CN111510162B - 一种基于节点刷新机制的低复杂度多元ldpc译码方法 - Google Patents

Abstract

本发明公开了一种基于节点刷新机制的低复杂度多元LDPC译码方法，包括设置目标迭代次数、迭代次数阈值、偏差值阈值、滑动检测窗宽，划分校验节点；判断当前迭代次数；更新处于处理子集中的校验节点；更新变量节点；对译码符号进行判决；将校验节点分为处理子集或非处理子集；刷新处理子集。通过对使用节点划分准则之后，出现译码错误的信息帧在迭代译码过程中的相关数据进行收集和分析，针对错误特性，通过设计节点刷新机制，对迭代译码过程中出现该错误特性的帧进行处理节点子集的重置，重新启动被划分至非处理节点子集中的校验节点，使其重新进行信息更新，从而减弱节点划分准则对算法性能造成的衰退。

Description

一种基于节点刷新机制的低复杂度多元LDPC译码方法

技术领域

本发明涉及信道编码技术领域，尤其涉及一种基于节点刷新机制的低复杂度多元LDPC译码方法。

背景技术

多元LDPC码由于其拥有相较于二元LDPC码更加优异的译码性能和在高阶调制信道上的天生优势，受到了信道编码领域学者们的广泛关注。多元LDPC码最初由Davey和MacKay提出，他们提出了一种定义在有限域GF(q)上的LDPC码，并相应的提出了适用于此多元LDPC码的译码方法，通常称为Q-ary sum-product算法(QSPA)。多元LDPC码还因其能够避免错误平层问题，所以其在中短码长领域具有更加优秀的性能，但是由于直接实现QSPA算法的计算复杂度过高，这使得LDPC码很难在实际中进行应用。

为了降低多元LDPC码的计算复杂度，Declercq等人在2007年提出了一种extendedmin-sum(EMS)算法，该算法通过对输入至校验节点的信息向量进行截短来减少校验节点的计算量。2012年，Ma等人用Trellis图对EMS算法进行重新描述(称为M-EMS算法)，同时还提出了两种M-EMS算法的改进算法，称为T-EMS算法和D-EMS算法，2013年，Zhao等人提出了一种μ-EMS算法，这些算法都是通过使用截断准则减少参与校验节点更新计算的向量长度来降低计算复杂度。2017年，孙友明等人引入节点划分准则，通过与信息向量的截断准则相结合，提出了一种双重截断准则的k-EMS算法。

节点划分准则通过判断与校验节点相邻的变量节点的可靠性，将校验节点划分为处理/非处理子集，并使一部分足够可靠的校验节点在下一次迭代译码中不进行信息的更新，从而有效地减少运算量。但这些减少计算复杂度的手段造成了算法在性能上一定程度地退化，降低算法的纠错性能。

发明内容

本发明的目的在于提供一种基于节点刷新机制的低复杂度多元LDPC译码方法，减弱节点划分准则对算法性能造成的衰退，提高了算法的纠错性能。

为实现上述目的，本发明提供了一种基于节点刷新机制的低复杂度多元LDPC译码方法，包括：

根据信道接收序列计算初始化向量，设置目标迭代次数，并获取预设的迭代次数阈值、偏差值阈值、滑动检测窗宽，将所有校验节点划分至处理子集；

判断当前迭代次数是否小于或等于所述目标迭代次数；

根据对校验节点划分的结果，对处于处理子集中的校验节点进行信息更新，计算外信息；

根据外信息对变量节点进行信息更新，同时更新似然后验概率；

根据似然后验概率对译码符号进行判决；

根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1；

判断是否触发节点刷新机制，在当前译码的信息帧的迭代参数具有错误特征时，刷新处理子集。

在一实施方式中，根据信道接收序列计算初始化向量，具体包括：

计算对数域的似然信息，基于量化间隔和量化比特数将对数域的似然信息量化为整数信息；

利用信息截断准则对初始化向量进行信息截断。

在一实施方式中，判断当前迭代次数是否小于或等于所述目标迭代次数，具体包括：

若当前迭代次数大于所述目标迭代次数，则退出迭代译码，输出译码结果；

若当前迭代次数小于或等于所述目标迭代次数，则进入迭代译码过程；迭代译码过程包括校验节点和变量节点的信息更新，似然后验概率的计算，译码符号的判决以及校验和的计算。

在一实施方式中，根据似然后验概率对译码符号进行判决，具体包括：

根据变量节点的后验概率向量对译码符号进行判决，并判断译码序列的校验和是否为零；

若是，则退出迭代译码，输出译码结果；

若否，则根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1。

在一实施方式中，判断是否触发节点刷新机制，具体包括：

判断当前迭代次数是否大于所述迭代次数阈值；

若是，则启动对处理子集数据的检测；

若否，则进入下一轮迭代译码过程的判断。

在一实施方式中，启动对处理子集数据的检测，具体包括：

获取一次迭代中处理节点子集中的节点个数与上一次迭代中处理子集的节点个数之差，标记为数组；

对数组中的数据作算数平均计算得到平均值，并判断所述平均值是否小于所述偏差值阈值。

在一实施方式中，判断所述平均值是否小于所述偏差值阈值，具体包括：

若所述平均值小于所述偏差值阈值，则处理子集中的校验节点的个数进入平台期，处理子集中的校验节点个数进行重置，并进入下一次迭代译码；

若所述平均值大于或等于所述偏差值阈值，则直接进入下一次迭代译码。

本发明的一种基于节点刷新机制的低复杂度多元LDPC译码方法，通过设置目标迭代次数、迭代次数阈值、偏差值阈值、滑动检测窗宽，将所有校验节点划分至处理子集；判断当前迭代次数是否小于或等于目标迭代次数，对处于处理子集中的校验节点进行信息更新，计算外信息，根据外信息对变量节点进行信息更新，根据似然后验概率对译码符号进行判决，根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1，在当前译码的信息帧的迭代参数具有错误特征时，刷新处理子集；对误码帧在迭代过程中相关数据出现的错误特征进行分析，通过对迭代次数及处理节点子集中校验节点个数的稳定性进行判断，对在迭代译码过程中具有错误特征的信息帧进行甄别。对于具有错误特征的信息帧，将所有的校验节点都重新划分至处理节点子集中，使所有的校验节点在下一次迭代译码过程中重新进行信息更新，以计算新的C2V向量，用于减弱节点划分准则对算法性能造成的影响，可以有效地减少划分节点子集所带来的性能衰退，提高了算法的纠错性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于节点刷新机制的低复杂度多元LDPC译码方法的流程示意图；

图2是本发明实施例提供的一种基于节点刷新机制的低复杂度多元LDPC译码方法的具体流程示意图；

图3是节点刷新机制流程图；

图4是多元LDPC码的Normal图；

图5是不同信噪比下收敛帧与非收敛帧的校验节点数分布图；

图6是各算法的BER/SER数据图；

图7是各算法的复杂度比率图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

请参阅图1，图1是本发明实施例提供的一种基于节点刷新机制的低复杂度多元LDPC译码方法的流程示意图，具体的，所述基于节点刷新机制的低复杂度多元LDPC译码方法可以包括以下步骤：

S101、根据信道接收序列计算初始化向量，设置目标迭代次数，并获取预设的迭代次数阈值、偏差值阈值、滑动检测窗宽，将所有校验节点划分至处理子集；

本发明实施例中，所述目标迭代次数为最大迭代次数，在设置目标迭代次数、迭代次数阈值、偏差值阈值、滑动检测窗宽后，将所有校验节点划分至处理子集。令F_q表示q阶有限域，一个基于有限域F_q上的多元LDPC码ζ_q＝[n,k]可以定义为其稀疏校验矩阵H＝[h_ij]_m×n的零空间，其中h_ij∈F_q。消息向量v＝(v₀,v₁,…,v_n-1)只有满足Hv^T＝0时才为此LDPC码的一个合法码字。

首先定义两个引索集：

N_i＝{j:0≤j≤n-1,h_i,j≠0}；

其中的元素表示校验矩阵H的第i行中，不为零的元素所在的列的序号；

M_j＝{i:0≤i≤m-1,h_i,j≠0}；

其中的元素表示在校验矩阵H的第j列中，不为零的元素所在的行的序号。

对于一个给定的校验矩阵H，可以用如图4所示的Normal图来描述LDPC码的译码过程。在Normal图中，边代表的是变量，而顶点则代表的是某种约束条件。在多元LDPC码的Normal图中共有三种节点，变量节点(V节点)代表校验矩阵中的每一列，校验节点(C节点)代表着校验矩阵中的每一行，对于校验矩阵中不为零的元素，即h_ij≠0，用中间节点表示。在Normal图中，所有与第j个变量节点相邻的边都必须为相同的变量，所有与第i个校验节点相邻的边所代表的相连之和必须为零。

请参阅图2，图2是本发明实施例提供的一种基于节点刷新机制的低复杂度多元LDPC译码方法的具体流程示意图。现在将基于Normal图对EMS算法的具体步骤进行描述，主要包括信息初始化、信息截断准则、变量节点、校验节点和中间节点之间的信息的传递和处理。

考虑一个有限域上的多元LDPC码ζ_q＝[n,k]，设/>为一个码字，其中任何一个码符号v_i都可以用一个/>位的二进制向量表示/>所以对于BPSK调制而言，可以将码字v映射成一个双极性序列：

对于0≤i≤n-1,时，序列和码字之间的关系为/>接着，该双极型序列通过信道传输受到噪声干扰后的信道接收值序列为：

对于一个给定的信道接收值序列y，可以通过以下方式来计算初始化信息的值。

先计算对数域的似然信息

式中，s⁽ⁱ⁾表示此有限域符号向量表示形式的第i个比特。

基于量化间隔和量化比特数对数域的似然信息量化为整数信息，具体为设量化间隔Δ＞0和量化比特数b＞1为两个需要被设计的参数，利用这两个参数，能够依据下列规则将对数域的似然信息量化成整数信息，需要注意的是在量化过程中2^bΔ应足够大，以确保信道接受值能够被更多的包括进来：

式中，[x]为取整运算，表示取最接近x的整数。

利用信息截断准则对初始化向量进行信息截断。

设置最大迭代次数maxiter及当前迭代次数iter＝0，首次迭代译码时，所有的校验节点都处于检验节点处理子集M^(l)中。

S102、判断当前迭代次数是否小于或等于所述目标迭代次数；

本发明实施例中，若当前迭代次数iter大于所述目标迭代次数即最大迭代次数，则退出迭代译码，输出译码结果；若当前迭代次数iter小于或等于最大迭代次数，则进入迭代译码过程。

迭代译码过程包括处理节点子集中的校验节点的信息更新、变量节点的信息更新，似然后验概率的计算、译码序列符号的判决以及校验和的计算。

S103、根据对校验节点划分的结果，对处于处理子集中的校验节点进行信息更新，计算外信息；

本发明实施例中，根据对校验节点划分的结果，对处于M^(l)中的校验节点进行信息更新，计算其外信息并对其进行信息截断；多元LDPC码校验节点的更新使用在Trellis图上的前向后向递归过程来计算。首先分别定义如下两个向量α_t＝(α_t(0),α_t(1),…,α_t(q-1))和β_t＝(β_t(0),β_t(1),…,β_t(q-1))为前向递归向量和后向递归向量，其计算过程如下所示：

前向迭代过程，设α₀＝(0,-∞,…,-∞)，令d_c表示第i个校验节点的度，接着对于0≤t＜d_c-1和递归计算：

后向迭代过程，设令d_c表示第i个校验节点的度，接着对于d_c≥t＞1和/>递归计算：

外信息提取，对于0≤t≤d_c-1和利用下式计算校验节点传递给中间节点的外信息：

信息后处理，对于0≤t≤d_c-1，计算：

式中，ξ为一个尺度因子。

S104、根据外信息对变量节点进行信息更新，同时更新似然后验概率；

本发明实施例中，根据变量节点的更新规则，分别计算和/>同时根据置换规则对/>进行置换，得到/>具体的，在迭代译码过程中，变量节点V_j接收与之相连的中间节点H_ij传递的信息/>并按照下列规则进行更新：

变量节点V_j传递给中间节点H_ij的外信息计算方式为：

在LDPC译码过程中，校验节点和变量节点之间传递的信息需要通过中间节点进行消息置换。

变量节点V_j的信息通过中间节点H_ij传递给校验节点C_i的信息按照下式的进行置换：

校验节点C_i的信息通过中间节点点H_ij传递给变量节点V_j的信息按照下式的进行置换：

S105、根据似然后验概率对译码符号进行判决；

本发明实施例中，根据式：

来对变量节点的译码符号进行判决，同时判断译码序列的校验和是否为零。

若是，则退出迭代译码，输出译码结果；若否，则根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1。

S106、根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1；

本发明实施例中，对于校验节点C_i而言，它所代表的约束条件为所有与第i个校验节点相邻的边所代表的变量之和必须为零。设为第l次迭代更新时，与校验节点C_i相连的变量节点的判决码元集合，这些码元集合参与第i个校验方程的校验和计算：

根据校验节点子集划分准则，对校验和的校验节点进行划分，将其划分为处理/非处理节点，其中非处理节点存在的一个共性为，与此校验节点相邻的变量节点的判决码元的可靠度优势足够大，即相较于其他符号而言，此有限域符号作为正确判决译码结果的可能性更大。

令表示第l次迭代译码时第j个变量节点的标记，如果该变量节点的码元可靠优势度超过某个阈值T_c，则认为该变量节点是足够可靠的，将该变量节点标记为0；反正，则标记为1，即：

假设M⁽⁰⁾为所有校验节点的集合，为第l次迭代时需要进行信息更新的校验节点的集合，对划分至集合M^(l)的校验节点由下式进行确定：

其中，0≤i≤m-1。

此时，所有的校验节点被划分成了两个子集，其中在第l次迭代译码时，不需要进行校验节点更新的节点子集为

S107、判断是否触发节点刷新机制，在当前译码的信息帧的迭代参数具有错误特征时，刷新处理子集。

本发明实施例中，获取预设的迭代次数阈值、偏差值阈值、滑动检测窗宽，将所有校验节点划分至处理子集；即设置必要的参数T_i,d,其中T_i代表启动节点刷新机制的迭代次数阈值，d代表用于判断处理子集中的校验节点个数是否处于平稳的偏差值阈值，/>表示滑动检测的窗宽。

触发节点刷新机制的具体过程具体为：

判断当前迭代次数是否大于迭代次数阈值，若是，则启动对处理子集相关数据的检测；若否，则回到判断当前迭代次数是否小于或等于最大迭代次数的判断。

启动对处理子集数据的检测具体包括，设包含当前迭代次数在内的各次迭代过程中处理节点子集中的节点个数为获取/>中进行信息更新的校验节点个数，设为d_w＝(n_iter-ω-1,n_iter-ω,…,n_iter)，并计算后一次迭代过程与前一次迭代中处理子集的节点个数之差，标记为数组/>对数组中的数据作算数平均计算得到平均值D，并判断所述平均值D是否小于所述偏差值阈值d。

若所述平均值D小于所述偏差值阈值d，则处理子集中的校验节点的个数进入平台期，对处理子集中的校验节点个数进行重置，所有校验节点重新开始信息更新；若所述平均值D大于或等于所述偏差值阈值d，则不采取刷新机制，进入下一次迭代译码。

对于采用节点划分准则的多元LDPC译码算法而言，在一次迭代中停止部分校验节点的更新会使得译码性能出现一定程度的退化，特别是在错误平层区域。本发明从这些发生误码的信息帧(非收敛帧)在迭代译码过程中处理节点子集中的校验节点个数、校验节点序号入手，比较其与译码正确的信息帧(收敛帧)对应数据在随着迭代地不断进行而呈现的规律。通过对不同信噪比下，校验矩阵参数为m＝44,n＝88的多元LDPC码进行仿真测试，测试中收集到的收敛帧与非收敛帧的相关数据随迭代进行的分布情况呈现出如图5所示的特征。

由图5可以看出，随着迭代过程的进行，收敛帧和非收敛帧在当前迭代译码过程中进行信息更新的校验节点的个数分布上存在明显的差异，收敛帧收敛速度较快，在第10次迭代左右就已经收敛，故在之后迭代过程中的进行信息更新的校验节点数几乎为零，而非收敛帧则出现平层现象，在某次迭代之后会较为稳定的收敛到一个常数而不再发生变化。

根据图5所显示出的非收敛帧存在的特性，本发明提出一种节点刷新机制如下所示：

请参阅图3，图3是节点刷新机制流程图。首先，设置必要的参数T_i,d,其中T_i代表启动节点刷新机制的迭代次数阈值，d代表用于判断处理子集中的校验节点个数是否处于平稳的偏差值阈值，/>表示滑动检测的窗宽。

若当前迭代次数T_current大于预设的迭代阈值T_i，则启动对处理节点子集相关数据的检测，收集包含当前迭代次数在内的，在预设的滑动窗口宽度之内的/>次迭代过程，即中进行信息更新的校验节点个数与上一次迭代中处理节点子集的节点个数之差，记为数组/>

对数组中的数据作算数平均D，并判断其与偏差值阈值d之间的大小，若D＜d则认为处理节点子集中校验节点的个数进入平台期，并将处理节点子集中的校验节点个数进行重置，使所有校验节点重新开始信息更新；反之，则不采取刷新机制，进入下一次迭代译码。

现考虑使用一个建立在有限域F₆₄上的，校验矩阵H_b参数为m＝100,n＝200的规则多元LDPC码，此校验矩阵的行重和列重为d_r＝4,d_c＝2。对于所有的译码器而言，信道模型为AWGN信道，信息序列采用BPSK调制，最大迭代次数设为50。

为了横向比较各译码算法之间的计算复杂度，本文考虑使用不同算法中，对于每帧信息的译码过程中进行了信息更新的校验节点的平均个数之比(复杂度比率)来衡量：

本发明考虑对比不使用节点子集划分准则的M-EMS算法，采用现有的子集划分准则的k-EMS算法和采用本文提出的基于节点刷新机制的Re-EMS在不同信噪比下的性能与计算复杂度。对于M-EMS算法，令其参数M＝32；对于k-EMS算法，令其参数M＝32，T_c＝160，对于Re-EMS算法，其修正系数T_c＝160,T_i＝10,d＝2,对于所有的译码算法而言，相关参数的设定为ξ＝0.9,b＝8,Δ＝1/64。

图6显示了各算法在不同的信道信噪比环境下的误码率(BER)和误帧率(FER)，从中可以看出，采用本发明所提出的Re-EMS算法在所有的信噪比条件下，都具有比k-EMS算法更优异的纠错性能，同时相比于不采用节点划分准则的M-EMS算法，其性能在高信噪比区域大约有0.3dB的损失。

图7中各算法的复杂度比例显示，Re-EMS算法相比于M-EMS算法的复杂度比率在低信噪比区域大约为0.8左右，高信噪比区域时只有0.75左右，同时在所有信噪比条件下，Re-EMS算法相较于k-EMS算法都具有更低的计算复杂度。

综上所述，本发明所提出的节点刷新策略，能够在现有节点划分准则的基础上，减少由于划分节点子集而对算法性能造成的衰退。

本发明为采用节点子集划分准则的EMS译码算法提出了能够一种降低算法纠错性能衰退的节点刷新机制。本发明针对节点划分准则带来的性能衰退这一问题，通过对误码帧在迭代过程中相关数据出现的错误特征进行分析，通过迭代次数及处理节点子集中校验节点个数的稳定性进行判断，对在迭代译码过程中具有错误特征的信息帧进行甄别，并将所有的校验节点都重新划分至处理节点子集中，使所有的校验节点重新进行信息更新，以计算新的C2V向量，用于减弱节点划分准则对算法性能造成的影响，仿真结果表明，本发明所提出的算法可以有效地减少划分节点子集所带来的性能衰退。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (4)

1.一种基于节点刷新机制的低复杂度多元LDPC译码方法，其特征在于，包括：

根据信道接收序列计算初始化向量，设置目标迭代次数，并获取预设的迭代次数阈值、偏差值阈值、滑动检测窗宽，将所有校验节点划分至处理子集；

判断当前迭代次数是否小于或等于所述目标迭代次数；

根据对校验节点划分的结果，对处于处理子集中的校验节点进行信息更新，计算外信息；

根据外信息对变量节点进行信息更新，同时更新似然后验概率；

根据似然后验概率对译码符号进行判决；

根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1；

判断是否触发节点刷新机制，在当前译码的信息帧的迭代参数具有错误特征时，刷新处理子集；

其中，判断当前迭代次数是否小于或等于所述目标迭代次数，具体包括：

若当前迭代次数大于所述目标迭代次数，则退出迭代译码，输出译码结果；

若当前迭代次数小于或等于所述目标迭代次数，则进入迭代译码过程；迭代译码过程包括校验节点和变量节点的信息更新，似然后验概率的计算，译码符号的判决以及校验和的计算；

根据似然后验概率对译码符号进行判决，具体包括：

根据变量节点的后验概率向量对译码符号进行判决，并判断译码序列的校验和是否为零；若是，则退出迭代译码，输出译码结果；

若否，则根据校验节点子集划分准则，将校验节点分为处理子集或非处理子集，同时迭代次数增加1；

判断是否触发节点刷新机制，具体包括：

判断当前迭代次数是否大于所述迭代次数阈值；

若是，则启动对处理子集数据的检测；

若否，则进入下一轮迭代译码过程的判断。

2.如权利要求1所述的基于节点刷新机制的低复杂度多元LDPC译码方法，其特征在于，根据信道接收序列计算初始化向量，具体包括：

计算对数域的似然信息，基于量化间隔和量化比特数将对数域的似然信息量化为整数信息；

利用信息截断准则对初始化向量进行信息截断。

3.如权利要求2所述的基于节点刷新机制的低复杂度多元LDPC译码方法，其特征在于，启动对处理子集数据的检测，具体包括：

获取一次迭代中处理节点子集中的节点个数与上一次迭代中处理子集的节点个数之差，标记为数组；

对数组中的数据作算数平均计算得到平均值，并判断所述平均值是否小于所述偏差值阈值。

4.如权利要求3所述的基于节点刷新机制的低复杂度多元LDPC译码方法，其特征在于，判断所述平均值是否小于所述偏差值阈值，具体包括：

若所述平均值小于所述偏差值阈值，则处理子集中的校验节点的个数进入平台期，处理子集中的校验节点个数进行重置，并进入下一次迭代译码；

若所述平均值大于或等于所述偏差值阈值，则直接进入下一次迭代译码。