本发明专利技术公开了一种基于优化LLP-BP算法的信道译码方法，该方法在LLR-BP算法的基础上，通过引入一种乘性弱化相关因子，补偿在变量信息的处理过程中变量消息之间的相关性；并对LLR-BP算法的校验节点做简化，降低了LLR-BP算法的复杂度。本发明专利技术的基于优化LLP-BP算法的信道编码方法，给出了基于变量节点优化和校验节点简化的改进LLR-BP译码方法，在改进其译码性能的同时降低了译码复杂度。
【技术实现步骤摘要】
本专利技术得到天津自然科学基金，基金号：13JCYBJC15800的自助。
本专利技术属于移动通信编译码
，涉及一种LDPC码的置信传播改进译码方法。该方法主要应用于MIMO-OFDM技术中的译码。
技术介绍
在不增加系统带宽或发射功率的基础上，MIMO（Multiple Input Multiple Output，多输入多输出）技术可以实现更高效、更可靠的数据传输，进一步提高系统的频谱利用率。MIMO系统的应用使得多径干扰效应有了新的价值，可以利用多径分量来对抗多径衰落。MIMO系统与传统的单天线系统相比更加适合现代无线通信系统，对其进行深入研究成为了通信领域的重要部分。然而，MIMO技术对减少信道的频率选择性衰落却没有那么好的效果，针对该问题的解决办法主要有两种：一类是使用均衡技术；另一类是使用OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）技术。近年来，OFDM技术受到了很多研究人员的关注。OFDM技术也是多载波调制 (MCM) 技术，它能把一路高速的数据流串并转换为多路的低速数据流。它还具有良好的抗衰落能力和减少相邻信道间的码间干扰问题。集合了MIMO和OFDM的通信系统，充分发挥了二者的优势，提高系统性能。MIMO-OFDM系统不仅能够提高无线通信系统容量，更加适宜现代无线通信中多变的信道，实现高速大数据的传输；而且可以进一步改善通信系统在频率选择性衰落信道上系统性能，提高通信质量。LDPC码具有其他信道编码所不具有的优势，如译码复杂度低、设计灵活、较好的随机特性、其性能可以更加接近香农限等等。因此，将LDPC码（Low Density Parity Check Code，低密度奇偶校验码）作为MIMO-OFDM通信系统的信道编码以提高系统通信性能是现代无线通信研究领域的最佳选择。置信传播 (BP) 算法是基于LDPC码的Tanner（校验矩阵）图结构，在迭代译码的过程中，将可靠性信息经过图的边在节点间传递，经多次迭代得出趋于稳定的值，据此做最佳译码判决。采用了BP算法的LDPC码，有了更靠近香农容限的性能。BP算法的主要思想就是信息的传递，在变量节点和校验节点间完成信息的更新，经过预设的迭代运算，实现信息在整个Tanner图中的传递。由于进行BP译码算法的过程中存在大量的非线性运算，这就导致其算法复杂度非常高。若使用似然比来表示节点之间传递的信息，该算法被称为对数域似然比置信传播算法，简称对数域BP算法或LLR-BP算法。但是该算法译码性能依旧需要提高，此外译码复杂度较高。
技术实现思路
本专利技术为了解决上述现有技术中存在的问题，提供了一种基于优化LLP-BP算法的信道译码方法。为实现上述目的，本专利技术采用如下的技术方案：本专利技术的基于优化LLP-BP算法的信道译码方法，包括以下步骤：第一步，确定似然比信息定义变量节点的先验概率似然比函数为： 变量优化处理的LLR-BP算法的变量节点消息处理是在LLR-BP算法式（9）的基础上加入了一个乘性弱化相关因子 本专利技术具有的优点和积极效果是：本专利技术在 LLR-BP算法的基础上，通过引入一种乘性弱化相关因子，补偿在变量信息的处理过程中变量消息之间的相关性；并对LLR-BP算法的校验节点做简化，降低了LLR-BP算法的复杂度。本专利技术的基于优化LLP-BP算法的信道译码方法，给出了基于变量节点优化和校验节点简化的改进LLR-BP译码方法，在改进其译码性能的同时降低了译码复杂度。附图说明图1为函数的图形；图2为本专利技术的方法与传统LLR-BP算法的性能比较图；图3为乘性相关因子的确定曲线图；图4为不同q值的比较曲线图。具体实施方式下面结合附图和具体实施例对本专利技术的基于优化LLP-BP算法的信道译码方法做进一步说明。下述各实施例仅用于说明本专利技术而并非对本专利技术的限制。BP译码算法是利用接收到的信息在Tanner图中的校验节点、变量节点及其边上进行迭代运算，由变量节点收集可利用消息，并进行判决。在Tanner图中无环（或近似无环）的情况下，那么在迭代译码次数趋近于无穷时，变量节点消息可收敛直至后验概率。然而，在实际应用中，LDPC码的码长有一定的限度，这就导致Tanner图中有环的存在，其中较短的环对LDPC码的译码性能有很大影响。因此，在 LLR-BP算法的基础上，通过引入一种乘性弱化相关因子，补偿在变量信息的处理过程中变量消息之间的相关性。LLR-BP算法中，为了降低译码时每个校验（变量）节点的运算复杂度，对于存在指数、对数以及乘法运算的校验信息更新过程，具有较大的优化空间。因此对LLR-BP算法的校验节点做简化，是降低LLR-BP算法复杂度的有效方法。本专利技术的基于优化LLP-BP算法的信道译码方法，包括以下步骤：第一步，确定似然比信息 其中，乘性弱化相关因子需要通过仿真实验确定。该算法的运算复杂度并未增加过多的运算，仅在一次迭代时加入了一次乘法运算。第二步：初始化似然比信息 其中，上标 (l)、(l-1) 表示迭代次数。LLR-BP算法中，为了降低译码时每个校验（变量）节点的运算复杂度，对于存在指数、对数以及乘法运算的校验信息更新过程，具有较大的优化空间。因此对LLR-BP算法的校验节点做简化，是降低LLR-BP算法复杂度的有效方法。在对函数性质的分析的基础上，对校验信息的更新过程做进一步的简化： 在计算校验消息的更新时，所有来自变量节点的消息绝对值的最小值和次小值对可靠信息的估计影响最大。针对于该简化方法中的参数的确定，选取。对于简化方法中的q值的选取，图4中为取不同q值时LLR-BP译码性能的比较。实验证明算法改进效果如下：在AWGN(Additive White Gaussian Noise)信道环境下，通过BPSK(Binary Phase Shift Keying)调制方式，对非规则QC-LDPC码的改进LLR-BP算法进行仿真分析。其中，奇偶校验矩阵H的行重为5，列重为10；码长bit，码率译码最大迭代次数为50，帧数为5。 图2为仿真结果，由图可知，在时，译码性能约提高了0.3dB。引入乘性去相关因子，降低了短循环变量消息之间的相关性，同时改进算法在没有大幅度增加计算复杂度的情况下，改善了算法的译码性能。其中在信噪比为2dB时，改进算法的性能提升最明显。经多次试验取平均值，该相关因子的确定我们可以从图2中确定，当时误码率（BER）性能最佳。在该算法中，的取值会对变量之间传递信息比特的BER产生一定的影响。图3中，在较低信噪比（图中信噪比小于1.5dB时）的情况下，对BER的影响较小；然而，当信噪比大于一定值（图中信噪比在1.8~2.5dB时）的情况时，值促进了译码过程的收敛，明显降本文档来自技高网...
【技术保护点】
一种基于优化LLP‑BP算法的信道译码方法，其特征在于该方法包括以下步骤：第一步，确定似然比信息定义变量节点的先验概率似然比函数为： 变量优化处理的LLR‑BP算法的变量节点消息处理是在LLR‑BP算法式（9）的基础上加入了一个乘性弱化相关因子第二步：初始化似然比信息 第五步：译码判决在迭代处理最后，重新计算各个变量节点的可靠信息：译码完成，停止迭代并输出码字；否则继续，直至最大迭代次数。
【技术特征摘要】
1.一种基于优化LLP-BP算法的信道译码方法，其特征在于该方法包括以下步骤：
第一步，确定似然比信息
定义变量节点的先验概率似然比函数为：
变量优化处理的LLR-BP算法的变量节点消息处理是在LLR-BP...
【专利技术属性】
技术研发人员：刘瑞安，黄嘉，张君生，王斓，罗晨娴，
申请(专利权)人：天津师范大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。