CN111970010A - 一种基于压缩感知的ldpc码译码方法 - Google Patents
一种基于压缩感知的ldpc码译码方法 Download PDFInfo
- Publication number
- CN111970010A CN111970010A CN202010869471.1A CN202010869471A CN111970010A CN 111970010 A CN111970010 A CN 111970010A CN 202010869471 A CN202010869471 A CN 202010869471A CN 111970010 A CN111970010 A CN 111970010A
- Authority
- CN
- China
- Prior art keywords
- matrix
- decoding
- compressed sensing
- check
- ldpc code
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 113
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 10
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明属于无线通信技术领域,具体涉及一种基于压缩感知的LDPC码译码方法。通过使用现有标准中的LDPC码基础校验矩阵在伽罗华域中构造压缩感知测量矩阵,使得在信道译码过程中,压缩感知单元能够利用码字间校验约束关系对接收码字进行处理。结合压缩感知理论自身优势,在稀疏空间中对高维信号进行降维处理,迭代计算过程中仅使用远低于原始信号维度的测量集实现原始信号的估计。实验仿真结果也进一步表明,基于压缩感知的LDPC码译码算法相较域传统迭代译码译码时延获得显著改善,虽然在译码精度上有所损失,但在误差允许范围内,算法依然具备广泛的应用场景。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种基于压缩感知的LDPC码译码方法。
背景技术
在新一代移动通信中,低密度奇偶校验码作为增强移动宽带场景下数据信道编码方案,其编码简单、结构灵活、易于实现。在译码过程中,经典置信传播(BriefPropagation,BP)算法及其改进算法均为基于迭代的译码算法,在迭代译码算法中,对于长码字收敛速度慢,而在LDPC码中,长码字才能够更好发挥编码的性能,以此,传统译码算法限制了LDPC码的性能。
发明内容
针对现有标准中低密度奇偶校验码(Low-Density Parity-Check,LDPC)迭代译码算法的不足,本发明提出了一种基于压缩感知(Compressed Sensing,CS)的LDPC码译码方法。在稀疏空间中,低维不完备测量数据集能够高概率地保留原始数据的结构特征及信息,这是应用压缩感知的理论基础。LDPC码是一种线性分组码,通过设计稀疏校验矩阵H使得发送码字具有严格的稀疏性及校验约束性质。本发明通过将稀疏校验矩阵作为压缩感知测量矩阵,使得LDPC码线性译码问题与压缩感知稀疏重构过程具有相同的零空间特性,利用压缩感知模块取代线性译码部分,不仅满足校验约束条件,还能够有效地发挥压缩感知理论在信息处理过程中的优势。
本发明采用的技术方案是:
译码器模型如图1所示,本发明使用现有标准中的LDPC码基础校验矩阵构造压缩感知测量矩阵,压缩感知模块利用校验约束关系对接收码字进行处理。在译码算法中,首先对接收码字进行基础校验,合法码字直接进行求逆(广义逆)处理,对不满足约束条件的码字进行压缩感知测量,这一步的目的是减少译码过程处理数据量,加快迭代计算收敛;接着更新初始残差集合,记录测量矩阵中最相关向量索引;然后根据残差集和,利用最小二乘法获得合法码字的初始估计,并再次进行校验;若满足,译码结束,若不满足,再次更新残差集合,重复以上步骤,直至达到最大迭代次数,结束译码。
本发明的技术方案为,一种基于压缩感知的LDPC码译码方法,包括以下步骤:
S1、采用LDPC码基础校验矩阵构造压缩感知测量矩阵:根据系统标准,选择基础校验矩阵Hb,将Hb按照信息位矩阵Hm和校验位矩阵Hc进行划分,有Hb=[Hm Hc],舍弃校验位部分Hc,得到压缩感知测量矩阵Hm;同时定义本原元为α的确定伽罗华域GF(2d);
S2、确定循环置换子矩阵:定义循环矩阵维数为ss,选取GF(2d)中最大正整数θ,计算θ′=θmod ss,zθ′=θ′,从而获得θ对应的ss元位置向量以z(θ)进行循环移位扩展,获得ss×ss循环置换子矩阵A(τ),τ表示移位距离;
S3、对矩阵Hm的元素p(i,j)进行更新获得更新后的元素p′(i,j):
若p′(i,j)≤0,以ss×ss维全0方阵替换;
若p′(i,j)>0且p′(i,j)∈GF(2d),以方阵A(d)替换;
其中方阵A(d)为d阶循环矩阵,元素为0、1,完成子矩阵替换后,获得测量矩阵向量空间Sm;
S4、根据输入参数(m,n,x,y),从空间Sm中获取校验矩阵HBG,其中参数m,n表示校验矩阵维数,x,y表示其实元素位置;
S5、根据校验矩阵HBG与生成矩阵GBG的关系获得生成矩阵GBG:
HBG·GBG T=0T
GBG·HBG T=0
S6、对接收码字xi进行初始校验,判断是否满足:
xi·HBG=0
若满足则判断为合法码字,进行线性译码:
进入步骤S11;
否则,将接收码字输入压缩感知单元进行观测降维:
yi=xi·HBG
将首次获得的y0作为初始残差r0,并初始索引集Λ0为空,初始化最大迭代次数,进入步骤S7;
S7、找出当前残差rt和测量矩阵的列向量hj内积最大值所对应的列标,记为λt:
式中n表示测量矩阵列向量的维数。
S8、更新当前索引集Λt:
Λt=Λt-1∪λt
获得测量矩阵中最相关元素集合Ht:
S9、通过下式使用最小二乘法获得到x的最优估计:
S10、判断估计值是否满足:
若是,则进行线性译码:
进入步骤S11;
否则,更新残差:
后回到步骤S7,若达到最大迭代次数,进入步骤S11;
S11、结束译码。
本发明的有益效果为,通过使用现有标准中的LDPC码基础校验矩阵在伽罗华域中构造压缩感知测量矩阵,使得在信道译码过程中,压缩感知单元能够利用码字间校验约束关系对接收码字进行处理。结合压缩感知理论自身优势,在稀疏空间中对高维信号进行降维处理,迭代计算过程中仅使用远低于原始信号维度的测量集实现原始信号的估计。实验仿真结果也进一步表明,基于压缩感知的LDPC码译码算法相较域传统迭代译码译码时延获得显著改善,虽然在译码精度上有所损失,但在误差允许范围内,算法依然具备广泛的应用场景。
附图说明
图1为基于压缩感知的LDPC码译码器模型;
图2为基于压缩感知的译码算法流程图;
图3为稀疏度K为20时,测量值M与不同测量矩阵的重构成功率之间的关系;
图4为测量值M为64时,稀疏度K与不同测量矩阵的重构成功率之间的关系;
图5为LDPC译码、CS-LDPC译码以及CS译码的误码率曲线。
具体实施方式
下面结合附图和仿真示例对本发明进行详细说明。
本发明的步骤流程如图2所示。具体包括:
一、校验矩阵HBG设计
现有移动宽带无线接入标准(IEEE 802.16e)选用LDPC码作为编码方案,在表1中列出了标准制定的19种码长:
表1为IEEE 802.16e中19种码长标准
576 | 672 | 768 | 864 | 960 |
1056 | 1152 | 1248 | 1344 | 1440 |
1536 | 1632 | 1728 | 1824 | 1920 |
2016 | 2112 | 2208 | 2304 |
表2中列出了其6种码率:
表2为IEEE 802.16e中6种码率标准
1/2 | 2/3(A类) | 2/3(B)类 | 3/4(A类) | 3/4(B类) | 5/6 |
不同码率下对应的基础校验矩阵形式由表3-8具体呈现:
表3为码率为1/2时,基矩阵形式
表4为码率为2/3(A类)时,基矩阵形式
表5为码率为2/3(B)类时,基矩阵形式
表6为码率为3/4(A类)时,基矩阵形式
表7为码率为3/4(B类)时,基矩阵形式
表8为码率为5/6时,基矩阵形式
本发明使用IEEE 802.16e中的基础矩阵进行校验矩阵构造。
确定伽罗华域GF(2d),其中d表示空间本身有d个本原元。GF(2d)上的d次多项式p(x)若不能被GF(2d)上任意次小于d大于0的多项式整除,则称多项式p(x)为GF(2d)上的不可约多项式;d次不可约多项式p(x)若满足能被p(x)整除的xn+1的最小正整数n为n=2d-1,则称p(x)为本原多项式;若α满足p(α)=0且2d-1是满足αn=1的最小正整数,则可把α看作GF(2d)的一个本原元。对于一个GF(2d)的构造,首先要确定一个d次本原多项式p(x),接着以α构造集合{0,1,α,α2,…,α2d-2},集合中的运算是封闭的,即获得伽罗华域GF(2d)。
对所选基矩阵Hb划分,Hb为表3至表8中任意矩阵,本发明展示数据选用表5基础矩阵得出,其中循环移位部分为校验位部分。基矩阵按照信息位矩阵Hm和校验位矩阵Hc进行划分,有Hb=[Hm Hc],舍弃校验位部分Hc,得到方阵Hm;
步骤1:确定循环置换子矩阵,已知GF(2d)的本源元为α,循环矩阵维数为ss,选取GF(2d)中最大正整数θ,计算θ′=θmodss,zθ′=θ′,求得θ对应的ss元位置向量 以z(θ)进行循环移位扩展,获得ss×ss方阵A(τ),τ表示移位距离;
步骤2:对矩阵Hm元素进行更新,对矩阵元素p(i,j),其中i表示元素的行号、j表示元素的列号更新规则如下:
若p′(i,j)≤0,以ss×ss维全0方阵替换;
若p′(i,j)>0且p′(i,j)∈GF(2d),以方阵A(d)替换;
步骤3:使用时根据输入参数(m,n,x,y),从空间Sm中获取校验矩阵HBG,其中参数m,n表示校验矩阵维数,x,y表示其实元素位置。
使用离散傅里叶进行稀疏变换,通过正交匹配追踪算法进行进行重构,当误差符合时,则重构完成。设稀疏度K为20,测量值M=64≥Klog(N/K),一维信号长度N为256,一维信号频率f1、f2、f3、f4分别为50Hz、100Hz、100Hz、50Hz,采用序列Ts=1:N,采样频率fs为10kHz,采用间隔ts为0.1ms,一维测试信号为
x=0.1×cos(2π×f1×ts×Ts)+0.2×cos(2π×f2×ts×Ts)
+0.4×cos(2π×f1×ts×Ts)+0.8×cos(2π×f1×ts×Ts)
图3给出在稀疏度K为20时,测量值M与不同测量矩阵的重构成功率之间的关系,在一维时域信号重构中,分组渐进边G-PEG生成矩阵的重构成功率要高于高斯随机矩阵,有限域BG基础生成矩阵的重构成功率比高斯随机矩阵高10%。图4位在测量值M为64时,稀疏度K与不同测量矩阵的重构成功率之间的关系,可以看出有限域BG基础生成矩阵的重构成功率高于分组渐进边G-PEG生成矩阵,均优于高斯随机矩阵。
根据设计系统标准,选择合适的码率下的基础校验矩阵,对基础校验矩阵元素按照公式(1)进行归一化处理,对处理后的归一化矩阵元素进行子矩阵扩展,扩展后获得伽罗华域下系数矩阵空间。以上可以根据系统的预处理生成并存储,根据传入参数的不同快速、灵活地生成多种稀疏矩阵。
二、由校验矩阵HBG获得生成矩阵GBG
本发明中校验矩阵HBG与生成矩阵GBG满足关系:
HBG·GBG T=0T
GBG·HBG T=0
矩阵的转化关系为:
HBG=[PIr]
其中P为r×k阶矩阵,在本发明中Ir为r×r阶单位方阵,满足m=r+k,其中m为校验矩阵行向量的维数;
GBG=[IkPT]
其中PT为矩阵P的转置,在本发明中Ik为k×k阶单位方阵。
三、译码算法流程
步骤1、对接收码字xi进行初始校验,判断是否满足:
xi·HBG=0
若满足则判断为合法码字,进行线性译码:
进入步骤6;
否则,将接收码字输入压缩感知单元进行观测降维:
yi=xi·HBG
将首次获得的测量值y0作为初始残差r0,进入步骤3;
步骤2、找出当前残差rt和测量矩阵的列向量hj(hj∈HBG={h0,h1,…,hn-1})内积最大值所对应的列标,记为λt:
λt=argmaxj=1,2…N|<rt-1,hj>|
步骤3、更新当前索引集Λt(索引集Λ初始为空):
Λt=Λt-1∪λt
获得测量矩阵中最相关元素集合Ht:
步骤5、判断估计值是否满足:
若是,则进行线性译码:
进入步骤6;
否则,更新残差:
后回到步骤2,若达到最大迭代次数,进入步骤6;
步骤6、结束译码。
在CS-LDPC译码性能方面,利用加性高斯白噪声AWGN信道与二进制相移键控BPSK调制进行仿真。具体参数为最大信噪比SNR=9,每次抽样数为2000个,产生随机数据集,数据共传输10次。图5分别为LDPC译码、CS-LDPC译码以及CS译码的误码率曲线。可以看出,CS-LDPC译码在误码率方面相对LDPC译码以及CS译码均有所提升。对相同的数据流进行编码传输,在相同的传输参数及条件下,基于压缩感知的低密度奇偶校验码译码算法相比于经典置信传播译码算法,可实现42.62%的译码速度提升。
Claims (1)
1.一种基于压缩感知的LDPC码译码方法,其特征在于,包括以下步骤:
S1、采用LDPC码基础校验矩阵构造压缩感知测量矩阵:根据系统标准,选择基础校验矩阵Hb,将Hb按照信息位矩阵Hm和校验位矩阵Hc进行划分,有Hb=[Hm Hc],舍弃校验位部分Hc,得到压缩感知测量矩阵Hm;同时定义本原元为α的确定伽罗华域GF(2d);
S2、确定循环置换子矩阵:定义循环矩阵维数为ss,选取GF(2d)中最大正整数θ,计算θ′=θmodss,zθ′=θ′,从而获得θ对应的ss元位置向量z(θ)={z0,z1,...zss-1},以z(θ)进行循环移位扩展,获得ss×ss循环置换子矩阵A(τ),τ表示移位距离;
S3、对矩阵Hm的元素p(i,j)进行更新获得更新后的元素p′(i,j):
若p′(i,j)≤0,以ss×ss维全0方阵替换;
若p′(i,j)>0且p′(i,j)∈GF(2d),以方阵A(d)替换;
S5、根据校验矩阵HBG与生成矩阵GBG的关系获得生成矩阵GBG:
HBG·GBG T=0T
GBG·HBG T=0
S6、对接收码字xi进行初始校验,判断是否满足:
xi·HBG=0
若满足则判断为合法码字,进行线性译码:
进入步骤S11;
否则,将接收码字输入压缩感知单元进行观测降维:
yi=xi·HBG
将首次获得的y0作为初始残差r0,并初始索引集Λ0为空,初始化最大迭代次数,进入步骤S7;
S7、找出当前残差rt和测量矩阵的列向量hj内积最大值所对应的列标,记为λt:
式中n表示校验矩阵列向量的维数;
S8、更新当前索引集Λt:
Λt=Λt-1∪λt
获得测量矩阵中最相关元素集合Ht:
Ht=[Ht-1,hλt]
S9、通过下式使用最小二乘法获得到x的最优估计:
S10、判断估计值是否满足:
若是,则进行线性译码:
进入步骤S11;
否则,更新残差:
后回到步骤S7,若达到最大迭代次数,进入步骤S11;
S11、结束译码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010869471.1A CN111970010A (zh) | 2020-08-26 | 2020-08-26 | 一种基于压缩感知的ldpc码译码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010869471.1A CN111970010A (zh) | 2020-08-26 | 2020-08-26 | 一种基于压缩感知的ldpc码译码方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111970010A true CN111970010A (zh) | 2020-11-20 |
Family
ID=73390494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010869471.1A Pending CN111970010A (zh) | 2020-08-26 | 2020-08-26 | 一种基于压缩感知的ldpc码译码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111970010A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915294A (zh) * | 2022-07-11 | 2022-08-16 | 中国人民解放军国防科技大学 | 一种面向块稀疏信号的压缩感知观测数据获取方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103248371A (zh) * | 2012-12-18 | 2013-08-14 | 中国农业大学 | 一种基于无标度复杂网络ldpc码的压缩感知方法 |
-
2020
- 2020-08-26 CN CN202010869471.1A patent/CN111970010A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103248371A (zh) * | 2012-12-18 | 2013-08-14 | 中国农业大学 | 一种基于无标度复杂网络ldpc码的压缩感知方法 |
Non-Patent Citations (1)
Title |
---|
杜凤强: "基于压缩感知的LDPC码译码方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915294A (zh) * | 2022-07-11 | 2022-08-16 | 中国人民解放军国防科技大学 | 一种面向块稀疏信号的压缩感知观测数据获取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110572163B (zh) | 用于编码和译码ldpc码的方法和装置 | |
Mitchell et al. | Spatially coupled LDPC codes constructed from protographs | |
Johannesson et al. | Fundamentals of convolutional coding | |
CN101924565B (zh) | Ldpc编码器、解码器、系统及方法 | |
CN101079638B (zh) | 用于降低复杂度的低密度奇偶校验解码的系统和方法 | |
US11784668B2 (en) | Decoding fec codewords using ldpc codes define by a parity check matrix which is defined by rpc and qc constraints | |
CN110024294B (zh) | 空间耦合准循环ldpc码的生成 | |
RU2450442C2 (ru) | Способ и устройство для кодирования и декодирования канала в системе связи с использованием кодов с низкой плотностью проверок на четность | |
CN111279618B (zh) | 通用低密度奇偶校验码 | |
CN107863972A (zh) | 一种低译码复杂度的快速多元ldpc码译码方法 | |
CN107404321B (zh) | 用于纠错码解码的方法和设备 | |
US11626888B2 (en) | Method and apparatus for quasi-cyclic low-density parity-check | |
CN108270510B (zh) | 基于ldpc码的通信方法和通信设备 | |
CN109075805B (zh) | 实现极化码的设备和方法 | |
CN110730008A (zh) | 一种基于深度学习的rs码置信传播译码方法 | |
CN111970010A (zh) | 一种基于压缩感知的ldpc码译码方法 | |
Ovchinnikov et al. | Decoding of linear codes for single error bursts correction based on the determination of certain events | |
CN101577554B (zh) | 多码长多码率的低密度奇偶校验码的编码方法 | |
Ostrev et al. | Classical product code constructions for quantum Calderbank-Shor-Steane codes | |
Castanheira et al. | Lossy source coding using belief propagation and soft-decimation over LDGM codes | |
Miloslavskaya et al. | Design of compactly specified polar codes with dynamic frozen bits based on reinforcement learning | |
CN101577552B (zh) | 高码率重复累积码的低复杂度编码方法 | |
EP3526899B1 (en) | Decoding of low-density parity-check convolutional turbo codes | |
Balasuriya et al. | Improved symbol value selection for symbol flipping-based non-binary LDPC decoding | |
CN101577553B (zh) | 低密度奇偶校验码的低复杂度编码方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201120 |
|
WD01 | Invention patent application deemed withdrawn after publication |