CN114421976B - 基于概率计算的tpc迭代译码方法及译码器 - Google Patents

基于概率计算的tpc迭代译码方法及译码器 Download PDF

Info

Publication number
CN114421976B
CN114421976B CN202210086064.2A CN202210086064A CN114421976B CN 114421976 B CN114421976 B CN 114421976B CN 202210086064 A CN202210086064 A CN 202210086064A CN 114421976 B CN114421976 B CN 114421976B
Authority
CN
China
Prior art keywords
column
row
information
fusion
check information
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
Application number
CN202210086064.2A
Other languages
English (en)
Other versions
CN114421976A (zh
Inventor
韩凯宁
张颖
谭鸿浩
沈国栋
胡剑浩
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210086064.2A priority Critical patent/CN114421976B/zh
Publication of CN114421976A publication Critical patent/CN114421976A/zh
Application granted granted Critical
Publication of CN114421976B publication Critical patent/CN114421976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H03M13/29—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 combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes
    • H03M13/2957—Turbo codes and decoding
    • H03M13/296—Particular turbo code structure
    • H03M13/2963—Turbo-block codes, i.e. turbo codes based on block codes, e.g. turbo decoding of product 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
    • H03M13/13—Linear codes
    • H03M13/15—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes
    • H03M13/151—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes using error location or error correction polynomials
    • H03M13/152—Bose-Chaudhuri-Hocquenghem [BCH] codes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Error Detection And Correction (AREA)

Abstract

本发明公开了基于概率计算的TPC迭代译码方法及译码器，涉及无线通信领域，其技术方案要点是：将对数似然比矩阵与外信息融合，将随机比特流和随机生成的随机数进行比较判断；对初步硬判决行译码结果、初步硬判决列译码结果分别进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验后得到初步行校验信息、初步列校验信息；依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息；迭代处理。本发明利用概率计算和外信息更新策略，能够将复杂的测试图样生成用简单的随机计算方法实现，实现了完整的TPC迭代译码，结构简单，易于实现，极大的降低了硬件实现复杂度，提高了硬件效率。

Description

基于概率计算的TPC迭代译码方法及译码器
技术领域
本发明涉及无线通信领域，更具体地说，它涉及基于概率计算的TPC迭代译码方法及译码器。
背景技术
TPC(Turbo Product Code,Turbo乘积码)是前向纠错编码的一种，该码与传统的一维前向纠错码最大的区别就是其采用的是二维编码，目前常用于TPC子码字的类型有BCH码、汉明码、RS码以及他们的一些扩展码。该码具有构造十分简单，有较高的编码效率(频带利用率)、算法复杂度较低、适合并行处理、采用流水线机制在超大规模可编程逻辑阵列(FPGA)上实现高速编译码等特点，对于高速数据传输系统来说是一种不错的解决方案。且一般认为，TPC比Turbo卷积码有着更为广泛的应用前景。
目前，大多数TPC码的分量码字是BCH码，Chase译码算法是一种非常经典的常用于BCH码字软判决译码算法的算法，该算法是一种针对线性分组码的软输入硬输出(SIHO)的译码算法，这是一种输出的码字为软输入，输出的码字为硬输出，且近似最大似然译码，译码复杂度很低的译码算法，根据测试图样的不同，Chase算法可分为三种：Chase-I、Chase-II和Chase-III，在实际应用中通常采用的的软判决译码算法是Chase-II译码算法。虽然Chase-II算法的复杂度相较于ML算法已经大幅度降低，而且具有性能优势，但是Chase-II算法的硬件复杂度仍然很高，非常不利于集成电路硬件实现。
而Pyndia-Chase-II译码算法是TPC码的软输入软输出(SISO)迭代译码算法的一种，该算法对行和列分别使用软判决译码器进行译码，然后在行列之间增加外信息计算并形成行列之间的外信息的更新和交换，该算法的软判决译码器是在Chase-II译码算法的基础上实现的，与Chase-II算法类似，Pyndiah-Chase-II译码算法在硬件实现中，复杂的逻辑和存储开销是复杂度和功耗开销的瓶颈。
发明内容
为解决现有技术中的不足，本发明的目的是提供基于概率计算的TPC迭代译码方法及译码器，利用概率计算和外信息更新策略，能够将复杂的测试图样生成用简单的随机计算方法实现，实现了完整的TPC迭代译码，结构简单，易于实现，极大的降低了硬件实现复杂度，提高了硬件效率。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了基于概率计算的TPC迭代译码方法，包括以下步骤：
将接收到的对数似然比信息转换为对数似然比矩阵；
将对数似然比矩阵与外信息融合得到融合结果，并依据融合结果生成随机比特流，以及将随机比特流和随机生成的随机数进行比较判断，得到随机比特流矩阵；
对扩展BCH码分别尝试进行行、列译码后得到相应的初步硬判决行译码结果、初步硬判决列译码结果，并对初步硬判决行译码结果、初步硬判决列译码结果分别进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验后得到相应的初步行校验信息、初步列校验信息；
分析判断初步行校验信息、初步列校验信息的标志位分布情况，依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息；
迭代处理直至随机比特流矩阵中行融合校验信息、列融合校验信息的标志位一致或迭代至最大次数时，以最后一次的列硬判决译码结果作为最后译码结果输出。
进一步的，所述对数似然比信息具体为：
以码字码型为(n，k，t)的扩展BCH码为子码的TPC码字，则TPC码块的大小为(n2，k2)；
发送码字经过BPSK调制之后，经由AWGN信道传输进行解调，得到对数似然比信息demod_LLRi，i＝0，1，2…n2-1。
进一步的，所述外信息由初步硬判决行译码结果、初步硬判决列译码结果、行融合校验信息、列融合校验信息以及收敛因子共同决定。
进一步的，所述外信息随着迭代进行更新，更新公式具体为：
其中，Wi，j表示外信息；表示初步硬判决行译码结果；/>表示初步硬判决列译码结果；/>表示行融合校验信息；Fj C表示列融合校验信息；α表示收敛因子，其为经验系数。
进一步的，所述欧氏距离校验包括行欧式距离和列欧式距离的校验；
所述行欧式距离的计算公式具体为：
其中，di表示行欧式距离；n表示行数；表示初步硬判决行译码结果；stream_ini，j表示随机比特流矩阵；LLRi，j表示对数似然比；Wi，j表示外信息；
所述列欧式距离的计算公式具体为：
其中，dj表示列欧式距离；n也同时表示列数；表示初步硬判决列译码结果。
进一步的，所述行融合校验信息和列融合校验信息的更新策略具体为：
当BCH码字自校验、扩展位奇偶校验和欧式距离校验均通过时，初步行校验信息、初步列校验信息的标记位均暂记为1，否则记为0；
当初步行校验信息、初步列校验信息的标记位均为1，且初步硬判决行译码结果与初步硬判决列译码结果不相等时，行融合校验信息、列融合校验信息的标记位均记为2；
反之，则将行融合校验信息更新为与初步行校验信息相等，以及将列融合校验信息更新为与初步列校验信息相等。
第二方面，提供了基于概率计算的TPC迭代译码器，包括：
输入层，用于将接收到的对数似然比信息转换为对数似然比矩阵；
随机比特流生成层，用于将对数似然比矩阵与外信息融合得到融合结果，并依据融合结果生成随机比特流，以及将随机比特流和随机生成的随机数进行比较判断，得到随机比特流矩阵；
行列硬判决译码层，用于对扩展BCH码分别尝试进行行、列译码后得到相应的初步硬判决行译码结果、初步硬判决列译码结果，并对初步硬判决行译码结果、初步硬判决列译码结果分别进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验后得到相应的初步行校验信息、初步列校验信息；
校验信息融合层，用于分析判断初步行校验信息、初步列校验信息的标志位分布情况，依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息；
输出层，用于迭代处理直至随机比特流矩阵中行融合校验信息、列融合校验信息的标志位一致或迭代至最大次数时，以最后一次的列硬判决译码结果作为最后译码结果输出。
进一步的，所述随机比特流生成层包括：
外信息更新模块，用于将对数似然比矩阵与外信息融合得到融合结果，外信息由初步硬判决行译码结果、初步硬判决列译码结果、行融合校验信息、列融合校验信息以及收敛因子共同决定；
随机序列发生模块，用于随机生成的随机数；
随机比特流生成模块，用于依据融合结果生成随机比特流，并将随机比特流和随机数进行比较判断，得到随机比特流矩阵。
进一步的，所述行列硬判决译码层包括：
行硬判决译码模块，用于对n行码字长度为n的扩展BCH码尝试进行译码得到初步硬判决行译码结果；
行校验模块，用于对初步硬判决行译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步行校验信息；
列硬判决译码模块，用于对n列码字长度为n的扩展BCH码尝试进行译码得到初步硬判决列译码结果；
列校验模块，用于对初步硬判决列译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步列校验信息。
进一步的，所述校验信息融合层包括：
初步行列校验信息判断模块，用于判断初步行校验信息、初步列校验信息的标志位是0还是1；
行列信息融合校验模块，用于依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息。
与现有技术相比，本发明具有以下有益效果：
1、本发明提出的基于概率计算的TPC迭代译码方法，利用概率计算和外信息更新策略，能够将复杂的测试图样生成用简单的随机计算方法实现，实现了完整的TPC迭代译码，结构简单，易于实现，极大的降低了硬件实现复杂度，提高了硬件效率；
2、本发明采用全新的外信息更新策略来实现传统的复杂的外信息迭代更新，结合概率计算后进一步解决了硬件复杂度高的问题，并且在误码率性能、译码时延和等效逻辑门等方面都有明显优势；以码字规格为256*256的TPC码字为例，与遍历翻转比特位p＝5的Pyndiah-Chase-II算法相比较，概率TPC译码算法的BER性能更好，而且在在硬件开销上有30％-50％的节省；
3、本发明采用概率计算，相比较于传统的二进制补码表征体系，具有更强的容错性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例中TPC迭代译码器的结构框图；
图2是本发明实施例中随机比特流生成层的结构框图；
图3是本发明实施例中行列硬判决译码层的结构框图；
图4是本发明实施例中校验信息融合层的结构框图；
图5是本发明实施例中随机序列发生模块的结构框图。
附图中标记及对应的零部件名称：
101、输入层；102、随机比特流生成层；103、行列硬判决译码层；104、校验信息融合层；105、输出层；201、外信息更新模块；202、随机比特流生成模块；203、随机序列发生模块；301、行硬判决译码模块；302、行校验模块；303、列硬判决译码模块；304、列校验模块；401、初步行列校验信息判断模块；402、行列信息融合校验模块；501、模2加法器；502、移位寄存器。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
本发明提出的基于概率计算的TPC迭代译码器可基于传统TPC译码算法检测的系统实现。该系统发送端发送以码字码型为(n，k，t)的扩展BCH码为子码的TPC码字，则TPC码块的大小为(n2，k2)，发送码字经过BPSK调制之后，经由AWGN信道，被传输到接收端，接收端接收到数据并进行解调，得到对数似然比信息demod_LLRi，i＝0，1，2…n2-1，并将对数似然比信息作为基于概率计算的TPC迭代译码器的输入。
如图1所示，该TPC迭代译码器包括输入层101、随机比特流生成层102、行列硬判决译码层103、校验信息融合层104和输出层105。
(1)输入层101将接收到的n2个对数似然比信息demod_LLRi，i＝0，1，2…n2-1转换为规模为n*n的对数似然比矩阵LLRi，j，i，j＝0，1，2…n-1，转换表达式具体为：
LLRi，j＝demod_LLR(i+j*n)。
(2)随机比特流生成层102包括外信息更新模块201、随机序列发生模块203和随机比特流生成模块202。随机比特流生成层102接收来自输入层101的对数似然比矩阵，其中，外信息更新模块201用于将对数似然比LLRi，j与外信息Wi，j进行融合，外信息Wi，j由行硬判决译码模块301、列硬判决译码模块303输出的初步硬判决行译码结果和初步硬判决列译码结果/>校验信息融合层104输出的行融合校验信息/>与列融合校验信息Fj C以及收敛因子α共同决定，其中收敛因子α是经验系数，外信息Wi，j的更新规则为：
外信息更新模块201将对数似然比LLRi，j与外信息Wi，j融合后得到(LLRi，j+Wi，j)，并将融合后的结果传输到随机比特流生成模块202，以及将随机比特流生成模块202生成的随机比特流与随机序列发生模块203生成的随机数进行比较判断，得到规模为n*n的随机比特流矩阵stream_ini，j，i，j＝0，1，...，n-1。
如图5所示，随机序列发生模块203包括模2加法器501和移位寄存器502。模2加法器501对选中的几位进行相加模2运算，并将运算结果反馈到移位寄存器502，移位寄存器502将其内部组合进行移位，然后其内部组合运算并输出随机数，通过不断的反馈和移位生成随机序列。
(3)如图3所示，行列硬判决译码层103接收规模为n*n的随机比特流矩阵stream_ini，j，i，j＝0，1，...，n-1。行列硬判决译码层103包括行硬判决译码模块301、行校验模块302、列硬判决译码模块303和列校验模块304。行硬判决译码模块301对n行码字长度为n的扩展BCH码尝试进行译码得到初步硬判决行译码结果列硬判决译码模块303对n列码字长度为n的扩展BCH码尝试进行译码得到初步硬判决列译码结果/>然后行校验模块302对行硬判决译码模块301输出的n行译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步行校验信息Fi′R，i＝0，1，…，n-1；列校验模块304对列硬判决译码模块303输出的n列译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步列校验信息Fj′C，j＝0，1，…，n-1。
其中，行欧式距离di，i＝0，1，…，n-1的计算公式为：
列欧式距离dj，j＝0，1，…，n-1的计算公式为：
当BCH码字自校验、扩展位奇偶校验和欧式距离校验均通过时，初步行列校验信息Fi′R/Fj′C暂时记为“1”，否则记为“0”，具体表达式如下：
其中，thr为欧式距离判断阈值，是经验系数。
(4)校验信息融合层104接收来自行校验模块302输出的初步行校验信息Fi′R以及列校验模块304输出的初步列校验信息Fj′C。如图4所示，校验信息融合层104包括初步行列校验信息判断模块401和行列信息融合校验模块402。初步行列校验信息判断模块401判断Fi′R与Fj′C是“0”还是“1”。然后，行列信息融合校验模块402对行列信息融合校验并更新行列校验信息，行列信息融合校验主要是避免行列译码结果冲突，当初步行校验信息Fi′R为“1”且初步列校验信息Fj′C也为“1”，但行硬判决译码模块301输出的初步硬判决行译码与列硬判决译码模块303输出的初步硬判决列译码/>不相等时，行融合校验信息/>和列融合校验信息/>记为“2”，否则/>Fj C＝Fj′C，行列校验结果策略如下所示：
(5)输出层105接收来自校验信息融合层104输出的行列校验信息Fi R/Fj C，当n*n的随机比特矩阵所处的所有行融合校验信息Fi R和所有列融合校验信息FjC均为“1”，或者迭代次数达到最大迭代次数DCmax时，最后一次的列硬判决译码结果，作为最后译码结果输出。否则，进入下一次迭代，再次经过随机比特流生成层102、行列硬判决译码层103和校验信息融合层104，并再次在输出层105进行判断是否达到输出条件。
工作原理：本发明提出的基于概率计算的TPC迭代译码方法，利用概率计算和外信息更新策略，能够将复杂的测试图样生成用简单的随机计算方法实现，实现了完整的TPC迭代译码，结构简单，易于实现，极大的降低了硬件实现复杂度，提高了硬件效率；采用全新的外信息更新策略来实现传统的复杂的外信息迭代更新，结合概率计算后进一步解决了硬件复杂度高的问题，并且在误码率性能、译码时延和等效逻辑门等方面都有明显优势；以码字规格为256*256的TPC码字为例，与遍历翻转比特位p＝5的Pyndiah-Chase-II算法相比较，概率TPC译码算法的BER性能更好，而且在在硬件开销上有30％-50％的节省。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于概率计算的TPC迭代译码方法，其特征是，包括以下步骤：
将接收到的对数似然比信息转换为对数似然比矩阵；
将对数似然比矩阵与外信息融合得到融合结果，并依据融合结果生成随机比特流，以及将随机比特流和随机生成的随机数进行比较判断，得到随机比特流矩阵；
对扩展BCH码分别尝试进行行、列译码后得到相应的初步硬判决行译码结果、初步硬判决列译码结果，并对初步硬判决行译码结果、初步硬判决列译码结果分别进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验后得到相应的初步行校验信息、初步列校验信息；
分析判断初步行校验信息、初步列校验信息的标志位分布情况，依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息；
迭代处理直至随机比特流矩阵中行融合校验信息、列融合校验信息的标志位一致或迭代至最大次数时，以最后一次的列硬判决译码结果作为最后译码结果输出。
2.根据权利要求1所述的基于概率计算的TPC迭代译码方法，其特征是，所述对数似然比信息具体为：
以码字码型为(n,k,t)的扩展BCH码为子码的TPC码字，则TPC码块的大小为(n2，k2)；
发送码字经过BPSK调制之后，经由AWGN信道传输进行解调，得到对数似然比信息demod_LLRi，i＝0,1,2…n2-1。
3.根据权利要求1所述的基于概率计算的TPC迭代译码方法，其特征是，所述外信息由初步硬判决行译码结果、初步硬判决列译码结果、行融合校验信息、列融合校验信息以及收敛因子共同决定。
4.根据权利要求1所述的基于概率计算的TPC迭代译码方法，其特征是，所述外信息随着迭代进行更新，更新公式具体为：
其中，Wi,j表示外信息；表示初步硬判决行译码结果；/>表示初步硬判决列译码结果；Fi R表示行融合校验信息；Fj C表示列融合校验信息；α表示收敛因子，其为经验系数。
5.根据权利要求1所述的基于概率计算的TPC迭代译码方法，其特征是，所述欧氏距离校验包括行欧式距离和列欧式距离的校验；
所述行欧式距离的计算公式具体为：
其中，di表示行欧式距离；n表示行数；表示初步硬判决行译码结果；stream_ini,j表示随机比特流矩阵；LLRi,j表示对数似然比；Wi,j表示外信息；
所述列欧式距离的计算公式具体为：
其中，dj表示列欧式距离；n也同时表示列数；表示初步硬判决列译码结果。
6.根据权利要求1所述的基于概率计算的TPC迭代译码方法，其特征是，所述行融合校验信息和列融合校验信息的更新策略具体为：
当BCH码字自校验、扩展位奇偶校验和欧式距离校验均通过时，初步行校验信息、初步列校验信息的标记位均暂记为1，否则记为0；
当初步行校验信息、初步列校验信息的标记位均为1，且初步硬判决行译码结果与初步硬判决列译码结果不相等时，行融合校验信息、列融合校验信息的标记位均记为2；
反之，则将行融合校验信息更新为与初步行校验信息相等，以及将列融合校验信息更新为与初步列校验信息相等。
7.基于概率计算的TPC迭代译码器，其特征是，包括：
输入层(104)，用于将接收到的对数似然比信息转换为对数似然比矩阵；
随机比特流生成层(102)，用于将对数似然比矩阵与外信息融合得到融合结果，并依据融合结果生成随机比特流，以及将随机比特流和随机生成的随机数进行比较判断，得到随机比特流矩阵；
行列硬判决译码层(103)，用于对扩展BCH码分别尝试进行行、列译码后得到相应的初步硬判决行译码结果、初步硬判决列译码结果，并对初步硬判决行译码结果、初步硬判决列译码结果分别进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验后得到相应的初步行校验信息、初步列校验信息；
校验信息融合层(104)，用于分析判断初步行校验信息、初步列校验信息的标志位分布情况，依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息；
输出层(105)，用于迭代处理直至随机比特流矩阵中行融合校验信息、列融合校验信息的标志位一致或迭代至最大次数时，以最后一次的列硬判决译码结果作为最后译码结果输出。
8.根据权利要求7所述的基于概率计算的TPC迭代译码器，其特征是，所述随机比特流生成层(102)包括：
外信息更新模块，用于将对数似然比矩阵与外信息融合得到融合结果，外信息由初步硬判决行译码结果、初步硬判决列译码结果、行融合校验信息、列融合校验信息以及收敛因子共同决定；
随机序列发生模块，用于随机生成的随机数；
随机比特流生成模块，用于依据融合结果生成随机比特流，并将随机比特流和随机数进行比较判断，得到随机比特流矩阵。
9.根据权利要求7所述的基于概率计算的TPC迭代译码器，其特征是，所述行列硬判决译码层(103)包括：
行硬判决译码模块，用于对n行码字长度为n的扩展BCH码尝试进行译码得到初步硬判决行译码结果；
行校验模块，用于对初步硬判决行译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步行校验信息；
列硬判决译码模块，用于对n列码字长度为n的扩展BCH码尝试进行译码得到初步硬判决列译码结果；
列校验模块，用于对初步硬判决列译码结果进行BCH码字自校验、扩展位奇偶校验以及欧氏距离校验得到初步列校验信息。
10.根据权利要求7所述的基于概率计算的TPC迭代译码器，其特征是，所述校验信息融合层(104)包括：
初步行列校验信息判断模块(401)，用于判断初步行校验信息、初步列校验信息的标志位是0还是1；
行列信息融合校验模块(401)，用于依据标志位分布情况对初步行校验信息、初步列校验信息融合检验更新后得到行融合校验信息和列融合校验信息。
CN202210086064.2A 2022-01-25 2022-01-25 基于概率计算的tpc迭代译码方法及译码器 Active CN114421976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210086064.2A CN114421976B (zh) 2022-01-25 2022-01-25 基于概率计算的tpc迭代译码方法及译码器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210086064.2A CN114421976B (zh) 2022-01-25 2022-01-25 基于概率计算的tpc迭代译码方法及译码器

Publications (2)

Publication Number Publication Date
CN114421976A CN114421976A (zh) 2022-04-29
CN114421976B true CN114421976B (zh) 2023-09-08

Family

ID=81277269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210086064.2A Active CN114421976B (zh) 2022-01-25 2022-01-25 基于概率计算的tpc迭代译码方法及译码器

Country Status (1)

Country Link
CN (1) CN114421976B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115642924B (zh) * 2022-11-01 2024-02-27 杭州海宴科技有限公司 一种高效的qr-tpc译码方法及译码器

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060103777A (ko) * 2005-03-28 2006-10-04 엘지전자 주식회사 고속의 터보 곱 복호방법
CN101494462A (zh) * 2009-03-03 2009-07-29 东南大学 Rs乘积码级联卷积码系统的迭代译码方法
CN101777926A (zh) * 2010-01-12 2010-07-14 浙江大学 一种Turbo乘积码的通用译码器及其方法
CN101958720A (zh) * 2010-09-24 2011-01-26 西安电子科技大学 缩短Turbo乘积码的编译码方法
CN103220007A (zh) * 2013-05-09 2013-07-24 南京航空航天大学 一种自适应调整子码不可靠位数的tpc迭代译码算法
CN106059596A (zh) * 2016-06-24 2016-10-26 中山大学 以二元bch码为成份码的分组马尔可夫叠加编码方法及其译码方法
CN106059597A (zh) * 2016-05-19 2016-10-26 电子科技大学 一种基于概率Turbo译码器的有符号概率计算单元
CN106330199A (zh) * 2016-08-22 2017-01-11 电子科技大学 基于因子图的scma和ldpc联合检测译码算法及装置
CN110915141A (zh) * 2017-07-28 2020-03-24 三菱电机株式会社 基于极化码的turbo乘积码
CN111416628A (zh) * 2020-04-09 2020-07-14 重庆邮电大学 基于随机表征的bch软判决信道码译码装置
CN111970009A (zh) * 2020-08-21 2020-11-20 东南大学 级联极化码比特翻转置信传播编译码方法
CN112187292A (zh) * 2020-10-15 2021-01-05 宁夏金硅信息技术有限公司 基于代数译码和map译码级联的tpc译码方法
CN113131947A (zh) * 2019-12-30 2021-07-16 华为技术有限公司 译码方法、译码器和译码装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1281241A2 (en) * 2000-04-04 2003-02-05 Advanced Hardware Architectures, Inc Enhanced turbo product code decoder system
US10090862B2 (en) * 2016-03-23 2018-10-02 SK Hynix Inc. Hybrid soft decoding algorithm for multiple-dimension TPC codes

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060103777A (ko) * 2005-03-28 2006-10-04 엘지전자 주식회사 고속의 터보 곱 복호방법
CN101494462A (zh) * 2009-03-03 2009-07-29 东南大学 Rs乘积码级联卷积码系统的迭代译码方法
CN101777926A (zh) * 2010-01-12 2010-07-14 浙江大学 一种Turbo乘积码的通用译码器及其方法
CN101958720A (zh) * 2010-09-24 2011-01-26 西安电子科技大学 缩短Turbo乘积码的编译码方法
CN103220007A (zh) * 2013-05-09 2013-07-24 南京航空航天大学 一种自适应调整子码不可靠位数的tpc迭代译码算法
CN106059597A (zh) * 2016-05-19 2016-10-26 电子科技大学 一种基于概率Turbo译码器的有符号概率计算单元
CN106059596A (zh) * 2016-06-24 2016-10-26 中山大学 以二元bch码为成份码的分组马尔可夫叠加编码方法及其译码方法
CN106330199A (zh) * 2016-08-22 2017-01-11 电子科技大学 基于因子图的scma和ldpc联合检测译码算法及装置
CN110915141A (zh) * 2017-07-28 2020-03-24 三菱电机株式会社 基于极化码的turbo乘积码
CN113131947A (zh) * 2019-12-30 2021-07-16 华为技术有限公司 译码方法、译码器和译码装置
CN111416628A (zh) * 2020-04-09 2020-07-14 重庆邮电大学 基于随机表征的bch软判决信道码译码装置
CN111970009A (zh) * 2020-08-21 2020-11-20 东南大学 级联极化码比特翻转置信传播编译码方法
CN112187292A (zh) * 2020-10-15 2021-01-05 宁夏金硅信息技术有限公司 基于代数译码和map译码级联的tpc译码方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于概率计算的TPC译码算法研究与FPGA设计;张颖等;《电子测量技术》;第44卷(第19期);103-109 *

Also Published As

Publication number Publication date
CN114421976A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
TWI663839B (zh) 使用硬選取硬解碼模式下的解碼器產生軟資訊的方法
CN100364237C (zh) 非规则低密度奇偶校验码的系统码设计方法及其通信系统
WO2017194013A1 (zh) 纠错编码方法及装置
Yuan et al. Successive cancellation list polar decoder using log-likelihood ratios
US20090292966A1 (en) Method for recovery of lost and/or corrupted data
CN101309086A (zh) 里德-所罗门码级联反馈系统卷积码的系统的译码方法
US11316540B2 (en) Method of decoding polar codes based on belief propagation
Jin et al. Reliability-based soft-decision decoding with multiple biases
CN114421976B (zh) 基于概率计算的tpc迭代译码方法及译码器
Ullah et al. Multi-Stage Threshold Decoding for High Rate Convolutional Codes for Optical Communications
Galligan et al. Block turbo decoding with ORBGRAND
Grinchenko et al. Improving performance of multithreshold decoder over binary erasure channel
CN106656216A (zh) 一种针对Turbo乘积码的修正的软入软出译码方法
CN107395326B (zh) Lt码中的度分布优化算法及设备
Fossorier et al. A unified method for evaluating the error-correction radius of reliability-based soft-decision algorithms for linear block codes
Krishnan et al. Exploiting locality for improved decoding of binary cyclic codes
CN100417031C (zh) 宽带无线接入系统中里德索洛门卷积级联码的实现方法
CN109245775B (zh) 一种译码器及其实现译码的方法
CN109560819A (zh) 一种通用于ldpc码比特翻转译码算法的翻转准则
Soro et al. Enhanced recursive Reed-Muller erasure decoding
Zheng et al. A Universal List Decoding Algorithm with Application to Decoding of Polar Codes
Xia et al. A two-staged adaptive successive cancellation list decoding for polar codes
Hadavian et al. Ordered Reliability Direct Error Pattern Testing Decoding Algorithm
Zhang et al. High-performance soft decision algorithm for bursty channel decoding of Reed–Solomon codes
Hadavian et al. Ordered Reliability Direct Error Pattern Testing (ORDEPT) Algorithm

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