CN116667859A - 一种ldpc码参数识别方法 - Google Patents
一种ldpc码参数识别方法 Download PDFInfo
- Publication number
- CN116667859A CN116667859A CN202310555258.7A CN202310555258A CN116667859A CN 116667859 A CN116667859 A CN 116667859A CN 202310555258 A CN202310555258 A CN 202310555258A CN 116667859 A CN116667859 A CN 116667859A
- Authority
- CN
- China
- Prior art keywords
- matrix
- code
- ldpc code
- ldpc
- check matrix
- 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 53
- 239000011159 matrix material Substances 0.000 claims abstract description 113
- 239000013598 vector Substances 0.000 claims abstract description 60
- 230000009977 dual effect Effects 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 108091026890 Coding region Proteins 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 108010003272 Hyaluronate lyase Proteins 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
- H04L1/0038—Blind format detection
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明公开了一种LDPC码参数识别方法,涉及数字通信技术领域。该方法包括接收含误码的LDPC码字序列;根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵,解决了非协作通信背景下LDPC码开集盲识别的问题。
Description
技术领域
本发明涉及数字通信技术领域,尤其涉及一种LDPC码参数识别方法。
背景技术
LDPC码是一类具有稀疏校验矩阵的线性分组码,目前绝大多数已被投入使用的LDPC码均具有准循环结构,称为准循环(QuasiCyclic,)LDPC码,简称QC-LDPC码,如DVB-S2、IEEE802.11n、IEEE802.16e、CCSDS等标准中LDPC码的结构。QC-LDPC码除了具有LDPC码的纠错性能好、译码复杂度低等特点外,还具有占用硬件资源少、码字选择灵活等优势,广泛应用于卫星通信、深空通信、微波通信等军用和民用领域。
为了达到较好的编译码性能,目前实用化的LDPC码码长范围在102~104数量级甚至更长,一方面,由于LDPC码码长较长,部分算法在实施时复杂度过高,很难在可接受的时间范围内取得结果,例如高斯消元法、码重分布统计法以及Walsh-Hadamard变换法等经典算法。另一方面,码长较长还会导致误码的作用被放大化,所以在存在误码时难以识别成功的问题。目前研究人员主要在闭集条件下对LDPC的识别开展研究,然而闭集识别需要知道大量的先验知识,这在非协作通信领域难以得到满足,因此,LDPC开集盲识别已成为编码识别中一个亟待解决的问题。
因此,亟需一种LDPC码参数识别方法,以解决非协作通信背景下LDPC码开集盲识别的问题。
发明内容
本发明旨在提出一种LDPC码参数识别方法,以实现在非协作通信背景下对LDPC码的开集盲识别。
为实现上述目的,本发明提供以下技术方案:
一种LDPC码参数识别方法,包括:
接收含误码的LDPC码字序列;
根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
可选地,所述根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵的步骤,包括:
根据所述含误码的LDPC码字序列,利用对偶法估计所述LDPC码字序列的码长和起始位;
根据所述码长和起始位,构造第二分析矩阵;
获取所述第二分析矩阵的第二对偶向量;
剔除所述第二对偶向量中的含错码字,以获取第二有效对偶向量,得到非稀疏校验矩阵。
可选地,所述根据所述含误码的LDPC码字序列,利用对偶法估计所述LDPC码字序列的码长和起始位的步骤,包括:
根据所述含误码的LDPC码字序列,生成第一分析矩阵;
获取所述第一分析矩阵的第一对偶向量;
从所述第一对偶向量中筛选出第二有效对偶向量,以获取码长和起始位。
可选地,所述接收含误码的LDPC码字序列的步骤之前,所述方法还包括:
构建基本校验矩阵;
根据所述基本校验矩阵的码长和码率,生成待编码信息以及LDPC码编码序列;
基于所述LDPC码编码序列以及预设误码率参数,生成所述含误码的LDPC码字序列。
可选地,所述获取所述第二分析矩阵的第二对偶向量的步骤,包括:
根据所述第二分析矩阵,构造分块矩阵;
根据公式一,对所述分块矩阵进行高斯列变换,得到所述分块矩阵的对偶矩阵,以得到所述第二对偶向量;
其中,所述分块矩阵为所述公式一为/>
其中,Cm×n为第二分析矩阵,In×n表示n×n的单位矩阵,Qn×(n-k)为Cm×n的对偶矩阵。
可选地,所述剔除所述第二对偶向量中的含错码字,以获取第二有效对偶向量的步骤,具体包括:
根据预设判决门限,剔除所述第二对偶向量中的含错码字,以获取有效对偶向量,其中,所述预设判决门限为
为实现上述目的,本发明还提供一种LDPC码参数识别装置,所述参数识别装置包括:
码字序列接收模块,用于接收含误码的LDPC码字序列;
非稀疏校验矩阵获取模块,用于根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
稀疏化校验矩阵重建模块,用于对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
为实现上述目的,本发明还提供一种LDPC码参数识别设备,包括:
处理器,存储器以及存储在所述存储器中的参数识别程序,所述参数识别程序被所述处理器运行时实现如上任一项所述参数识别方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有参数识别程序,所述参数识别程序被处理器执行时实现如上任一项所述的参数识别方法。
本发明实施例提供了一种LDPC码参数识别方法,该方法通过接收含误码的LDPC码字序列;根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;再利用校验矩阵稀疏化算法,对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩,最终实现非协作通信背景下LDPC码开集盲识别的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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为本发明LDPC码参数识别设备第一实施例的结构示意图;
图2为本发明LDPC码参数识别方法第一实施例的流程示意图一;
图3为本发明LDPC码参数识别方法第一实施例的流程示意图二;
图4为本发明LDPC码参数识别方法第一实施例的LDPC码的比特误码率和识别概率曲线示意图;
图5为本发明LDPC码参数识别装置第一实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例以下,将对本申请技术实现中应用到的LDPC码参数识别设备进行说明:
参照图1,图1为本申请实施例方案涉及的硬件运行环境参数识别设备的结构示意图。
如图1所示,该设备可以包括:处理器1001,例如中央处理器(CentralProcessingUnit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccessMemory,RAM)存储器,也可以是稳定的非易失性存储器(Non-VolatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对参数识别终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及参数识别程序。
在图1所示的参数识别终端中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明参数识别终端中的处理器1001、存储器1005可以设置在参数识别终端中,参数识别终端通过处理器1001调用存储器1005中存储的参数识别程序,并执行本申请实施例提供的参数识别方法。
本申请实施例以下,将对本申请技术实现中应用到的LDPC码参数识别方法进行说明:
参阅图2,该方法包括以下步骤:
S100、接收含误码的LDPC码字序列;
S200、根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
S300、对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
本发明通过接收含误码的LDPC码字序列,根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵,再利用校验矩阵稀疏化算法,对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩,最终实现非协作通信背景下LDPC码开集盲识别的问题。
进一步地,参阅图3,图3为本发明的LDPC码参数识别方法的流程图,本发明的LDPC码参数识别方法具体步骤如下:
S10、构建基本校验矩阵。
算法设计中以IEEE802.11n准循环LDPC为测试用编码,基本校验矩阵基于矩阵因子Z扩展构建3种码长(n=648、1296、1944)和3种码率(R=1/2、2/3、3/4)的校验矩阵:Hbn648_12、Hbn648_23、Hbn648_34、Hbn1296_12、Hbn1296_23、Hbn1296_34、Hbn1944_12、Hbn1944_23、Hbn1944_34。
S20、根据所述基本校验矩阵的码长和码率,生成待编码信息以及LDPC码编码序列。
以码长64,码率3/4为例:码长n=648;码率rate=3/4;信息位长度kb=n*rate;完整码字个数N=30*n;待编码信息data=randi([01],1,N*kb)。
生成LDPC码编码序列:根据码长n、扩展因子最大值z0(IEEE802.16e)、码率rate、基本校验矩阵Hd,利用Efficient快速编码算法,产生测试用的LDPC二进制码流。
确定扩展因子z、完整码字个数N等编码参数。
由基本校验矩阵扩展后得到给定码长和码率的校验矩阵。
利用Efficient快速算法,得到编码后的二进制序列code。
根据所述LDPC码编码序列以及预设误码率参数,生成所述含误码的LDPC码字序列data。
S100、接收含误码的LDPC码字序列。
S200、根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,识别LDPC码的线性约束关系,获取非稀疏校验矩阵的步骤包括S210、S220、S230以及S240。
S210、根据所述含误码的LDPC码字序列,利用对偶法估计所述LDPC码字序列的码长n0和起始位s0。
具体过程为,根据所述含误码的LDPC码字序列data,生成第一分析矩阵C=vec2mat(ldpc_data(1:M*n),n),其中n为码长初值,M为第一分析矩阵的行数;计算所述第一分析矩阵的第一对偶向量;利用对偶向量的统计判决准则,在获取的第一对偶向量中筛选出第一有效对偶向量,从而计算出码长n0和起始位s0的估计值。
需要说明的是,当且仅当分析矩阵中的码长为正确的码长或其整数倍时,才能得到当前码字的校验向量,并且获取的校验向量数与起始点是否被正确遍历到有关。
S220、根据所述码长n0和起始位s0,构造第二分析矩阵。
S230、获取所述第二分析矩阵的第二对偶向量。
具体地,设第二分析矩阵Cm×n的秩为k,即k=rank(Cm×n),In×n表示n×n的单位矩阵,构造分块矩阵并对其进行高斯列表换得到/>而对分块矩阵的高斯列变换等价于将其右乘一个n×n的可逆矩阵偶Ln×n,即/>根据线性代数相关知识,矩阵Qn×(n-k)的各列是将矩阵Cm×n的各个列向量线性组合成全零矩阵Om×(n-k)的组合系数,即矩阵Qn×(n-k)正是矩阵Cm×n的对偶矩阵。
S240、剔除所述第二对偶向量中的含错码字。
判断第二对偶向量的维度是否收敛,若否,则重复以上步骤S220、S230以及S240,剔除含误码码组,直至所有第二对偶向量维度收敛,以获取全部第二有效对偶向量,得到非稀疏校验矩阵。
具体过程为:根据构建的第二分析矩阵和统计理论,确定列重判决门限,使得虚警概率小于2^(-n0);保存秩最大的第二对偶向量,得到非稀疏校验矩阵;通过迭代,直至校验矩阵的秩恒定;随机交换矩阵C的各行(矩阵C的1行到M行),并通过高斯消元得到更多的校验向量。
需要说明的是,分析矩阵置换次数,码长越长,码率越高,需要的置换次数越多,必须保证足够的数量,否者无法正确识别出起始点。
具体地,通过设置合适的判决门限η,可以从候选第二对偶向量中筛选出有效第二对偶向量,为避免误判,判决门限η应满足:
利用已获取的第二有效对偶向量发现和剔除截获数据中的含错码字,不断提升无误码码字的比例进而可获得更多的第二对偶向量,在分析码字数量足够多的情况下,最终可获得全部所需的第二对偶向量,得到非稀疏校验矩阵。
S300、对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
利用Canteaut-Chabaud算法对LDPC码校验矩阵稀疏化,重建稀疏化校验矩阵。
具体过程为,非稀疏校验矩阵系统化为[I,P]形式的矩阵Hsys;通过计算Hsys的[r/3]-行子矩阵集合H1、Hsys的[r/2]-行子矩阵集合H2、Hsys的[2r/3]-行子矩阵集合H3、Hsys的r-行子矩阵集合H4,Hsys的子矩阵集合Hset;进一步的,生成稀疏校验向量集合,并将稀疏校验向量集合按行从小到大排列;选取排序后的稀疏校验向量集合中前r个线性独立的校验向量构成最终的稀疏校验矩阵;选取合适的稀疏校验向量构成最终的稀疏校验矩阵,以实现非协作通信背景下LDPC码的开集盲识别。
如图4所示为码长n=648、码率r=0.75的LDPC码的比特误码率和识别概率曲线,通过仿真验证,本发明的方法识别概率高。
此外,基于同一发明构思,参阅图5,本发明实施例还提出一种参数识别装置,所述参数识别装置包括:
码字序列接收模块,用于接收含误码的LDPC码字序列;
非稀疏校验矩阵获取模块,用于根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
稀疏化校验矩阵重建模块,用于对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
此外,本发明实施例还提出一种计算机存储介质,存储介质上存储有参数识别程序,参数识别程序被处理器执行时实现如上文的参数识别方法的步骤。因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。确定为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述实施例描述中的对应过程,在此不再赘述。应理解,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种LDPC码参数识别方法,其特征在于,包括:
接收含误码的LDPC码字序列;
根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
2.根据权利要求1所述的LDPC码参数识别方法,其特征在于,所述根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵的步骤,包括:
根据所述含误码的LDPC码字序列,利用对偶法估计所述LDPC码字序列的码长和起始位;
根据所述码长和起始位,构造第二分析矩阵;
获取所述第二分析矩阵的第二对偶向量;
剔除所述第二对偶向量中的含错码字,以获取第二有效对偶向量,得到非稀疏校验矩阵。
3.根据权利要求2所述的LDPC码参数识别方法,其特征在于,所述根据所述含误码的LDPC码字序列,利用对偶法估计所述LDPC码字序列的码长和起始位的步骤,包括:
根据所述含误码的LDPC码字序列,生成第一分析矩阵;
获取所述第一分析矩阵的第一对偶向量;
从所述第一对偶向量中筛选出第二有效对偶向量,以获取码长和起始位。
4.根据权利要求3所述的LDPC码参数识别方法,其特征在于,所述接收含误码的LDPC码字序列的步骤之前,所述方法还包括:
构建基本校验矩阵;
根据所述基本校验矩阵的码长和码率,生成待编码信息以及LDPC码编码序列;
基于所述LDPC码编码序列以及预设误码率参数,生成所述含误码的LDPC码字序列。
5.根据权利要求4所述的LDPC码参数识别方法,其特征在于,所述获取所述第二分析矩阵的第二对偶向量的步骤,包括:
根据所述第二分析矩阵,构造分块矩阵;
根据公式一,对所述分块矩阵进行高斯列变换,得到所述分块矩阵的对偶矩阵,以得到所述第二对偶向量;
其中,所述分块矩阵为所述公式一为/>
其中,Cm×n为第二分析矩阵,In×n表示n×n的单位矩阵,Qn×(n-k)为Cm×n的对偶矩阵。
6.根据权利要求5所述的LDPC码参数识别方法,其特征在于,所述剔除所述第二对偶向量中的含错码字,以获取第二有效对偶向量的步骤,具体包括:
根据预设判决门限,剔除所述第二对偶向量中的含错码字,以获取有效对偶向量,其中,所述预设判决门限为
7.一种LDPC码参数识别装置,其特征在于,所述参数识别装置包括:
码字序列接收模块,用于接收含误码的LDPC码字序列;
非稀疏校验矩阵获取模块,用于根据所述含误码的LDPC码字序列,基于低列重求解对偶向量的算法,获取非稀疏校验矩阵;
稀疏化校验矩阵重建模块,用于对所述非稀疏校验矩阵进行稀疏化处理,重建稀疏化的校验矩阵。
8.一种LDPC码参数识别设备,其特征在于,包括:处理器,存储器以及存储在所述存储器中的参数识别程序,所述参数识别程序被所述处理器运行时实现如权利要求1至6中任一项所述的参数识别方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有参数识别程序,所述参数识别程序被处理器执行时实现如权利要求1至6中任一项所述的参数识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310555258.7A CN116667859A (zh) | 2023-05-17 | 2023-05-17 | 一种ldpc码参数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310555258.7A CN116667859A (zh) | 2023-05-17 | 2023-05-17 | 一种ldpc码参数识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116667859A true CN116667859A (zh) | 2023-08-29 |
Family
ID=87721598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310555258.7A Pending CN116667859A (zh) | 2023-05-17 | 2023-05-17 | 一种ldpc码参数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116667859A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117560020A (zh) * | 2024-01-09 | 2024-02-13 | 清华大学 | 一种信道编码稀疏校验矩阵重建方法、装置和电子设备 |
-
2023
- 2023-05-17 CN CN202310555258.7A patent/CN116667859A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117560020A (zh) * | 2024-01-09 | 2024-02-13 | 清华大学 | 一种信道编码稀疏校验矩阵重建方法、装置和电子设备 |
CN117560020B (zh) * | 2024-01-09 | 2024-04-09 | 清华大学 | 一种信道编码稀疏校验矩阵重建方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2739465C2 (ru) | Способ и устройство для кодирования и декодирования кодов с низкой плотностью проверок на четность | |
US8595589B2 (en) | Quasi-cyclic low-density parity-check codes | |
US7620873B2 (en) | Encoder, decoder, methods of encoding and decoding | |
CN109995380B (zh) | 译码方法及设备 | |
CN112332860B (zh) | 一种ldpc码稀疏校验矩阵重建方法及系统 | |
US10033407B2 (en) | Optimization of low density parity-check code encoder based on a search for an independent set of nodes | |
US7450032B1 (en) | System and method for encoding a signal using compressed sensor measurements | |
CN116667859A (zh) | 一种ldpc码参数识别方法 | |
CN109361495A (zh) | 一种极化码构造方法、装置、电子设备及可读存储介质 | |
US10892848B2 (en) | Devices and methods implementing polar codes | |
US11258463B2 (en) | Polar code transmission method and apparatus | |
US11626888B2 (en) | Method and apparatus for quasi-cyclic low-density parity-check | |
CN106452455A (zh) | 基于OpenCL 移动设备QC‑LDPC 的动态译码方法 | |
CN113037299A (zh) | 基于迭代译码的ldpc码稀疏校验矩阵重建方法和装置 | |
US20090217123A1 (en) | Method and System for Encoding a Data Sequence | |
CN111865335A (zh) | 一种分组纠错码的译码方法、装置、存储介质和电子装置 | |
US7584396B1 (en) | System and method for decoding a signal using compressed sensor measurements | |
US8572462B2 (en) | Decoding apparatus and decoding method | |
US11271592B2 (en) | Method and apparatus for sequence determination, device and storage medium | |
CN111130564B (zh) | 译码方法及装置 | |
CN115037339B (zh) | 信号检测方法及终端设备 | |
Chen et al. | Robust sublinear complexity Walsh-Hadamard transform with arbitrary sparse support | |
Liang et al. | Exploiting noise correlation for channel decoding with convolutional neural networks | |
CN117560020B (zh) | 一种信道编码稀疏校验矩阵重建方法、装置和电子设备 | |
CN109217879B (zh) | 一种多速率低密度校验码的构造方法和装置 |
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 |