignee: Nanjing University
Current assignee: Nanjing University
Priority date: 2019-11-22
Filing date: 2019-11-22
Publication date: 2020-06-19

Abstract

本发明公开了一种适用于5G LDPC码的高性能、低复杂度的度自适应定点化译码算法。在5G LDPC码中，很大一部分变量节点的列重为1，因此这些节点在每次迭代中只能接收到一个校验消息，导致其对所接收校验消息的精度极其敏感，从而具有较高的出错概率。基于此，本发明公开了一个新的校验方程，其精度逼近置信传播算法但复杂度仅与最小和算法近似。此外，考虑到5G LDPC码的行重和列重都极不规则，采用了列重自适应来对列重较高的变量节点进行特殊处理。仿真结果表明与目前最优的算法相比，本发明提出的算法可以在保证低复杂度的前提下，获得0.4dB的性能增益，从而大大提升了5G LDPC码的纠错性能。

Description

一种适用于5G LDPC码的度自适应定点化译码算法

所属技术领域

本发明涉及通信编码技术领域的译码算法，特别涉及到通信领域中一种适用于5GLDPC码的高性能、低复杂度的度自适应定点化译码算法。

背景技术

在通信系统中，信号在由发生源产生，经过有噪信道传输，再由接收端接收这一过程中会受到各种各样的干扰，导致接收信号中存在着一定的错误。因此，为了正确恢复传输信号，信道编码技术就显得尤为重要。在现代通信技术中，低密度奇偶校验(LDPC)码由于其具有接近香农限的译码性能，被广泛应用于多种通信标准中。最近，LDPC码作为信道编码技术被采用到了5G通信标准中。

LDPC码常用的译码算法为置信传播(BP)算法。由于其非常高的计算复杂度，通常采用最小和算法(MS)对其进行近似。此外，还在校验方程中引入了偏移因子来修正近似后方程的精确度。通常情况下修正最小和译码算法(OMS)可以在较低的计算复杂度下获得不错的译码性能。然而，由于5G LDPC码结构上的特殊性，其中列重为1的变量节点对于接收到的校验消息的精确度十分敏感。在经过量化后，偏移因子的值不能达到最优，导致校验消息的精确度有一定的损失。考虑到列重为1的变量节点的敏感性，在使用量化后的修正最小和译码算法对5G LDPC码进行译码时，列重为1的比特的出错概率大大提高，从而极大的损害了译码器的性能表现，不利于高性能的5G LDPC译码器设计。

发明内容

发明目的：本发明旨在针对上述问题，提供一种适用于5G LDPC码的高性能、低复杂度的定点化译码算法。

一种适用于5G LDPC码的高性能、低复杂度的度自适应定点化译码算法，具体发明内容如下：

1)一个高精度的校验节点更新方程，用于提升校验信息的可靠度，进而降低列重为1的变量节点的出错概率。在所提出的更新方程中，采用非均匀计算的方式计算传递给每个变量节点的校验消息。为了保证低复杂度特性，在计算过程中只利用到校验节点中第一和第二小的接收消息，用不同的偏移因子来修正传递给每个变量节点的校验消息。对于只能利用一个外部消息的变量节点，采用最小和算法来计算其所接收到的校验消息。由于定点化后不精确的偏移因子会严重影响列重为1的变量节点的性能，此时将偏移因子的值设为0。对于可以利用两个外部消息的变量节点，使用校验节点中第一和第二小的接收消息来近似置信传播算法中的校验节点更新方程。近似得到的校验节点更新方程可看作是最小和译码算法加上偏移因子，其中偏移因子的值已经通过置信传播算法进行了优化，具有很好的精度。通过严密的数学推导，偏移因子的值可预先确定，省去了计算过程。此时，偏移因子的值取决于校验节点中第一和第二小的接收消息；

2)一种基于列重的自适应译码策略，用于降低错误的高列重变量节点对译码带来的负面影响。在该自适应译码策略中，对于5G LDPC码中的核心校验和扩展校验采用不同的译码策略。考虑到扩展校验与列重为1的变量节点相连，为保证其计算精度，采用权利要求1所述的高精度的校验节点更新方程对其进行更新。考虑到与核心校验所连接的变量节点的列重差异很大，为避免列重较大的变量节点出错难以纠正，通过小幅减小其接收到的校验消息的幅值来控制其软消息的错误增长。因此，对传递给这些节点的校验消息采用最小和译码算法进行计算且将偏移因子固定为1。对于与核心校验所连接的列重较小的变量节点，采用权利要求1所述的高精度的校验节点更新方程对其进行更新。利用一个预设的阈值D来对与核心校验所连接的变量节点的列重进行分类，D的取值通过仿真进行优化。

本发明提出的译码算法，具有以下的有益效果：

首先，本发明的译码算法提升了校验消息的可靠度，进而降低了列重为1的变量节点的出错概率；

其次，本发明的译码算法一定程度上减缓了高列重的变量节点出错对译码的负面影响，提升了瀑布区的译码性能；

第三，本发明的译码算法保证了低计算复杂度的特性；

第四，本发明的译码算法在于目前针对5G LDPC码的定点译码算法的比较中，显示出显著地译码增益。

附图说明

图1是本发明译码算法流程示意图；

图2是本发明实施例的译码性能示意图。

具体实施方式

下面将结合附图对本发明所提出的算法作更进一步的说明。特别说明的是参考附图描述的实施是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

图1是本发明译码算法流程示意图。首先，对于量化的译码算法，将从信道接收到的软消息y进行量化，量化比特数为q₂。量化后将其赋给软判决消息向量z。因为软判决消息一般较大，因此将其以q₁比特进行量化，其中q₁＞q₂。本发明公开的译码算法采用了分层译码的方式，基于此，在不影响译码性能的情况下可加倍收敛速度。在分层译码中，每个译码迭代分为L层。每个译码层包含三个步骤，首先计算出变量节点传递给校验节点的变量消息，该消息需要被量化到q₂比特。其次，根据变量消息计算出校验消息。最后，根据计算出的校验消息得到更新后的软判决消息值。当完成了所有译码层之后即完成了一次译码迭代。当到达预设的最大迭代次数，或者译码成功时，完成译码并输出译码判决码字。

为了提升校验消息的准确性，本发明公开了一种新的校验方程。首先，为了不增加过多的译码复杂度，只考虑在校验节点的计算中使用接收到的第一和第二小输入消息，记做min 1和min 2，其对应地址分别记做idx1和idx2，定义集合I＝{idx1，idx2}。下式为置信传播译码算法的校验方程，其中N(m)为与第m个校验节点相连的变量节点集合，α_m，n为第m个校验节点传递给第n个变量节点的校验消息，β_n，m第n个变量节点传递给第m个校验节点的变量消息。f(x)为非线性方程，复杂度较高且f(x)＝f^-1(x)。

由于上式的输出值很大程度上取决于最小的输入值，因此在最小和算法中，将上式近似为：

因此，同一个校验节点输出的所有校验消息幅值可完全由min 1和min 2确定，如下式所示，其中λ为引入的偏移因子，用于减少计算误差。

我们发现，对于属于N(m)\I的变量节点，可同时使用min 1和min 2来近似BP算法。此时，经过推导可得到：

其中，

在定点译码中，所有消息均为整数表示。在这时，我们可以证明，当且仅当min 1＝min 2且都为正时，λ＝1，否则，λ＝0。对于属于集合I的变量节点，本发明所公开的校验方程采用最小和算法来计算其所接收到的校验消息。由于定点化后不精确的偏移因子会严重影响列重为1的变量节点的性能，此时将偏移因子的值设为0。

由于5G LDPC码极不规则，各列的列重之间存在着较大的差异。对于列重较大的变量节点，其软判决消息的幅值通常较大，被称作强消息。在瀑布区和早期译码迭代中，由于许多变量节点都是错误的，导致存在大量的错误强消息。这些错误很难被纠正，且会影响到其他比特的正确恢复。因此，为了控制强消息的错误增长，本发明将与其对应变量节点接收到的校验消息幅值略微降低，即，对传递给这些节点的校验消息，将偏移因子固定为1。为了避免过度修正，只在行重较高的区域，也被称作核心区域(core part)的校验节点上应用列重自适应。对于其他行重较低的校验节点，也被称作扩展校验，为保证其计算精度，采用本发明所公开的高精度的校验节点更新方程对其进行更新。此外，通过预设阈值D来对与核心校验所连接的变量节点的列重进行分类，D的取值通过仿真进行优化。

实施例：以码长为2600，码率为1/5，由BG2定义的5G LDPC码为例说明。发送码字采用BPSK调制，经由AWGN信道传输，利用蒙特卡洛方法进行仿真。在量化设置中，q₁＝6，q₂＝4。最大迭代次数设为15。图2是本发明所提出的IAMS算法的译码性能示意图。可以看到，与目前最优的AMS算法相比，当与合适的阈值D进行配对时，IAMS算法在瀑布区可提供0.4dB的性能增益，在错误平层区可提供0.2dB的性能增益。此外，IAMS算法在5G LDPC码上，远胜于传统的量化OMS和MS算法。在瀑布区，量化后的IAMS的性能甚至要优于浮点计算下OMS和MS算法的译码性能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化和替换，都应该涵盖在本发明的保护范围之内。

Claims

1.一种适用于5G LDPC码的高性能、低复杂度的度自适应定点化译码算法，其特征在于：

1)一个高精度的校验节点更新方程，用于提升校验信息的可靠度，进而降低列重为1的变量节点的出错概率；

2)一种基于列重的自适应译码策略，用于降低错误的高列重变量节点对译码带来的负面影响。

2.根据权利要求1所述的高精度的校验节点更新方程，其特征在于：

1)采用非均匀计算的方式计算传递给每个变量节点的校验消息。为了保证低复杂度特性，在计算过程中只利用到校验节点中第一和第二小的接收消息，用不同的偏移因子来修正传递给每个变量节点的校验消息。

2)对于只能利用一个外部消息的变量节点，采用最小和算法来计算其所接收到的校验消息。由于定点化后不精确的偏移因子会严重影响列重为1的变量节点的性能，此时将偏移因子的值设为0；

3)对于可以利用两个外部消息的变量节点，使用校验节点中第一和第二小的接收消息来近似置信传播算法中的校验节点更新方程。近似得到的校验节点更新方程可看作是最小和译码算法加上偏移因子，其中偏移因子的值已经通过置信传播算法进行了优化，具有很好的精度。通过严密的数学推导，偏移因子的值可预先确定，省去了计算过程。

此时，偏移因子的值取决于校验节点中第一和第二小的接收消息。

3.根据权利要求1所述的基于列重的自适应译码策略，其特征在于，对于5G LDPC码中的核心校验和扩展校验采用不同的译码策略。考虑到扩展校验与列重为1的变量节点相连，为保证其计算精度，采用权利要求1所述的高精度的校验节点更新方程对扩展校验进行更新。针对核心校验采用的译码策略：

1)考虑到与核心校验所连接的变量节点的列重差异很大，为避免列重较大的变量节点出错难以纠正，小幅减小其接收到的校验消息的幅值来控制其软消息的错误增长。因此，对传递给这些节点的校验消息采用最小和译码算法进行计算且将偏移因子固定为1；

2)对于与核心校验所连接的列重较小的变量节点，采用权利要求1所述的高精度的校验节点更新方程对其进行更新；

3)通过预设阈值D来对与核心校验所连接的变量节点的列重进行分类，D的取值通过仿真进行优化。