CN117527150A - 基于翻转重量的阶序统计译码方法、装置、设备及介质 - Google Patents
基于翻转重量的阶序统计译码方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117527150A CN117527150A CN202311844146.XA CN202311844146A CN117527150A CN 117527150 A CN117527150 A CN 117527150A CN 202311844146 A CN202311844146 A CN 202311844146A CN 117527150 A CN117527150 A CN 117527150A
- Authority
- CN
- China
- Prior art keywords
- sequence
- weight
- test error
- hamming distance
- decoding
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000007306 turnover Effects 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 99
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 230000001174 ascending effect Effects 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
-
- 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
- H03M13/45—Soft decoding, i.e. using symbol reliability information
- H03M13/451—Soft decoding, i.e. using symbol reliability information using a set of candidate code words, e.g. ordered statistics decoding [OSD]
-
- 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
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Theoretical Computer Science (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明涉及信道编码技术领域，并公开了一种基于翻转重量的阶序统计译码方法、装置、设备及介质，该方法包括：基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；根据翻转重量和汉明重量确定测试错误模式的似然度；利用整数分割算法，将似然度按照升序排列获得测试错误模式序列；基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据测试错误模式序列和停止准则，确定目标估计码字。根据翻转重量和汉明重量确定测试错误模式的似然度，然后利用整数分割算法，将似然度按照升序排列获得测试错误模式序列，再构建基于加权汉明距离估计的停止准则，本发明能够有效降低现有译码算法的误码率和译码复杂度。
Description
技术领域
本发明涉及信道编码技术领域，尤其涉及一种基于翻转重量的阶序统计译码方法、装置、设备及介质。
背景技术
目前，为了支持超高可靠低时延通信（ultra-Reliable Low-LatencyCommunications，uRLLC），适用于比特级粒度且速率兼容(rate-compatible，RC)编码方案的新型高性能解码器引起了人们的极大兴趣。若一个线性分组码的最小汉明距离为，阶数为/>的阶序统计译码器（ordered statistic decoder，OSD）可以接近最大似然（maximum likelihood，ML）性能，因而OSD是一种在uRLLC非常有吸引力的译码方案。
然而，现有的OSD算法在执行时都是固定阶数或最大测试错误模式（test errorpatterns，TEPs）数。快速OSD（Fast-OSD），它将概率必要条件和概率充分条件结合可以限制在高信噪比（signal-to-noise ratios，SNRs）时的重编码数量。分段抛弃算法，它将TEPs序列分段，当条件满足时抛弃一组TEPs。此外，有学者考虑使用接收到的符号来构建丢弃和停止准则，称为基于概率（probability-based，PB）的OSD(PB-OSD)。另外有学者使用串行列表Viterbi算法在网格上搜索TEPs以减少重新编码次数，称为局部约束的OSD。上述算法的缺点是在RC编码方案中，纠错性能和译码复杂度都不能得到保证。
因此，亟需一种基于翻转重量的阶序统计译码方法，能够降低现有译码算法的误码率和译码复杂度。
发明内容
本发明的主要目的在于提供了一种基于翻转重量的阶序统计译码方法、装置、设备及介质，旨在如何降低现有译码算法的误码率和译码复杂度。
为实现上述目的，本发明提供了一种基于翻转重量的阶序统计译码方法，所述方法包括以下步骤：
基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；
根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；
利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；
基于预设初始似然度构建基于加权汉明距离估计的停止准则；
根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
可选地，所述似然度表示为：
;
式中，e表示所述测试错误模式，表示测试错误模式e的似然度；
r为有序可靠序列的线性近似描述，，I是r的截距，s为r的斜率，k为测试错误模式的个数，/>是/>的汉明重量，为/>的翻转重量。
可选地，所述利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列的步骤，包括：
获取所述汉明重量的上限值和下限值；
基于所述上限值和所述下限值，确定第一参数和第二参数；
基于所述上限值、所述下限值、第一参数和第二参数，利用整数分割算法，将所述似然度按照升序排列获得所述测试错误模式序列；
其中，汉明重量的上限值，汉明重量的下限值/>，其中/>表示向上取整，/>表示向下取整。
可选地，所述停止准则为：
；
其中，是OSD译码算法中加权汉明距离的估计，/>的计算公式为/>；其中，/>，/>，，/>是期望，/>是译码过程中当前最小加权汉明距离；其中，MRB和LRB分别是OSD译码算法根据可靠度将接收序列划分的最可靠基和最不可靠基。
可选地，所述根据所述测试错误模式序列和所述停止准则，确定目标估计码字的步骤，包括：
对各所述测试错误模式序列进行重编码，并获得当前加权汉明距离值；
判断所述当前加权汉明距离值是否小于所述当前最小加权汉明距离；
若小于，则将所述当前加权汉明距离值对应的码字作为最优码字，将所述当前加权汉明距离值作为新的当前最小加权汉明距离；
判断所述新的当前最小加权汉明距离是否满足所述停止准则；
若所述新的当前最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
可选地，所述基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量的步骤之前，还包括：
接收信道输出的软信息和可靠度序列；
对所述软信息进行硬判决获得硬判决序列，并对所述可靠度序列进行降序排列；
对所述可靠度序列对应的生成矩阵、所述硬判决序列和排序后的可靠度序列分别进行第一置换操作，获得第一生成矩阵、第一硬判决序列和第一可靠度序列；
对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列。
可选地，所述对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列的步骤之后，还包括：
对所述第二生成矩阵、所述第二硬判决序列和所述有序可靠序列进行0阶处理，获得最优硬判决序列和最小加权汉明距离；
若所述最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
此外，为实现上述目的，本发明还提出一种基于翻转重量的阶序统计译码装置，所述装置包括：
第一构建模块，用于基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；
相似度确定模块，用于根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；
数据处理模块，用于利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；
第二构建模块，用于基于预设初始似然度构建基于加权汉明距离估计的停止准则；
目标确定模块，用于根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
此外，为实现上述目的，本发明还提出一种基于翻转重量的阶序统计译码设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于翻转重量的阶序统计译码程序，所述基于翻转重量的阶序统计译码程序配置为实现如上文所述的基于翻转重量的阶序统计译码方法的步骤。
此外，为实现上述目的，本发明还提出一种介质，所述介质上存储有基于翻转重量的阶序统计译码程序，所述基于翻转重量的阶序统计译码程序被处理器执行时实现如上文所述的基于翻转重量的阶序统计译码方法的步骤。
本发明基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据所述测试错误模式序列和所述停止准则，确定目标估计码字。由于本发明根据翻转重量和汉明重量确定所述测试错误模式的似然度，然后利用整数分割算法，将似然度按照升序排列获得测试错误模式序列，再基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据测试错误模式序列和停止准则，确定目标估计码字，相比于现有技术，本发明能够有效降低现有译码算法的误码率和译码复杂度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于翻转重量的阶序统计译码设备的结构示意图；
图2为本发明基于翻转重量的阶序统计译码方法第一实施例的流程示意图；
图3为本发明基于翻转重量的阶序统计译码方法第二实施例的流程示意图；
图4为本发明基于翻转重量的阶序统计译码方法第三实施例的流程示意图；
图5为本发明基于翻转重量的阶序统计译码方法整体流程示意图；
图6为本发明基于翻转重量的阶序统计译码装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于翻转重量的阶序统计译码设备结构示意图。
如图1所示，该基于翻转重量的阶序统计译码设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，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（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，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基于翻转重量的阶序统计译码设备的限定，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，作为一种介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于翻转重量的阶序统计译码程序。
在图1所示的基于翻转重量的阶序统计译码设备中，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；本发明基于翻转重量的阶序统计译码设备中的处理器1001、存储器1005可以设置在基于翻转重量的阶序统计译码设备中，所述基于翻转重量的阶序统计译码设备通过处理器1001调用存储器1005中存储的基于翻转重量的阶序统计译码程序，并执行本发明实施例提供的基于翻转重量的阶序统计译码方法。
本发明实施例提供了一种基于翻转重量的阶序统计译码方法，参照图2，图2为本发明基于翻转重量的阶序统计译码方法第一实施例的流程示意图。
本实施例中，所述基于翻转重量的阶序统计译码方法包括以下步骤：
步骤S10：基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量。
需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算机服务器设备，例如服务器、平板电脑、个人电脑、ipad等，或者是一种能够实现上述功能的电子设备、基于翻转重量的阶序统计译码设备等。以下以基于翻转重量的阶序统计译码设备为例，对本实施例及下述各实施例进行举例说明。
在具体实现中，首先接收信道输出的可靠度序列，然后对可靠度序列进行降序排列，生成矩阵/>被相应的置换为/>，其中，/>表示相应的置换。接下来，对矩阵/>执行高斯消元（Gaussian elimination，GE）得到系统形式的矩阵/>。为了确保前k列是线性无关的，因此在GE中可能会发生置换/>。最终，硬判决序列和可靠度序列置换为/>和/>。经过上述置换后，最可靠基（most reliable basis，MRB）对应的硬判决序列为/>，相应的有序可靠序列为/>。
需要说明的是，测试错误模式的概率为测试错误模式e以有序可靠序列为条件的概率：
（1）
需要解释的是，令是/>的线性近似描述，该描述可以建模为一条截距，斜率/>的直线
（2）
选择右端点和中间的点/>作为参考点，其中/>是向下取整操作。不失一般性的，令/>，则式（2）可以简化为/>。定义量化参数：
（3）
经过量化，点的值为/>，其中/>是取整操作。因为直线经过点/>，则可以得到/>。因此，/>可表示为
（4）
步骤S20：根据所述翻转重量和汉明重量确定所述测试错误模式的似然度。
需要说明的是，上述似然度表示为：
；
式中，e表示所述测试错误模式，表示测试错误模式e的似然度；
r为有序可靠序列的线性近似描述，，I是r的截距，s为r的斜率，k为测试错误模式的个数，/>是/>的汉明重量，为/>的翻转重量。
根据似然度给定测试错误模式e的汉明重量，测试错误模式的概率/>只与翻转重量/>有关。
步骤S30：利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列。
需要说明的是，步骤S30可以包括：
步骤S301：获取所述汉明重量的上限值和下限值；
需要说明的是，汉明重量的上限值，汉明重量的下限值/>，其中/>表示向上取整，/>表示向下取整。
步骤S302：基于所述上限值和所述下限值，确定第一参数和第二参数；
和/>可分别由式/>和得到。注意到，当k个位置都被翻转时有最大的似然度，即。
对于长为k的序列，全1的TEP序列能达到最大的FW，即。令表示翻转重量FW，/>的测试错误模式集合：
（5）
确定式（5）中当汉明重量为的一个集合，即/>，等价于找到所有长为/>的正整数值向量，且满足
（6）
进一步的，令，定义
（7）
将（6）中的集合改写为的形式，即将第一参数/>分割w个非负的整数，且不大于第二参数/>。因此，确定（13）中集合的元素就等价于找到满足如下关系的所有非负整数向量/>：
（8）
步骤S303：基于所述上限值、所述下限值、第一参数和第二参数，利用整数分割算法，将所述似然度按照升序排列获得所述测试错误模式序列。
需要说明的是，基于上限值、下限值、和/>，通过整数分割算法得到；然后根据/>，确定测试错误模式序列/>。
例如，，/>，/>时整数分割的过程。首先，令/>，/>。计算/>，/>，则可得第一个整数分割/>，首先计算/>，发现/>是满足的，找到满足/>的最大的/>，即/>。令，/>，/>。计算/>，/>，，得到第二个整数分割/>。以同样的方法，得到第三个整数分割/>和第四个整数分割/>，当条件/>不再满足，该整数分割过程终止。
步骤S40：基于预设初始似然度构建基于加权汉明距离估计的停止准则。
需要说明的是，上述预设初始似然度，所述停止准则为：
；
其中，是OSD译码算法中加权汉明距离的估计，/>的计算公式为/>；其中，/>，/>，，/>是期望，/>是译码过程中当前最小加权汉明距离；其中，MRB和LRB分别是OSD译码算法根据可靠度将接收序列划分的最可靠基和最不可靠基。
步骤S50：根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
本实施例基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据所述测试错误模式序列和所述停止准则，确定目标估计码字。由于本实施例根据翻转重量和汉明重量确定所述测试错误模式的似然度，然后利用整数分割算法，将似然度按照升序排列获得测试错误模式序列，再基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据测试错误模式序列和停止准则，确定目标估计码字，相比于现有技术，本实施例能够有效降低现有译码算法的误码率和译码复杂度。
参考图3，图3为本发明基于翻转重量的阶序统计译码方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S10之前，还包括：
步骤S01：接收信道输出的软信息和可靠度序列。
需要说明的是，信道输出软信息，则可靠度序列为，其中，可信度/>，/>。
步骤S02：对所述软信息进行硬判决获得硬判决序列，并对所述可靠度序列进行降序排列。
需要解释的是，对软信息y硬判决得硬判决序列，其中，若/>，，否则，/>。
步骤S03：对所述可靠度序列对应的生成矩阵、所述硬判决序列和排序后的可靠度序列进行第一置换操作，获得第一生成矩阵、第一硬判决序列和第一可靠度序列。
步骤S04：对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列。
需要说明的是，排序后的可靠度序列为第一可靠度序列，其中，/>表示相应的第一置换操作。硬判决序列/>和生成矩阵/>被相应的置换为第一硬判决序列/>和第一生成矩阵/>。对矩阵/>执行高斯消元得到系统形式的生成矩阵。同时，可能会发生第二置换操作/>。硬判决序列、可靠度序列和生成矩阵被相应的置换为第二硬判决序列、有序可靠序列/>和第二生成矩阵/>。
然后再进行基于翻转重量的阶序统计译码（FWB-OSD），首先进行0阶重处理，得到当前最优硬判决序列，最优加权汉明距离。然后判停止准则是否满足，若满足，则停止译码并输出目标估计码字。
需要解释的是，所述对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列的步骤之后，还包括：对所述第二生成矩阵、所述第二硬判决序列和所述有序可靠序列进行0阶处理，获得最优硬判决序列和最小加权汉明距离；若所述最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
本实施例接收信道输出的软信息和可靠度序列；对所述软信息进行硬判决获得硬判决序列，并对所述可靠度序列进行降序排列；对所述可靠度序列对应的生成矩阵、所述硬判决序列和排序后的可靠度序列分别进行第一置换操作，获得第一生成矩阵、第一硬判决序列和第一可靠度序列；对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列。对所述第二生成矩阵、所述第二硬判决序列和所述有序可靠序列进行0阶处理，获得最优硬判决序列和最小加权汉明距离；若所述最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。相比于现有技术，本实施例能够有效降低现有译码算法的误码率和译码复杂度。
参考图4，图4为本发明基于翻转重量的阶序统计译码方法第三实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S50，包括：
步骤S501：对各所述测试错误模式序列进行重编码，并获得当前加权汉明距离值。
步骤S502：判断所述当前加权汉明距离值是否小于所述当前最小加权汉明距离。
步骤S503：若小于，则将所述当前加权汉明距离值对应的码字作为最优码字，将所述当前加权汉明距离值作为新的当前最小加权汉明距离。
步骤S504：判断所述新的当前最小加权汉明距离是否满足所述停止准则。
步骤S505：若所述新的当前最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
需要说明的是，在具体实现中，对每个测试错误模式序列进行重编码和计算加权汉明距离，即，/>。判断当前加权汉明距离是否小于当前最小加权汉明距离/>，若小于则将所述当前加权汉明距离值对应的码字作为最优码字，将所述当前加权汉明距离值作为新的当前最小加权汉明距离，即最优码字/>，当前最小加权汉明距离/>。然后判断是否满足停止准则，若满足则停止译码并输出，若不满足，则继续测试下一个测试错误模式序列。当测试完所有的测试错误模式序列后，似然度/>，重复上述步骤。
例如，参考图5，图5为本发明基于翻转重量的阶序统计译码方法整体流程示意图，信道输出软信息，则可靠度序列为/>，其中，/>，。对/>硬判决得硬判决序列/>，其中，若/>，/>，否则，/>。
预处理（Pre-processing）阶段：对可靠度序列进行降序排列，得到排序后的可靠度序列为/>，其中，/>表示相应的置换。硬判决序列/>和生成矩阵/>被相应的置换为和/>。对矩阵/>执行高斯消元得到系统形式的生成矩阵。同时，可能会发生置换/>。硬判决序列、可靠度序列和生成矩阵被相应的置换为/>、/>和/>。
下面开始FWB-OSD译码：首先进行0阶重处理，得到当前最优，最优加权汉明距离（WHD）/>。然后判断停止准则是否满足，若满足，则停止译码并输出目标估计码字/>，若不满足，则执行下面的自适应重处理部分。在自适应重处理中，首先对可靠度/>用一条直线进行线性拟合，并设置初始似然度/>。利用整数分割算法，在每种可靠度下生成相应的测试错误模式序列。对每个测试错误模式序列进行重编码和计算 WHD，即/>，/>。判断当前WHD是否小于最优/>，若满足则更新最优码字和最优WHD，即/>，/>。判断是否满足停止准则，若满足则停止译码并输出目标估计码字/>，若不满足，则继续测试下一个测试错误模式序列。当测试完所有的测试错误模式序列后，似然度/>，重复上述步骤。
本实施例基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；基于预设初始似然度构建基于加权汉明距离估计的停止准则；对各所述测试错误模式序列进行重编码，并获得当前加权汉明距离值；判断所述当前加权汉明距离值是否小于所述当前最小加权汉明距离；若小于，则将所述当前加权汉明距离值对应的码字作为最优码字，将所述当前加权汉明距离值作为新的当前最小加权汉明距离；判断所述新的当前最小加权汉明距离是否满足所述停止准则；若所述新的当前最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。由于本实施例根据翻转重量和汉明重量确定所述测试错误模式的似然度，然后利用整数分割算法，将似然度按照升序排列获得测试错误模式序列，再基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据测试错误模式序列和停止准则，确定目标估计码字，相比于现有技术，本实施例能够有效降低现有译码算法的误码率和译码复杂度。
此外，本发明实施例还提出一种介质，所述介质上存储有基于翻转重量的阶序统计译码程序，所述基于翻转重量的阶序统计译码程序被处理器执行时实现如上文所述的基于翻转重量的阶序统计译码方法的步骤。
参照图6，图6为本发明基于翻转重量的阶序统计译码装置第一实施例的结构框图。
如图6所示，本发明实施例提出的基于翻转重量的阶序统计译码装置包括：第一构建模块601、相似度确定模块602、数据处理模块603、第二构建模块604和目标确定模块605。
所述第一构建模块601，用于基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；
所述相似度确定模块602，用于根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；
所述数据处理模块603，用于利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；
所述第二构建模块604，用于基于预设初始似然度构建基于加权汉明距离估计的停止准则；
所述目标确定模块605，用于根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
本实施例基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据所述测试错误模式序列和所述停止准则，确定目标估计码字。由于本实施例根据翻转重量和汉明重量确定所述测试错误模式的似然度，然后利用整数分割算法，将似然度按照升序排列获得测试错误模式序列，再基于预设初始似然度构建基于加权汉明距离估计的停止准则；根据测试错误模式序列和停止准则，确定目标估计码字，相比于现有技术，本实施例能够有效降低现有译码算法的误码率和译码复杂度。
基于本发明上述基于翻转重量的阶序统计译码装置第一实施例，提出本发明基于翻转重量的阶序统计译码装置的第二实施例。
在本实施例中，所述第一构建模块601，还用于接收信道输出的软信息和可靠度序列；对所述软信息进行硬判决获得硬判决序列，并对所述可靠度序列进行降序排列；对所述可靠度序列对应的生成矩阵、所述硬判决序列和排序后的可靠度序列分别进行第一置换操作，获得第一生成矩阵、第一硬判决序列和第一可靠度序列；对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列。
所述第一构建模块601，还用于对所述第二生成矩阵、所述第二硬判决序列和所述有序可靠序列进行0阶处理，获得最优硬判决序列和最小加权汉明距离；若所述最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
本发明基于翻转重量的阶序统计译码装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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一个介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于翻转重量的阶序统计译码方法，其特征在于，所述基于翻转重量的阶序统计译码方法包括以下步骤：
基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；
根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；
利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；
基于预设初始似然度构建基于加权汉明距离估计的停止准则；
根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
2.如权利要求1所述的基于翻转重量的阶序统计译码方法，其特征在于，所述似然度表示为：
；
式中，e表示所述测试错误模式，表示测试错误模式e的似然度；
r为有序可靠序列的线性近似描述，，I是r的截距，s为r的斜率，k为测试错误模式的个数，/>是/>的汉明重量，/>为/>的翻转重量。
3.如权利要求2所述的基于翻转重量的阶序统计译码方法，其特征在于，所述利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列的步骤，包括：
获取所述汉明重量的上限值和下限值；
基于所述上限值和所述下限值，确定第一参数和第二参数；
基于所述上限值、所述下限值、第一参数和第二参数，利用整数分割算法，将所述似然度按照升序排列获得所述测试错误模式序列；
其中，汉明重量的上限值，汉明重量的下限值/>，其中/>表示向上取整，/>表示向下取整。
4.如权利要求1所述的基于翻转重量的阶序统计译码方法，其特征在于，所述停止准则为：
；
其中，是OSD译码算法中加权汉明距离的估计，/>的计算公式为/>；其中，/>，/>，，/>是期望，/>是译码过程中当前最小加权汉明距离；其中，MRB和LRB分别是OSD译码算法根据可靠度将接收序列划分的最可靠基和最不可靠基。
5.如权利要求1所述的基于翻转重量的阶序统计译码方法，其特征在于，所述根据所述测试错误模式序列和所述停止准则，确定目标估计码字的步骤，包括：
对各所述测试错误模式序列进行重编码，并获得当前加权汉明距离值；
判断所述当前加权汉明距离值是否小于所述当前最小加权汉明距离；
若小于，则将所述当前加权汉明距离值对应的码字作为最优码字，将所述当前加权汉明距离值作为新的当前最小加权汉明距离；
判断所述新的当前最小加权汉明距离是否满足所述停止准则；
若所述新的当前最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
6.如权利要求1所述的基于翻转重量的阶序统计译码方法，其特征在于，所述基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量的步骤之前，还包括：
接收信道输出的软信息和可靠度序列；
对所述软信息进行硬判决获得硬判决序列，并对所述可靠度序列进行降序排列；
对所述可靠度序列对应的生成矩阵、所述硬判决序列和排序后的可靠度序列分别进行第一置换操作，获得第一生成矩阵、第一硬判决序列和第一可靠度序列；
对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列。
7.如权利要求6所述的基于翻转重量的阶序统计译码方法，其特征在于，所述对所述第一生成矩阵进行高斯消元，并对所述第一生成矩阵、所述第一硬判决序列和所述第一可靠度序列分别进行第二置换操作，获得第二生成矩阵、第二硬判决序列和有序可靠序列的步骤之后，还包括：
对所述第二生成矩阵、所述第二硬判决序列和所述有序可靠序列进行0阶处理，获得最优硬判决序列和最小加权汉明距离；
若所述最小加权汉明距离满足所述停止准则，则停止译码并输出目标估计码字。
8.一种基于翻转重量的阶序统计译码装置，其特征在于，所述装置包括：
第一构建模块，用于基于对信道输出的有序可靠序列的线性近似描述，将测试错误模式的概率建模为翻转重量；
相似度确定模块，用于根据所述翻转重量和汉明重量确定所述测试错误模式的似然度；
数据处理模块，用于利用整数分割算法，将所述似然度按照升序排列获得测试错误模式序列；
第二构建模块，用于基于预设初始似然度构建基于加权汉明距离估计的停止准则；
目标确定模块，用于根据所述测试错误模式序列和所述停止准则，确定目标估计码字。
9.一种基于翻转重量的阶序统计译码设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于翻转重量的阶序统计译码程序，所述基于翻转重量的阶序统计译码程序配置为实现如权利要求1至7中任一项所述的基于翻转重量的阶序统计译码方法的步骤。
10.一种介质，其特征在于，所述介质上存储有基于翻转重量的阶序统计译码程序，所述基于翻转重量的阶序统计译码程序被处理器执行时实现如权利要求1至7任一项所述的基于翻转重量的阶序统计译码方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311844146.XA CN117527150B (zh) | 2023-12-29 | 2023-12-29 | 基于翻转重量的阶序统计译码方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311844146.XA CN117527150B (zh) | 2023-12-29 | 2023-12-29 | 基于翻转重量的阶序统计译码方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117527150A true CN117527150A (zh) | 2024-02-06 |
| CN117527150B CN117527150B (zh) | 2024-04-12 |
Family
ID=89749683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311844146.XA Active CN117527150B (zh) | 2023-12-29 | 2023-12-29 | 基于翻转重量的阶序统计译码方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117527150B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112737729A (zh) * | 2019-10-28 | 2021-04-30 | 哈尔滨工业大学（深圳） | 数据传输方法、装置、计算机设备及存储介质 |
| CN113300723A (zh) * | 2021-05-26 | 2021-08-24 | 西安电子科技大学 | 基于最大似然删除位置搜索的mgc码快速译码方法 |
| CN116683919A (zh) * | 2023-06-09 | 2023-09-01 | 电子科技大学长三角研究院(湖州) | 一种LDPC码的基于排序TEPs的OSD译码方法 |
| CN116760425A (zh) * | 2023-06-09 | 2023-09-15 | 电子科技大学长三角研究院(湖州) | 一种ldpc码的crc辅助osd译码方法 |
-
2023
- 2023-12-29 CN CN202311844146.XA patent/CN117527150B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112737729A (zh) * | 2019-10-28 | 2021-04-30 | 哈尔滨工业大学（深圳） | 数据传输方法、装置、计算机设备及存储介质 |
| CN113300723A (zh) * | 2021-05-26 | 2021-08-24 | 西安电子科技大学 | 基于最大似然删除位置搜索的mgc码快速译码方法 |
| CN116683919A (zh) * | 2023-06-09 | 2023-09-01 | 电子科技大学长三角研究院(湖州) | 一种LDPC码的基于排序TEPs的OSD译码方法 |
| CN116760425A (zh) * | 2023-06-09 | 2023-09-15 | 电子科技大学长三角研究院(湖州) | 一种ldpc码的crc辅助osd译码方法 |
Non-Patent Citations (1)
| Title |
|---|
| FEI WANG等: "Adjustable Ordered Statistic Decoder for Short Block Length Code towards URLLC", 《2021 13TH INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING（WCSP）》, 1 December 2021 (2021-12-01) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117527150B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120337B2 (en) | Self-training method and system for semi-supervised learning with generative adversarial networks | |
| WO2022141869A1 (zh) | 模型训练方法、调用方法、装置、计算机设备和存储介质 | |
| CN108171663B (zh) | 基于特征图最近邻替换的卷积神经网络的图像填充系统 | |
| CN112488183B (zh) | 一种模型优化方法、装置、计算机设备及存储介质 | |
| CN110766044A (zh) | 一种基于高斯过程先验指导的神经网络训练方法 | |
| JP6870508B2 (ja) | 学習プログラム、学習方法及び学習装置 | |
| CN110991724A (zh) | 用于预测风景区客流量的方法、系统及存储介质 | |
| US9075774B2 (en) | Perplexity calculation device | |
| JP2005533307A (ja) | 高速直接局所探索のための確率的方法を用いたビデオ処理システム設計を最適化する方法及び装置 | |
| JP7468540B2 (ja) | 学習システム、学習装置、および学習方法 | |
| CN117527150B (zh) | 基于翻转重量的阶序统计译码方法、装置、设备及介质 | |
| CN112737599A (zh) | 一种原模图ldpc码的自学习快速收敛译码方法及装置 | |
| KR20210004897A (ko) | 비트 매칭 기반으로 선형 부호를 고속 복호화하는 방법 및 장치 | |
| CN112966754A (zh) | 样本筛选方法、样本筛选装置及终端设备 | |
| CN112804029A (zh) | 基于ldpc码的bats码的传输方法、装置、设备及可读存储介质 | |
| CN114049539B (zh) | 基于去相关二值网络的协同目标识别方法、系统及装置 | |
| CN116245162A (zh) | 基于改进自适应遗传算法的神经网络剪枝方法及系统 | |
| CN112885367B (zh) | 基频获取方法、装置、计算机设备和存储介质 | |
| CN115148292A (zh) | 基于人工智能的dna模体预测方法、装置、设备及介质 | |
| KR102118899B1 (ko) | 연판정 기반으로 선형 부호를 고속 복호화하는 방법 및 장치 | |
| CN109740829B (zh) | 基于蚁群算法的粮食运输方法、设备、存储介质及装置 | |
| Jovanović et al. | The effect of uniform data quantization on GMM-based clustering by means of EM algorithm | |
| CN111917420A (zh) | 一种ldpc自适应译码方法及ldpc自适应译码器 | |
| JP2020071737A (ja) | 学習方法、学習プログラム及び学習装置 | |
| KR102189920B1 (ko) | 비트 매칭 기반으로 선형 부호를 고속 복호화하는 방법 및 장치 |
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 |