CN114079474A - 数据处理方法、装置、译码器、网络设备和可读存储介质 - Google Patents

数据处理方法、装置、译码器、网络设备和可读存储介质 Download PDF

Info

Publication number
CN114079474A
CN114079474A CN202010822621.3A CN202010822621A CN114079474A CN 114079474 A CN114079474 A CN 114079474A CN 202010822621 A CN202010822621 A CN 202010822621A CN 114079474 A CN114079474 A CN 114079474A
Authority
CN
China
Prior art keywords
llr
category
elements
value
preset
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
Application number
CN202010822621.3A
Other languages
English (en)
Inventor
卞青
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.)
Sanechips Technology Co Ltd
Original Assignee
Sanechips Technology Co Ltd
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 Sanechips Technology Co Ltd filed Critical Sanechips Technology Co Ltd
Priority to CN202010822621.3A priority Critical patent/CN114079474A/zh
Priority to JP2022574835A priority patent/JP2023529185A/ja
Priority to EP21855423.6A priority patent/EP4195514A1/en
Priority to PCT/CN2021/110549 priority patent/WO2022033370A1/zh
Priority to US18/021,037 priority patent/US20230299790A1/en
Priority to KR1020227043480A priority patent/KR20230009498A/ko
Publication of CN114079474A publication Critical patent/CN114079474A/zh
Pending legal-status Critical Current

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
    • H03M13/1111—Soft-decision decoding, e.g. by means of message passing or belief propagation algorithms
    • H03M13/1125—Soft-decision decoding, e.g. by means of message passing or belief propagation algorithms using different domains for check node and bit node processing, wherein the different domains include probabilities, likelihood ratios, likelihood differences, log-likelihood ratios or log-likelihood difference pairs
    • 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
    • H03M13/1111—Soft-decision decoding, e.g. by means of message passing or belief propagation algorithms
    • 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
    • H03M13/1148—Structural properties of the code parity-check or generator matrix
    • H03M13/1151—Algebraically constructed LDPC codes, e.g. LDPC codes derived from Euclidean geometries [EG-LDPC codes]
    • 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
    • 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
    • H03M13/37—Decoding methods or techniques, not specific to the particular type of coding provided for in groups H03M13/03 - H03M13/35
    • H03M13/3723—Decoding methods or techniques, not specific to the particular type of coding provided for in groups H03M13/03 - H03M13/35 using means or methods for the initialisation of the decoder
    • 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
    • H03M13/61—Aspects and characteristics of methods and arrangements for error correction or error detection, not provided for otherwise
    • H03M13/612—Aspects specific to channel or signal-to-noise ratio estimation
    • 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
    • H03M13/65—Purpose and implementation aspects
    • H03M13/6577—Representation or format of variables, register sizes or word-lengths and quantization
    • H03M13/658—Scaling by multiplication or division

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Error Detection And Correction (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本申请提出一种数据处理方法、装置、译码器、网络设备和可读存储介质，该方法包括：依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果；提取分类结果中的各个类别的特征信息；依据各个类别的特征信息，计算获得缩放因子；依据缩放因子对LLR元素进行缩放处理。针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。依据缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素，可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。

Description

数据处理方法、装置、译码器、网络设备和可读存储介质
技术领域
本申请涉及通信技术领域，具体涉及一种数据处理方法、装置、译码器、网络设备和可读存储介质。
背景技术
在第五代移动通信系统(5th Generation Mobile Networks，5G)中，物理数据传输信道上使用低密度校验码(Low Density Parity Check Codes，LDPC)的编/译码技术来实现高质量的信息传输。常用的LDPC译码算法包括硬判决译码算法和软判决译码算法。其中，硬判决译码算法计算复杂度低，但其译码性能不理想，常出现译码错误；软判决译码常用算法是反向传播(Back Propagation，BP)算法，其基本思想是对输入的译码比特的对数似然比(Log Likelihood Ratio，LLR)使用二分图，在校验节点和变量节点间进行信息的迭代传播。同时，考虑到实现复杂度与性能的平衡，还需要对输入的LLR元素进行定点化，并使用特定的比特对LLR元素进行数量化。
但是，软判决译码算法实现复杂，不能很好的适用于实际的通信系统中；而定点化的使用降低了软判决译码算法实现复杂度，但同时也引入了量化误差，使得译码算法无法适应5G通信网络中复杂的衰落信道环境，以及不同调制方式下对LDPC译码器的性能要求。
发明内容
本申请提供一种数据处理方法、装置、译码器、网络设备和可读存储介质，用于解决现有译码算法实现复杂且译码的准确度不高，无法满足通信系统的性能要求的问题。
本申请实施例提供一种数据处理方法，方法包括：依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果；提取分类结果中的各个类别的特征信息；依据各个类别的特征信息，计算获得缩放因子；依据缩放因子对LLR元素进行缩放处理。
本申请实施例提供一种数据处理装置，装置包括：分类模块，用于依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果；提取模块，用于提取分类结果中的各个类别的特征信息；计算模块，用于依据各个类别的特征信息，计算获得缩放因子；缩放模块，用于依据缩放因子对LLR元素进行缩放处理。
本申请实施例提供一种译码器，译码器包括：数据处理装置，用于执行本申请实施例中的的数据处理方法，生成缩放后的LLR元素；量化装置，用于对数据处理装置输出的缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素，并基于量化后的LLR元素获得量化后的LLR数组；译码装置，用于对量化后的LLR数组进行低密度校验码译码。
本申请实施例提供一种网络设备，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本申请实施例中的任意一种数据处理方法。
本申请实施例提供了一种可读存储介质，该可读存储介质存储有计算机程序，计算机程序被处理器执行时实现本申请实施例中的任意一种数据处理方法。
根据本申请实施例的数据处理方法、装置、译码器、网络设备和可读存储介质，通过依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，可将LLR元素依据分类结果中的类别进行均衡，并提取分类结果中的各个类别的特征信息，依据各个类别的特征信息计算获得缩放因子，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素，可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。
附图说明
图1示出本申请一实施例中的数据处理方法的流程示意图。
图2示出本申请又一实施例中的数据处理方法的流程示意图。
图3示出本申请一实施例中的数据处理装置的组成方框图。
图4示出本申请一实施例中的译码器的组成方框图。
图5示出本申请一实施例中的数据处理系统的组成方框图。
图6示出本申请实施例中的自适应缩放模块的组成方框图。
图7示出本申请实施例中的数据处理系统对输入的LLR数组中的LLR元素进行处理的方法流程图。
图8示出能够实现根据本申请实施例的数据处理方法和装置的计算设备的示例性硬件架构的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
为了使输入的LLR数组中的LLR元素在量化的过程中不造成LDPC译码性能的损失，一般需要对输入的浮点型的LLR元素的值进行缩放(scaling)，获得缩放后的LLR元素，然后，在对缩放后的LLR元素进行量化。目前的数据缩放方法主要是基于LDPC的迭代次数、输入信号的SNR及其他与置信度相关的信息来调整缩放因子，并将输入的LLR元素乘以缩放因子，获得缩放后的LLR元素。这些数据缩放方法能够在一定程度上减小由于数据量化而带来的LDPC译码性能损失，但是不能很好的适用于实际的通信系统中，无法适应5G通信网络中复杂的衰落信道环境，以及不同调制方式下对LDPC译码器的性能要求。
图1示出本申请一实施例中的数据处理方法的流程示意图。该数据处理方法可应用于数据处理装置，该数据处理装置可以设置于译码器中。如图1所示，本申请实施例中的数据处理方法可以包括以下步骤。
步骤110，依据调制方式、译码器量化预设阈值和信噪比，对对数似然比元素进行分类，获得分类结果。
其中，对数似然比(Log Likelihood Ratio，LLR)在通信中通常用于软解码，是关于符号值先验概率的比值。在一定条件下(例如，符号等概率取值且信道无记忆时)，也可以转化为后验概率的比值。
在一些具体实现中，步骤110可采用如下方式实现：依据调制方式、译码器量化预设阈值和信噪比，生成分类门限值；依据分类门限值和LLR元素的值，确定LLR元素对应的类别；基于各个LLR元素对应的类别，获得分类结果。
需要说明的是，调制方式可以包括正交相移键控(Quadrature Phase ShiftKeying，QPSK)调制方式、不同进制的正交振幅调制(Quadrature Amplitude Modulation，QAM)方式，例如16进制QAM(16QAM)、64进制QAM(64QAM)和256进制QAM(256QAM)等多种调制方式。以上对于调制方式仅是举例说明，其他未说明的调制方式也在本申请的保护范围之内，可根据具体情况具体设定，在此不再赘述。
译码器量化预设阈值是根据低密度校验码(Low Density Parity Check Codes，LDPC)译码器的量化范围确定的值，例如，若LDPC译码器的量化范围是[-a，b]，且，a和b均是大于零的数，则译码器量化预设阈值取a和b中的最大值，即译码器量化预设阈值qabs＝max(a,b)，例如，若[-a，b]＝[-8.0，7.75]，则qabs＝8。
信噪比(SIGNAL NOISE RATIO，SNR)是指一个电子设备或者电子系统中信号与噪声的比例。这里面的信号指的是来自设备外部需要通过这台设备进行处理的电子信号，噪声是指经过该设备后产生的原信号中并不存在的无规则的额外信号(或信息)，并且噪声并不随原信号的变化而变化。狭义的SNR表示放大器的输出信号的功率与同时输出的噪声功率的比值，通常用分贝数(dB)表示。若设备的信噪比越大，则表明该设备所产生的噪声越少，该设备播放的声音的质量越高；否则相反。其中，分类门限值可以包括多个不同的门限值，以使能够将输入的LLR数组中的LLR元素划分为多个类别，即分类结果可以包括多个类别，每个类别中包括多个LLR元素。通过对不同类别中的LLR元素的值进行均衡，使得能够将具有较大值的LLR元素过滤掉，避免对LLR元素进行量化后而导致饱和量化值较多，导致译码结果不准确，提升译码准确度。
例如，分类门限值ThLLR＝Factorqam*FactorSNR*qabs。其中，qabs表示译码器量化预设阈值，Factorqam表示调制方式对应的分类门限计算因子，FactorSNR表示信噪比对应的分类门限计算因子。例如，若调制方式是256QAM，该调制方式对应的计算因子是4.0，SNR是30dB，此时SNR对应的计算因子是0.9，译码器量化预设阈值设定为8，则分类门限值ThLLR＝4.0×0.9×8.0＝28.8。
步骤120，提取分类结果中的各个类别的特征信息。
其中，类别的特征信息可以包括该类别中的LLR元素的数量、该类别中的LLR元素的值和该类别对应的LLR均值等多种信息。以上对于类别的特征信息仅是举例说明，其他未说明的类别的特征信息也在本申请的保护范围之内，可根据具体情况具体设定，在此不再赘述。
在一些具体实现中，步骤120可采用如下方式实现：分别对分类结果中的每个类别进行如下操作：统计每个类别中的LLR元素的数量，获得每个类别对应的数量统计结果；对每个类别中的LLR元素的值进行累加，生成每个类别对应的数值统计结果；依据每个类别对应的数值统计结果和每个类别对应的数量统计结果，计算生成每个类别对应的LLR均值；依据每个类别对应的数量统计结果、每个类别对应的数值统计结果和每个类别对应的LLR均值，确定每个类别的特征信息。
例如，根据分类门限值ThLLR＝28.8对LLR数组中的LLR元素进行分类，获得的分类结果包括两个类别，即第一类别和第二类别。其中，第一类别中的LLR元素的值大于或等于28.8，第一类别包括M个LLR元素，第二类别中的LLR元素的值小于28.8，第二类别包括N个LLR元素，其中，M和N均为大于或等于1的整数。第一类别对应的数量统计结果为M，第二类别对应的数量统计结果为N。将第一类别中的LLR元素的值进行累加，生成数值统计结果sumh，则该第一类别对应的LLR均值等于sumh÷M。同样地，将第二类别中的LLR元素的值进行累加，生成数值统计结果suml，则该第二类别对应的LLR均值等于suml÷N。
通过计算获得每个类别对应的数量统计结果、每个类别对应的数值统计结果和每个类别对应的LLR均值，方便后续依据以上特征信息计算获得缩放因子，保证缩放因子更符合各个类别的特征，使得能够对不同类别中的LLR元素的值进行均衡。
步骤130，依据各个类别的特征信息，计算获得缩放因子。
需要说明的是，缩放因子用于对LLR元素进行数据的缩放，以提高信道编/译码的性能,从而保证信道的可靠传输。使用各个类别的特征信息来计算获得缩放因子，能够对各个类别中的LLR元素的特征信息进行均衡处理，保证缩放因子更合理。
在一些具体实现中，步骤130可采用如下方式实现：依据数量统计结果，分别确定每个类别的占比；依据每个类别的占比和预设占比门限值，分别确定每个类别的权重；依据各个类别的权重、各个类别对应的LLR均值和预设目标值，计算获得缩放因子，其中，预设目标值是依据译码器量化预设阈值和调制方式确定的值。
例如，预设目标值LLRtarget＝qabs*Factortarget，其中，Factortarget表示调制方式对应的计算因子。
在一些具体实现中，依据每个类别的占比和预设占比门限值，分别确定每个类别的权重，包括：若确定分类结果包括第一类别和第二类别，且满足如下条件：第一类别的占比大于第一预设占比门限，且，第一类别的占比小于第二预设占比门限；第一类别中的LLR元素的值小于元素预设阈值；第二类别中的LLR元素的值大于元素预设阈值；则确定第一类别的权重大于第二类别的权重。
例如，若设定第一预设占比门限为50％，第二预设占比门限为70％，则当第一类别的占比大于50％，且第一类别的占比小于70％时，则表示第一类别在输入的LLR数组中的占比较多；对应的，第二类别在输入的LLR数组中的占比较少，此时可将确定第一类别的权重远远大于第二类别的权重，以保证第一类别对应的权重足够大，第二类别对应的权重足够小，有利于后续对数据进行量化。
在一些具体实现中，依据每个类别的占比和预设占比门限值，分别确定每个类别的权重，包括：若确定分类结果包括高值类别、中值类别和低值类别，且满足第一占比小于第一预设占比门限、第二占比小于第二预设占比门限、且第三占比小于第三预设占比门限；则每个类别的权重由低到高依次为：高值类别的权重、中值类别的权重和低值类别的权重；若确定第一占比大于或等于第一预设占比门限，则高值类别的权重大于中值类别的权重，且，高值类别的权重大于低值类别的权重；其中，第一占比是高值类别在所有类别中的占比，第二占比是低值类别在中值类别和低值类别中的占比，第三占比是中值类别在中值类别和低值类别中的占比。
例如，若设定第一预设占比门限为10％，第二预设占比门限为70％，第三预设占比门限为30％，则当第一占比小于10％，第二占比小于70％且第三占比小于30％时，则可获得低值类别对应的权重pl＝0.8+0.2*rl，中值类别对应的权重pm＝0.2-0.2*rl，高值类别对应的权重ph＝0.0。使得高值类别的权重为零，且，低值类别的权重大于中值类别的权重，以使能够根据各个类别对应的权重，将高值类别对应的LLR元素滤除掉，减少高值类别对应的LLR元素对译码的影响，提高译码的准确度。
需要说明的是，在选择权重因子时，会给LLR元素的值较低的那个类别分配较大的权重，因为对于LDPC典型的迭代译码算法，在每次对校验节点进行迭代计算时，对译码结果影响较大的往往是LLR元素的低值类别，所以偏向低值类别的权重分配方式能够更加准确的对低值类别中的LLR元素进行缩放。并且，高值类别在经过缩放因子的缩放运算后，再将缩放因子进行量化处理后，往往会出现饱和量化值，而高值类别的饱和量化值对译码结果的影响很小，可忽略不计，进而提高译码准确度。
步骤140，依据缩放因子对LLR元素进行缩放处理。
例如，使用缩放因子与输入的LLR数组中的每个LLR元素进行相乘，以对每个LLR元素进行缩放处理，生成缩放后的LLR元素。
在本实施例中，通过依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，可将LLR元素依据分类结果中的类别进行均衡，并提取分类结果中的各个类别的特征信息，依据各个类别的特征信息计算获得缩放因子，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素，可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
在一个具体实现中，在步骤110之前，还包括步骤150和步骤160。
步骤150，对每个LLR元素进行限幅处理，获得限幅后的LLR元素。
需要说明的是，其中的限幅是指将信号的某种特性(例如电压、电流、功率)超过预定门限值的所有瞬时值限定至预定门限值，而对其他所有的瞬时值予以保留的操作。例如，对LLR元素中的范围在[-128.0，128.0]中的部分进行保留，其他超过此范围的数值进行减弱至接近此范围的操作，以保证LLR元素的特征信息更突出。
步骤160，将限幅后的LLR元素缓存至缓存区。
例如，将限幅后的LLR元素保存至预设的内存缓存区中，或保存至预设的存储设备中。以上对于缓存方式仅是举例说明，其他未说明的缓存方式也在本申请的保护范围之内，可根据具体情况具体设定，在此不再赘述。
在本实施例中，先对每个LLR元素进行限幅处理，获得限幅后的LLR元素，以使LLR元素的特征信息更突出；然后将限幅后的LLR元素缓存至缓存区，保证LLR数组中的LLR元素的完整性。再依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，可将LLR元素依据分类结果中的类别进行均衡，并提取分类结果中的各个类别的特征信息，依据各个类别的特征信息计算获得缩放因子，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素，可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
图2示出本申请又一实施例中的数据处理方法的流程示意图。该数据处理方法可应用于数据处理装置，该数据处理装置可以设置于译码器中。如图2所示，本申请实施例中的数据处理方法可以包括以下步骤。
步骤210，依据调制方式、译码器量化预设阈值和信噪比，对对数似然比元素进行分类，获得分类结果；
步骤220，提取分类结果中的各个类别的特征信息。
步骤230，依据各个类别的特征信息，计算获得缩放因子。
步骤240，依据缩放因子对LLR元素进行缩放处理。
需要说明的是，本申请实施例中的步骤210-步骤240，与上一实施例中的步骤110-步骤140相同，在此不再赘述。
步骤250，对缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素。
例如，在预设量化范围内(例如，预设量化范围是[-8.0，7.75]，量化步长为0.25)，对缩放后的LLR元素进行处理，即将缩放后的LLR元素依据量化步长进行量化，并且量化的范围是[-8.0，7.75]，以使量化后的LLR元素的值不超过该预设量化范围，方便后续对量化后的LLR元素的处理。
步骤260，基于量化后的LLR元素获得量化后的LLR数组。
例如，量化前的LLR元素有K个，则量化后的LLR数组包括K个量化后的LLR元素。其中，K为大于或等于1的整数。
步骤270，对量化后的LLR数组进行低密度校验码译码。
需要说明的是，其中的低密度校验码译码是一种用于多种通信系统或信息存贮系统的纠错/检错技术，该译码方式具有逼近信道极限的性能，可保证译码结果的正确性。
在本实施例中，通过依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。并且，将LLR元素依据分类结果中的类别进行均衡，提取分类结果中的各个类别的特征信息，依据各个类别的特征信息计算获得缩放因子，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素。对缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素，可有效减少关键LLR元素的量化误差；在对量化后的LLR数组进行低密度校验码译码，以提升LDPC译码的准确度，降低缩放计算的复杂度。
下面结合附图，详细介绍根据本申请实施例的数据处理装置。图3示出本申请一实施例中的数据处理装置的组成方框图。如图3所示，数据处理装置可以包括如下模块。
分类模块301，用于依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果；提取模块302，用于提取分类结果中的各个类别的特征信息；计算模块303，用于依据各个类别的特征信息，计算获得缩放因子；缩放模块304，用于依据缩放因子对LLR元素进行缩放处理。
根据本申请实施例的数据处理装置，通过分类模块依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，可将LLR元素依据分类结果中的类别进行均衡，并使用提取模块提取分类结果中的各个类别的特征信息，使用计算模块依据各个类别的特征信息计算获得缩放因子，然后，使用缩放模块依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素。可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
图4示出本申请一实施例中的译码器的组成方框图。如图4所示，译码器可以包括如下装置。
数据处理装置401，用于执行上述任意一种数据处理方法，生成缩放后的LLR元素；量化装置402，用于对数据处理装置输出的缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素，并基于量化后的LLR元素获得量化后的LLR数组；译码装置403，用于对量化后的LLR数组进行低密度校验码译码。
根据本申请实施例中的译码器，通过数据处理装置针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，可将LLR元素依据分类结果中的类别进行均衡，并提取分类结果中的各个类别的特征信息，依据各个类别的特征信息计算获得缩放因子；然后，依据该缩放因子对LLR元素进行缩放处理，获得并将缩放后的LLR元素输出给量化装置，使得量化装置能够对缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素，可有效减少关键LLR元素的量化误差；在使用译码装置对量化后的LLR数组进行低密度校验码译码，以提升LDPC译码的准确度，降低缩放计算的复杂度。
需要明确的是，本申请并不局限于上文实施例中所描述并在图中示出的特定配置和处理。为了描述的方便和简洁，这里省略了对已知方法的详细描述，并且上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图5示出本申请一实施例中的数据处理系统的组成方框图。如图5所示，该数据处理系统包括：多进多出解调模块510、自适应缩放模块520和低密度校验码译码模块530。
其中，多进多出解调模块510用于生成LLR元素，自适应缩放模块520用于对多进多出解调模块510输入的LLR数组中的LLR元素进行缩放处理，获得缩放后的LLR元素；低密度校验码译码模块530用于对自适应缩放模块520输出的缩放后的LLR元素进行译码。
图6示出本申请实施例中的自适应缩放模块530的组成方框图。其中，自适应缩放模块530的组成方框图如图6所示，该自适应缩放模块530包括如下模块：LLR输入及存储模块531、LLR分组统计计算模块532、LLR缩放策略选择模块533、LLR缩放因子计算模块534和LLR缩放模块535。
其中，LLR输入及存储模块531，用于存储输入的LLR数组中的LLR元素。
LLR分组统计计算模块532，用于从LLR输入及存储模块531中依次读取存储的LLR元素的值；依据调制方式、SNR和译码器量化预设阈值，自适应地计算出分类门限值，并依据该分类门限值对LLR元素进行分类，获得分类结果；分别统计每个类别中LLR元素的数量，获得每个类别对应的数量统计结果；分别对每个类别中的LLR元素的值进行累加，生成每个类别对应的数值统计结果；依据每个类别对应的数值统计结果和每个类别对应的数量统计结果，计算生成每个类别对应的LLR均值；然后将每个类别对应的数量统计结果输出给LLR缩放策略选择模块533，将每个类别对应的LLR均值输出给LLR缩放因子计算模块534。LLR分组统计计算模块532还用于依据数量统计结果，分别确定每个类别的占比，并将每个类别的占比输出给LLR缩放策略选择模块533。
LLR缩放策略选择模块533，用于根据LLR分组统计计算模块532输入的每个类别的占比，使用预先设定好的比较策略，计算获得LLR缩放因子和每个类别的权重，并将LLR缩放因子和每个类别的权重输出给LLR缩放因子计算模块534。
LLR缩放因子计算模块534，用于根据LLR分组统计计算模块532输出的每个类别对应的LLR均值，LLR缩放策略选择模块533输出的每个类别的权重和预设目标值，计算获得缩放因子，并将该缩放因子输出给LLR缩放模块535。
LLR缩放模块535，用于根据LLR缩放因子计算模块534输出的缩放因子，将LLR输入及存储模块531中存储的LLR元素依次乘以该缩放因子，获得缩放后的LLR元素，然后将该缩放后的LLR元素输出给低密度校验码译码模块530进行译码。
图7示出本申请实施例中的数据处理系统对输入的LLR数组中的LLR元素进行处理的方法流程图。当数据处理系统中的信噪比为30dB、调制方式为256QAM时，如图7所示，数据处理方法包括如下步骤。其中，该LLR数组包括的LLR元素的数量numall＝49920。
步骤701，LLR输入及存储模块531对输入的LLR数组中的每个LLR元素进行限幅缓存，获得限幅后的LLR元素。
其中，限幅的范围是[-128.0，128.0]。例如，限幅后的LLR元素LLRin[i]可采用公式(1)计算获得。其中，i的取值范围是0至numall-1的整数。
Figure BDA0002633767840000081
其中，LLRin[i]∈[-128.0,128.0]。需要说明的是，其中的限幅(Limiting)是指将信号的某种特性(例如电压、电流、功率)超过预定门限值的所有瞬时值限制至预定门限值，而对其他所有的瞬时值予以保留的操作。例如，对LLR元素中的范围在[-128.0，128.0]中的部分进行保留，其他超过此范围的数值进行减弱至接近此范围的操作。
步骤702，将LLR输入及存储模块531中存储的LLR元素依次输入到LLR分组统计计算模块532中，LLR分组统计计算模块532依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，并对分类结果中的每个类别中的LLR元素进行数据统计，以提取每个类别的特征信息。
首先，需要根据当前LDPC译码器的量化范围的最大绝对值为基准，参照当前的调制方式和当前的信噪比，进行计算，获得分类门限值ThLLR＝Factorqam*FactorSNR*qabs。其中，qabs表示译码器量化预设阈值，Factorqam表示调制方式对应的分类门限计算因子，FactorSNR表示信噪比对应的分类门限计算因子。表1示出典型的调制方式对应的分类门限计算因子。
表1调制方式对应的分类门限计算因子
Figure BDA0002633767840000082
Figure BDA0002633767840000091
例如，当前LDPC译码器的量化范围是[-a，b]，且，a和b均是大于零的数，则译码器量化预设阈值qabs＝max(a,b)，例如，[-a，b]＝[-8.0，7.75]，则qabs＝8。若当前的信噪比为sdB，则信噪比对应的分类门限计算因子可通过公式(2)计算获得。由于本实施例中的数据处理系统采用的调制方式是256QAM，其通过以上分析，分类门限值可计算获得：ThLLR＝4.0×0.9×8.0＝28.8。
Figure BDA0002633767840000092
然后，根据分类门限值ThLLR＝28.8对LLR数组中的LLR元素进行分类，例如，分为高值类别和低值类别，并分别提取高值类别的特征信息和低值类别的特征信息。其中，高值类别中的LLR元素的值大于或等于28.8；低值类别中的LLR元素的值小于28.8。统计高值类别中的LLR元素的数量，记为numh，并将高值类别中的LLR元素的值进行累加，生成数值统计结果sumh。类似地，统计低值类别中的LLR元素的数量，记为numl，并将低值类别中的LLR元素的值进行累加，生成低值类别对应的数值统计结果suml。
计算获得高值类别对应的LLR均值mh＝sumh÷numh；计算获得低值类别对应的LLR均值ml＝suml÷numl。依据每个类别对应的数量统计结果、每个类别对应的数值统计结果和每个类别对应的LLR均值，确定每个类别的特征信息。并将各个类别的特征信息输出给LLR缩放策略选择模块533。
步骤703，LLR缩放策略选择模块533依据各个类别的特征信息，确定缩放策略，并依据该缩放策略计算获得当前比较值。
先计算低值类别在输入的LLR数组中的占比，即低值占比rl＝numl/numall。根据低值占比、第一预设占比门限和第二预设占比门限，可确定不同的缩放策略，并计算获得各个类别的权重。
例如，若低值占比rl大于或等于第一预设占比门限
Figure BDA0002633767840000094
则获得第一缩放策略，并计算获得低值类别对应的权重pl＝1.0，高值类别对应的权重ph＝0.0。
若低值占比rl小于或等于第二预设占比门限
Figure BDA0002633767840000095
则获得第二缩放策略，并计算获得低值类别对应的权重pl＝0.0，高值类别对应的权重ph＝1.0。
若低值占比rl大于第二预设占比门限
Figure BDA0002633767840000096
且，低值占比rl小于第一预设占比门限
Figure BDA0002633767840000097
则获得第三缩放策略，并计算获得低值类别对应的权重pl＝0.9+0.1*rl，高值类别对应的权重ph＝0.1-0.1*rl。其中，0.9和0.1是根据仿真结果获得的值，以保证低值类别对应的权重大，高值类别对应的权重小，有利于后续对数据进行量化。表2示出本申请实施例中的调制方式对应的第一预设占比门限和第二预设占比门限的典型取值。
表2预设占比门限和调制方式的对应关系
Figure BDA0002633767840000093
Figure BDA0002633767840000101
然后，根据计算获得的各个类别对应的权重，计算获得当前比较值LLRmean＝pl*ml+ph*mh。
步骤704，将步骤703中获得的LLR当前比较值输入到LLR缩放因子计算模块534中进行计算，获得缩放因子。
例如，采用公式(3)计算获得缩放因子，其中，Factorscaling表示缩放因子；LLRtarget表示预设目标值，该预设目标值是根据qabs和不同的调制方式对应的计算因子Factortarget确定的值，即根据公式(4)计算获得的值。表3示出本申请实施例中的调制方式及其对应的计算因子Factortarget的对应关系。
Factorscaling＝LLRtarget÷LLRmean (3)
LLRtarget＝qabs*Factortarget (4)
表3调整方式及其对应的计算因子
调制方式 调制方式对应的计算因子
QPSK 0.5
16QAM 0.6
64QAM 0.75
256QAM 0.75
在本实施例中，译码器量化预设阈值为8.0，采用256QAM调制方式对应的计算因子为0.75，则计算获得的预设目标值LLRtarget＝8.0*0.75＝6.0。
步骤705，将LLR输入及存储模块531中存储的LLR元素和步骤704中计算获得的缩放因子输入到LLR缩放模块535中，对每个LLR元素进行缩放处理，获得缩放后的LLR元素。
例如，采用公式(5)对每个LLR元素进行缩放处理，获得缩放后的LLR元素。其中，i是整数，其取值范围是0至numall-1。LLRscaling[i]表示缩放后的第i个LLR元素。
LLRscaling[i]＝LLRin[i]*Factorscaling (5)
步骤706，对缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素；并基于量化后的LLR元素获得量化后的LLR数组，并将量化后的LLR数组输出给低密度校验码译码模块530。
在本实施例中，由于量化范围是[-8.0，7.75]，量化步长为0.25，则使用公式(6)对每个LLR元素进行6bit量化，获得量化后的LLR元素LLRquan[i]；基于量化后的LLR元素获得量化后的LLR数组LLRquan。其中，floor(x)表示向下取整函数，即取不大于x的最大整数。
Figure BDA0002633767840000102
步骤707，低密度校验码译码模块530对量化后的LLR数组进行低密度校验码译码。
例如，对量化后的LLR数组LLRquan进行LDPC译码，获得译码结果。
在本实施例中，通过依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得高值类别和低值类别，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，高值类别中的LLR元素和低值类别中的LLR元素进行均衡，并分别提取高值类别和低值类别的特征信息，依据高值类别和低值类别的特征信息计算获得缩放因子，然后，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素。可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
在一个具体实现中，当数据处理系统中的信噪比为10dB、调制方式为16QAM时，数据处理系统对输入的LLR数组中的LLR元素进行处理的方法与图7所示的方法流程图一致。如图7所示，数据处理方法包括如下步骤。其中，该LLR数组包括的LLR元素的数量numall＝49920。
步骤701，LLR输入及存储模块531对输入的LLR数组中的每个LLR元素进行限幅缓存，获得限幅后的LLR元素。
步骤702，将LLR输入及存储模块531中存储的LLR元素依次输入到LLR分组统计计算模块532中，LLR分组统计计算模块532依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得分类结果，并对分类结果中的每个类别中的LLR元素进行数据统计，以提取每个类别的特征信息。
例如，若分类门限值包括第一分类门限值
Figure BDA0002633767840000111
和第二分类门限值
Figure BDA0002633767840000112
则分类结果包括低值类别、中值类别和高值类别。其中，第一分类门限值表示低值类别和中值类别之间的分类门限值，第二分类门限值表示中值类别和高值类别之间的分类门限值。第一分类门限值
Figure BDA0002633767840000113
可采用公式(7)计算获得，第二分类门限值
Figure BDA0002633767840000114
可采用公式(8)计算获得。
Figure BDA0002633767840000115
Figure BDA0002633767840000116
其中，qabs表示译码器量化预设阈值，FactorSNR表示信噪比对应的分类门限计算因子，
Figure BDA0002633767840000117
表示调制方式对应的第一分类门限计算因子，
Figure BDA0002633767840000118
表示调制方式对应的第二分类门限计算因子。表4示出典型的调制方式对应的各个分类门限计算因子。
表4调制方式对应的各个分类门限计算因子
调制方式 第一分类门限计算因子 第二分类门限计算因子
QPSK 2.0 4.0
16QAM 2.0 4.0
64QAM 2.5 5.0
256QAM 3.0 6.0
在本实施例中，qabs＝8；信噪比为10dB，则根据公式(2)计算获得FactorSNR＝0.7。由于采用的调制方式是16QAM，查询表4可知，第一分类门限计算因子等于2.0，第二分类门限计算因子等于4.0，计算获得第一分类门限值为
Figure BDA0002633767840000119
第二分类门限值为
Figure BDA00026337678400001110
然后，根据第一分类门限值11.2和第二分类门限值22.4对LLR数组中的LLR元素进行分类，获得低值类别、中值类别和高值类别，然后分别提取高值类别的特征信息、中值类别的特征信息。其中，低值类别中的LLR元素的值小于11.2；中值类别中的LLR元素的值大于或等于11.2，且，小于22.4；高值类别中的LLR元素的值大于或等于22.4。统计高值类别中的LLR元素的数量，记为numh，并将高值类别中的LLR元素的值进行累加，生成数值统计结果sumh。类似地，统计低值类别中的LLR元素的数量，记为numm，并将低值类别中的LLR元素的值进行累加，生成低值类别对应的数值统计结果summ。统计低值类别中的LLR元素的数量，记为numl，并将低值类别中的LLR元素的值进行累加，生成低值类别对应的数值统计结果suml。
计算获得高值类别对应的LLR均值mh＝sumh÷numh；计算获得中值类别对应的LLR均值mm＝summ÷numm；计算获得低值类别对应的LLR均值ml＝suml÷numl。依据每个类别对应的数量统计结果、每个类别对应的数值统计结果和每个类别对应的LLR均值，确定每个类别的特征信息。并将各个类别的特征信息输出给LLR缩放策略选择模块533。
步骤703，LLR缩放策略选择模块533依据各个类别的特征信息，确定缩放策略，并依据该缩放策略计算获得当前比较值。
计算高值类别在输入的整个LLR数组中的占比，即高值占比rh＝numh/numall；计算中值类别在低值类别和中值类别中的占比，即中值占比rm＝numm/(numall-numh)；计算低值类别在低值类别和中值类别中的占比，即低值占比rl＝numl/(numall-numh)。根据低值占比rl、中值占比rm、高值占比rh、第一预设占比门限Thh、第二预设占比门限Thm和第三预设占比门限Thl可确定不同的缩放策略，并计算获得各个类别的权重。
例如，若高值占比rh大于或等于第一预设占比门限Thh，此时系统中没有噪声，则获得第一缩放策略，并计算获得低值类别对应的权重pl＝0.0，中值类别对应的权重pm＝0.0，高值类别对应的权重ph＝1.0。
若高值占比rh小于第一预设占比门限Thh，且，低值占比rl大于或等于第三预设占比门限Thl，则获得第二缩放策略，并计算获得低值类别对应的权重pl＝1.0，中值类别对应的权重pm＝0.0，高值类别对应的权重ph＝0.0。
若高值占比rh小于第一预设占比门限Thh，且，中值占比rm大于或等于第二预设占比门限Thm，则获得第三缩放策略，并计算获得低值类别对应的权重pl＝0.0，中值类别对应的权重pm＝1.0，高值类别对应的权重ph＝0.0。
若高值占比rh小于第一预设占比门限Thh，且，低值占比rl小于第三预设占比门限Thl，且中值占比rm小于第二预设占比门限Thm，则获得第四缩放策略，并计算获得低值类别对应的权重pl＝0.8+0.2*rl，中值类别对应的权重pm＝0.2-0.2*rl，高值类别对应的权重ph＝0.0。表5示出本申请实施例中的调制方式对应的各个预设占比门限的典型取值。
表5调制方式和对应的各个预设占比门限
调制方式 第一占比门限 第二占比门限 第三占比门限
QPSK 0.8 0.75 0.9
16QAM 0.6 0.75 0.9
64QAM 0.5 0.85 0.95
256QAM 0.5 0.85 0.95
然后，根据计算获得的各个类别对应的权重，计算获得当前比较值LLRmean＝pl*ml+pm*mm+ph*mh。
步骤704，将步骤703中获得的LLR当前比较值输入到LLR缩放因子计算模块534中进行计算，获得缩放因子。
根据公式(3)和公式(4)可计算获得缩放因子。在本实施例中，量化范围最大绝对值为8.0，由于采用的调制方式为16QAM。通过查找表4，可获得调制方式为16QAM对应的计算因子为0.6，则计算获得的预设目标值LLRtarget＝8.0*0.6＝4.8。
步骤705，将LLR输入及存储模块531中存储的LLR元素和步骤704中计算获得的缩放因子输入到LLR缩放模块535中，对每个LLR元素进行缩放处理，获得缩放后的LLR元素。
步骤706，对缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素；并基于量化后的LLR元素获得量化后的LLR数组，并将量化后的LLR数组输出给低密度校验码译码模块530。
步骤707，低密度校验码译码模块530对量化后的LLR数组进行低密度校验码译码。
在本实施例中，通过依据调制方式、译码器量化预设阈值和信噪比，对LLR元素进行分类，获得高值类别、中值类别和低值类别，可针对不同的调制方式、不同的信噪比环境以及不同的LLR元素的分布，确定不同的分类结果，以适应5G系统中衰落信道和不同的吞吐量等级对LLR元素的量化的要求。在该分类过程中，高值类别中的LLR元素、中值类别中的LLR元素和低值类别中的LLR元素进行均衡，并分别提取高值类别、、中值类别和低值类别的特征信息，依据高值类别、中值类别和低值类别的特征信息计算获得缩放因子，然后，依据该缩放因子对LLR元素进行缩放处理，获得缩放后的LLR元素。可有效减少关键LLR元素的量化误差，提升LDPC译码的准确度，降低缩放计算的复杂度。
图8示出能够实现根据本申请实施例的数据处理方法和装置的计算设备的示例性硬件架构的结构图。
如图8所示，计算设备800包括输入设备801、输入接口802、中央处理器803、存储器804、输出接口805、以及输出设备806。其中，输入接口802、中央处理器803、存储器804、以及输出接口805通过总线807相互连接，输入设备801和输出设备806分别通过输入接口802和输出接口805与总线807连接，进而与计算设备800的其他组件连接。
具体地，输入设备801接收来自外部的输入信息，并通过输入接口802将输入信息传送到中央处理器803；中央处理器803基于存储器804中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器804中，然后通过输出接口805将输出信息传送到输出设备806；输出设备806将输出信息输出到计算设备800的外部供用户使用。
在一个实施例中，图8所示的计算设备可以被实现为一种网络设备，该网络设备可以包括：存储器，被配置为存储程序；处理器，被配置为运行存储器中存储的程序，以执行上述实施例描述的数据处理方法。
在一个实施例中，图8所示的计算设备可以被实现为一种数据处理系统，该数据处理系统可以包括：存储器，被配置为存储程序；处理器，被配置为运行存储器中存储的程序，以执行上述实施例描述的数据处理方法。
以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。
通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本申请的范围。因此，本申请的恰当范围将根据权利要求确定。

Claims (12)

1.一种数据处理方法，其特征在于，所述方法包括：
依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果；
提取所述分类结果中的各个类别的特征信息；
依据各个所述类别的特征信息，计算获得缩放因子；
依据所述缩放因子对所述LLR元素进行缩放处理。
2.根据权利要求1所述的方法，其特征在于，所述依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果，包括：
依据所述调制方式、所述译码器量化预设阈值和所述信噪比，生成分类门限值；
依据所述分类门限值和所述LLR元素的值，确定所述LLR元素对应的类别；
基于各个所述LLR元素对应的类别，获得所述分类结果。
3.根据权利要求1所述的方法，其特征在于，所述提取所述分类结果中的各个类别的特征信息，包括：
分别对所述分类结果中的每个所述类别进行如下操作：
统计每个所述类别中的LLR元素的数量，获得每个所述类别对应的数量统计结果；
对每个所述类别中的LLR元素的值进行累加，生成每个所述类别对应的数值统计结果；
依据每个所述类别对应的所述数值统计结果和每个所述类别对应的所述数量统计结果，计算生成每个所述类别对应的LLR均值；
依据每个所述类别对应的数量统计结果、每个所述类别对应的数值统计结果和每个所述类别对应的LLR均值，确定每个所述类别的特征信息。
4.根据权利要求3所述的方法，其特征在于，所述依据各个所述类别的特征信息，计算获得缩放因子，包括：
依据所述数量统计结果，分别确定所述每个类别的占比；
依据每个所述类别的占比和预设占比门限值，分别确定每个所述类别的权重；
依据各个类别的权重、各个类别对应的LLR均值和预设目标值，计算获得所述缩放因子，其中，所述预设目标值是依据所述译码器量化预设阈值和所述调制方式确定的值。
5.根据权利要求4所述的方法，其特征在于，所述依据每个所述类别的占比和预设占比门限值，分别确定每个所述类别的权重，包括：
若确定所述分类结果包括第一类别和第二类别，且满足如下条件：
所述第一类别的占比大于第一预设占比门限，且，所述第一类别的占比小于第二预设占比门限；
所述第一类别中的LLR元素的值小于元素预设阈值；
所述第二类别中的LLR元素的值大于所述元素预设阈值；
则确定所述第一类别的权重大于所述第二类别的权重。
6.根据权利要求4所述的方法，其特征在于，所述依据每个所述类别的占比和预设占比门限值，分别确定每个所述类别的权重，包括：
若确定所述分类结果包括高值类别、中值类别和低值类别，且满足第一占比小于第一预设占比门限、第二占比小于第二预设占比门限、且第三占比小于第三预设占比门限；
则每个所述类别的权重由低到高依次为：所述高值类别的权重、所述中值类别的权重和所述低值类别的权重；
若确定所述第一占比大于或等于所述第一预设占比门限，则所述高值类别的权重大于所述中值类别的权重，且，所述高值类别的权重大于所述低值类别的权重；
其中，所述第一占比是所述高值类别在所有类别中的占比，所述第二占比是所述低值类别在所述中值类别和所述低值类别中的占比，所述第三占比是所述中值类别在所述中值类别和所述低值类别中的占比。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在所述依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果的步骤之前，还包括：
对每个所述LLR元素进行限幅处理，获得限幅后的所述LLR元素；
将所述限幅后的所述LLR元素缓存至缓存区。
8.根据权利要求1至6中任一项所述的方法，其特征在于，在所述依据所述缩放因子对所述LLR元素进行缩放处理的步骤之后，还包括：
对缩放后的所述LLR元素进行饱和量化处理，生成量化后的LLR元素；
基于所述量化后的LLR元素获得量化后的LLR数组；
对所述量化后的LLR数组进行低密度校验码译码。
9.一种数据处理装置，其特征在于，所述装置包括：
分类模块，用于依据调制方式、译码器量化预设阈值和信噪比，对对数似然比LLR元素进行分类，获得分类结果；
提取模块，用于提取所述分类结果中的各个类别的特征信息；
计算模块，用于依据各个所述类别的特征信息，计算获得缩放因子；
缩放模块，用于依据所述缩放因子对所述LLR元素进行缩放处理。
10.一种译码器，其特征在于，所述译码器包括：
数据处理装置，用于执行如权利要求1-8中任一项所述的数据处理方法，生成缩放后的LLR元素；
量化装置，用于对所述数据处理装置输出的缩放后的LLR元素进行饱和量化处理，生成量化后的LLR元素，并基于所述量化后的LLR元素获得量化后的LLR数组；
译码装置，用于对所述量化后的LLR数组进行低密度校验码译码。
11.一种网络设备，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-8中任一项所述的数据处理方法。
12.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述的数据处理方法。
CN202010822621.3A 2020-08-14 2020-08-14 数据处理方法、装置、译码器、网络设备和可读存储介质 Pending CN114079474A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202010822621.3A CN114079474A (zh) 2020-08-14 2020-08-14 数据处理方法、装置、译码器、网络设备和可读存储介质
JP2022574835A JP2023529185A (ja) 2020-08-14 2021-08-04 データ処理方法及び装置、デコーダー、ネットワークデバイスと記憶媒体
EP21855423.6A EP4195514A1 (en) 2020-08-14 2021-08-04 Data processing method and apparatus, decoder, network device and storage medium
PCT/CN2021/110549 WO2022033370A1 (zh) 2020-08-14 2021-08-04 数据处理方法及装置、译码器、网络设备和存储介质
US18/021,037 US20230299790A1 (en) 2020-08-14 2021-08-04 Data processing method and device, decoder, network device and storage medium
KR1020227043480A KR20230009498A (ko) 2020-08-14 2021-08-04 데이터 처리 방법 및 장치, 디코더, 네트워크 디바이스 및 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010822621.3A CN114079474A (zh) 2020-08-14 2020-08-14 数据处理方法、装置、译码器、网络设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN114079474A true CN114079474A (zh) 2022-02-22

Family

ID=80247698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010822621.3A Pending CN114079474A (zh) 2020-08-14 2020-08-14 数据处理方法、装置、译码器、网络设备和可读存储介质

Country Status (6)

Country Link
US (1) US20230299790A1 (zh)
EP (1) EP4195514A1 (zh)
JP (1) JP2023529185A (zh)
KR (1) KR20230009498A (zh)
CN (1) CN114079474A (zh)
WO (1) WO2022033370A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023236932A1 (zh) * 2022-06-06 2023-12-14 锐捷网络股份有限公司 Llr值的量化方法、装置、电子设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003036797A1 (en) * 2001-10-25 2003-05-01 Koninklijke Philips Electronics N.V. Non linear scaling of reliability values in a turbo decoder system
US8234556B2 (en) * 2008-12-30 2012-07-31 Intel Corporation Broadcast receiver and method for optimizing a scale factor for a log-likelihood mapper
US9031143B2 (en) * 2012-12-03 2015-05-12 Broadcom Corporation Adaptive decoding based on signal to noise ratio (SNR)
EP3051701A1 (en) * 2015-01-30 2016-08-03 Nxp B.V. Non-uniform quantization of log-likelihood ratios
US11032031B2 (en) * 2016-01-18 2021-06-08 Qualcomm Incorporated HARQ LLR buffer and reordering buffer management
US10879928B2 (en) * 2016-10-24 2020-12-29 Marvell Asia Pte, Ltd. Scaling of log-likelihood ratios (LLR) based on long training field (LTF)
US10574274B2 (en) * 2017-09-29 2020-02-25 Nyquist Semiconductor Limited Systems and methods for decoding error correcting codes
CN109873684B (zh) * 2017-12-01 2021-05-18 联发科技股份有限公司 信号接收装置及其信号处理方法

Also Published As

Publication number Publication date
WO2022033370A1 (zh) 2022-02-17
KR20230009498A (ko) 2023-01-17
EP4195514A1 (en) 2023-06-14
JP2023529185A (ja) 2023-07-07
US20230299790A1 (en) 2023-09-21

Similar Documents

Publication Publication Date Title
KR100891782B1 (ko) 고속 데이터 전송 시스템에서 순방향 오류 정정 장치 및방법
EP2204984B1 (en) Broadcast receiver and method for optimizing a scale factor for a log-likelihood mapper
CN109361495B (zh) 一种极化码构造方法、装置、电子设备及可读存储介质
US10498363B2 (en) Low density parity check decoder using binary logarithm and decoding method thereof
US7848440B2 (en) Multi-channel communication method and apparatus using plural Markov Chain Monte Carlo simulations
CN108092673B (zh) 一种基于动态调度的bp迭代译码方法及系统
WO2014144758A1 (en) Low complexity receiver and method for low density signature modulation
CN110417512B (zh) 一种用于cpm通信系统的联合迭代译码方法
CN110024297A (zh) 低密度奇偶校验解码器中的用于基于对数似然比的动态预处理选择方案的系统和方法
Liu et al. Exploiting error-correction-CRC for polar SCL decoding: A deep learning-based approach
WO2007044991A2 (en) Broadcast message passing decoding of low density parity check codes
CN114079474A (zh) 数据处理方法、装置、译码器、网络设备和可读存储介质
CN113437979B (zh) 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置
CN112350736A (zh) Ldpc译码器中动态校正因子配置方法
WO2023236609A1 (zh) 一种自动混合精度量化方法及装置
KR20150031568A (ko) 디지털 비디오 방송 시스템에서 LDPC(Low Density Parity Check) 복호기 및 LDPC 복호기의 복호화 방법
CN111917420B (zh) 一种ldpc自适应译码方法及ldpc自适应译码器
CN114499547A (zh) 一种基于Chase-Pyndiah算法的Zipper码自适应软判决译码方法
Müller Massive Gaussian multiple-access by random coding with soft interference cancellation
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
Wang et al. Efficient early termination criterion for admm penalized ldpc decoder
CN110008054B (zh) 一种用于存储器差错控制的多级读取译码的方法和装置
CN112260698A (zh) Ldpc译码器中动态校正因子配置方法
Huang et al. A channel-adaptive nonbinary LDPC decoder
CN111294125B (zh) 信噪比估计方法及装置、计算机可读存储介质

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