一种优化的基于归一化最小值的LDPC译码方法技术

本发明专利技术涉及5G通信系统，特别涉及一种优化的基于归一化最小值的LDPC译码方法，包括初始化，计算变量节点接收到的信道消息值；根据优化的归一化最小值算法进行迭代，更新从校验节点传送到变量节点的外信息、从变量节点传送到校验节点的外信息；计算变量节点的硬判决值，并进行硬判决；判断硬判决是否符合校验矩阵，若符合则输出硬判决作为译码结果，否则判断是否达到最大迭代数，若达到最大迭代数则译码失败；本发明专利技术使用最小值偏移量近似的替换第二最小值，减少了译码过程的比较运算次数，联合密度进化理论和加权平均方案根据各信噪比下的归一化因子得到一个最优的归一化因子以此来补偿译码性能，在实现过程中不会增加多余的硬件计算消耗。

【技术实现步骤摘要】
一种优化的基于归一化最小值的LDPC译码方法
本专利技术涉及5G通信系统，特别涉及一种优化的基于归一化最小值的LDPC译码方法。
技术介绍
低密度奇偶校验码(LowDensityParityCheckCode，LDPC)在使用置信度传播(BeliefPropagation，BP)算法或基于因子图的消息传递算法进行译码时拥有接近香农限的纠错性能。使用结构化的LDPC码在保证吞吐量的同时提供了低的译码复杂度，适用于各种并行的译码结构，也利于硬件实现。2016年10月，无线接入网络(3GPPRAN1)将QC-LDPC确定为第5代(5G)移动通信增强移动宽带(EnhanceMobileBroadband，eMBB)场景下的数据信道编码方案。由于LDPC码被用于大量的应用中，因此大量研究一直致力于寻找有效的译码方案。BP算法虽然在进行译码时拥有接近香农限的纠错性能，但是硬件实现译码过程的复杂度非常高，所以在硬件实现BP算法的过程中，通常将BP算法简化为BP-based近似算法(也称为“最小和(Min-Sum，MS)”算法)。BP-based极大的降低了整个译码过程的实现复杂度，但损失了部分译码性能，在此基础上出现了广受关注的归一化最小和以及偏移最小和，在增加少量复杂度的情况下提供了接近BP的译码性能。为满足复杂度要求比较高的应用，更加需要在复杂度和性能之间进行优化。
技术实现思路
为了降低LDPC译码的复杂度，本专利技术提出一种优化的基于归一化最小值的LDPC译码方法，包括：S1、初始化，计算变量节点n接收到的信道消息值ln；S2、根据优化的归一化最小值算法进行迭代更新，即利用优化的归一化因子的值更新从校验节点传送到变量节点的外信息，以及更新从变量节点传送到校验节点的外信息；S3、计算变量节点n的硬判决值，并进行硬判决；S4、判断硬判决是否符合校验矩阵，若符合则输出硬判决作为译码结果，否则判断是否达到最大迭代数，若达到最大迭代数则译码失败，否则返回S2；所述优化的归一化因子的值的计算包括：利用第一变量节点更新函数的期望与第二变量节点更新函数的期望的比值求出第1次迭代过程中归一化因子的值；当满足硬判决时的迭代次数itermax大于等于2时，根据第k-1次迭代过程中得到的归一化因子计算第三变量节点更新函数的期望，利用第一变量节点更新函数的期望与第三变量节点更新函数的期望的比值求出第k次迭代过程中归一化因子的值，然后计算itermax次迭代过程中归一化因子的加权平均值作为优化的归一化最小值算法中优化的归一化因子的值，此时itermax≥k≥2。优选的，计算itermax次迭代过程中归一化因子的加权平均值的过程包括：第k次迭代中的归一化因子αk表示为：其中，L表示第一变量节点更新函数，E(L)表示L的数学期望；表示第二变量节点更新函数，表示的数学期望；表示第三变量节点更新函数，表示的数学期望；αk表示第k次迭代中的归一化因子，λk表示第k次迭代中的归一化因子的权值。第一变量节点更新函数L表示为：第一变量节点更新函数L的数学期望E(|L|)与传递消息值相关，表示为：其中，E[(tanh(Zn'→m/2))2k-1]表示传递消息值的数学期望，dc表示变量节点的度。第二变量节点更新函数表示为：利用加性高斯白噪声(AdditiveWhiteGaussianNoise，AWGN)信道的分布特性分析第二变量节点更新函数第二变量节点更新函数的数学期望表示为：其中，Q(·)表示概率密度函数；μ＝4/N0，σ2＝8/N0，N0表示噪声值；y表示积分变量。第三变量节点更新函数表示为：第三变量节点更新函数的数学期望表示为：其中，α'表示近似因子，αk-1表示第k-1迭代中的归一化因子。优选的，更新从校验节点传送到变量节点的外信息包括：其中，Lm→n'(xn')表示从校验节点m传递到变量节点n'的信息，Zn'→m表示从变量节点n'传送给校验节点m的外信息，N(m)表示与校验节点m直接相连的变量节点集合，N(m)\n表示不包含变量节点n的变量节点集合，n'表示在N(m)\n中的变量节点，n为N(m)中可信度最低的变量节点，α为优化的归一化因子，Γmn表示从变量节点n'传递到校验节点m中的最小信息值。优选的，从变量节点n'传递到校验节点m中的最小信息值Γmn表示为：其中，Δ表示偏移因子；κm表示迭代更新过程中是否存在多个绝对值相等的最小值，当不存在时κm为1，否则为0。本专利技术使用最小值偏移量近似的替换第二最小值，消除了计算C2V消息时对次小值的计算，减少了译码过程的比较运算次数；本专利技术联合密度进化理论和加权平均方案计算出各信噪比下的归一化因子，通过仿真提前选出最优的，以此来补偿整个译码方法的译码性能，在实现过程中不会增加多余的硬件计算消耗。附图说明图1为本专利技术一种优化的基于归一化最小值的LDPC译码方法的流程图；图2为本专利技术的LDPC译码方法与现有技术在不同信噪比下的误码率(BitErrorRate，BER)对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。假设5G通信系统中，信道为高斯信道，码长为N的LDPC码可以表示为(N，dv，dc)，其中dv为变量节点的度数，即校验矩阵H中每一列中包含的1的行的个数，dc为校验节点节点的度数，即校验矩阵H中每一行中包含的1的列的个数，本专利技术提供一种基于5G通信系统的的低复杂度LDPC译码方法，如图1，包括：S1、初始化，计算变量节点n接收到的信道消息值ln；S2、根据优化的归一化最小值算法进行迭代更新，即利用优化的归一化因子的值更新从校验节点传送到变量节点的外信息，以及更新从变量节点传送到校验节点的外信息；S3、计算变量节点n的硬判决值，并进行硬判决；S4、判断硬判决是否符合校验矩阵，若符合则输出硬判决作为译码结果，否则判断是否达到最大迭代数，若达到最大迭代数则译码失败，否则返回S2；所述优化的归一化因子的值的计算包括：利用第一变量节点更新函数的期望与第二变量节点更新函数的期望的比值求出第1次迭代过程中归一化因子的值；当满足硬判决时的迭代次数itermax大于等于2时，根据第k-1次迭代过程中得到的归一化因子计算第三变量节点更新函数的期望，利用第一变量节点更新函数的期望与第三变量节点更新函数的期望的比值求出第k次迭代过程中归一化因子的值，然后计算itermax次迭代过程中归一化因子的加权平均值作为优化的归一化最小值算法中优化的归一化因子的值，此时itermax≥k≥2。根据消息的表现形式，BP译码方法可以根据信息的表示方式分为概率BP法和对数似然比(logLikelihoodRate，LLR)BP法；对数域的LLR-BP算法相较于BP译码算法，将大量的乘法运算转换为加法运算；在此之上将，运用最小和算法降低BP算法中节点更新的计算复杂度，最小和算法引起了性能损失，因此提出归一化最小和(normalizedMin-Sum，NMS)算法和补偿最小和(OffsetMin-Sum，OMS)算法来补偿由于降低复杂度引起的性能损失；本专利技术在归一化最小化算法的基础上，进一步降低算法的复杂度，并且在NMS算法的基础上降低译码的误码本文档来自技高网...

【技术保护点】
1.一种优化的基于归一化最小值的LDPC译码方法，包括：S1、初始化，计算变量节点处接收到的信道消息值；S2、根据优化的归一化最小值算法进行迭代更新，即利用优化的归一化因子的值更新从校验节点传送到变量节点的外信息，以及更新从变量节点传送到校验节点的外信息；S3、计算变量节点的硬判决值，并进行硬判决；S4、判断硬判决是否符合校验矩阵，若符合则输出硬判决作为译码结果，否则判断是否达到最大迭代数，若达到最大迭代数则译码失败；否则返回S2；其特征在于，所述优化的归一化因子的值的计算包括：利用第一变量节点更新函数的期望与第二变量节点更新函数的期望的比值求出第1次迭代过程中归一化因子的值；当满足硬判决时的迭代次数iter max大于等于2时，根据第k‑1次迭代过程中得到的归一化因子计算第三变量节点更新函数的期望，利用第一变量节点更新函数的期望与第三变量节点更新函数的期望的比值求出第k次迭代过程中归一化因子的值，然后计算iter max次迭代过程中归一化因子的加权平均值作为优化的归一化最小值算法中优化的归一化因子的值，此时iter max≥k≥2。

【技术特征摘要】
1.一种优化的基于归一化最小值的LDPC译码方法，包括：S1、初始化，计算变量节点处接收到的信道消息值；S2、根据优化的归一化最小值算法进行迭代更新，即利用优化的归一化因子的值更新从校验节点传送到变量节点的外信息，以及更新从变量节点传送到校验节点的外信息；S3、计算变量节点的硬判决值，并进行硬判决；S4、判断硬判决是否符合校验矩阵，若符合则输出硬判决作为译码结果，否则判断是否达到最大迭代数，若达到最大迭代数则译码失败；否则返回S2；其特征在于，所述优化的归一化因子的值的计算包括：利用第一变量节点更新函数的期望与第二变量节点更新函数的期望的比值求出第1次迭代过程中归一化因子的值；当满足硬判决时的迭代次数itermax大于等于2时，根据第k-1次迭代过程中得到的归一化因子计算第三变量节点更新函数的期望，利用第一变量节点更新函数的期望与第三变量节点更新函数的期望的比值求出第k次迭代过程中归一化因子的值，然后计算itermax次迭代过程中归一化因子的加权平均值作为优化的归一化最小值算法中优化的归一化因子的值，此时itermax≥k≥2。2.根据权利要求1所述的一种优化的基于归一化最小值的LDPC译码方法，其特征在于，计算itermax次迭代过程中归一化因子的加权平均值的过程包括：第k次迭代中的归一化因子αk表示为：其中，L表示第一变量节点更新函数，E(|L|)表示L的数学期望；表示第二变量节点更新函数，表示的数学期望；表示第三变量节点更新函数，表示的数学期望；λk表示第k次迭代中的归一化因子的权值。3.根据权利要求2所述的一种优化的基于归一化最小值的LDPC译码方法，其特征在于，第一变量节点更新函数L及其数学期望E(|L|)表示为：其中，E[(tanh(Zn'→m/2))2k-1]表示传递消息值的数学期望；sign(·)表示符号函数；tanh(·)表示双曲正切函数；k表示迭代次数，dc表示变量节点的度；Zn'→m表示从变量节点n'传送给校验节点m的外信息；μ＝4/N0，σ2＝8/N0，N0表示噪声值；N(m)表示与校验节点m直接相连的变量节点集合，N(m)\n表示在N(m)中不包含变量节点n的变量节点集合，n'表示在N(m)\n中的变量节点，n为N(m)中可信度最低的变量节点；xn'表示节点n'的量化值。4.根据权利要求2所述的一种优...

【专利技术属性】
技术研发人员：陈发堂，刘一帆，唐成，王丹，王华华，李小文，刘宇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50