本发明专利技术涉及一种用于对码字进行解码的方法和解码器，该解码被执行为消息传递通过例如低密度奇偶校验（ＬＤＰＣ）代码的代码的图形表示，其中对于奇偶校验矩阵中的每个非零项，用从解调器中获得的数据来初始化第一消息矩阵的消息矩阵元素；并基于所述第一消息矩阵的消息矩阵元素来确定第二消息矩阵的元素。此外，基于从解调器获得的数据和第二矩阵的矩阵元素来重构所解码的码字。另外，本发明专利技术涉及包括该解码器的通信系统、移动终端、和基站。为了减少错误信息的影响，该解码方法使用所述第一／第二矩阵的矩阵元素的子集来确定所述第二／第一矩阵的矩阵元素，其中所述子集的矩阵元素符合可靠性标准。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于在解码器中对包括N个代码位的至少一个码字进行解码的方法。该码字是在编码器中使用一组可表示为奇偶校验矩阵的M个奇偶等式的集合生成的。此外，本专利技术涉及解码器以及采用该解码器的移动终端和基站。此外，本专利技术还涉及使用了根据本专利技术的移动站和/或基站的通信系统。
技术介绍
低密度奇偶校验编码纠错代码广泛用于获得噪声信道上的可靠通信。通常来说，线性纠错代码C可以通过奇偶校验矩阵H来描述，其对于任何码字x∈C都满足Hx＝0。H是M×N矩阵，其中N是码字的尺寸而M是每个码字必须满足的线性约束的数目。因此H的每一行表示线性齐次奇偶校验等式。低密度奇偶校验(LDPC)代码是特征在于高度稀疏奇偶校验矩阵的特定类线性纠错代码。典型地，在具有相对大的行长度的矩阵中，整个行可仅包括三个一，其余的为零。每行中一的数目m被称为行加权ρm，而每列中一的数目n被称为列加权χn。如果行加权和列加权与具体行或列无关，即对于所有的m和n，ρm＝ρ和χn＝χ，则由H确定的代码被称为常规代码。否则就被称为不规则代码。LDPC代码在1962年被Gallager最初引入并研究(参见，Gallager，“Low-density parity-check codes”，IRE Transaction on Information Theory，Vol.IT-8，pp.21-28，1962)。使用低密度奇偶校验矩阵的问题在于提供解码方法，Gallager的工作的最显著特征之一是引入了迭代解码算法。他示出当该算法被应用到稀疏奇偶校验矩阵时，它能够以相对低的复杂度取得通信系统中的信道容量的重要部分(significant fraction)。此外，每次迭代的每个位的计算数目独立于块长度N。由于Gallager的突出贡献，由Tanner、Wiberg、MacKay、和Neal以及其他人重新发现了LDPC代码，并对其近一步研究。这些研究的细节可见于Tanner，″A recursive approach to low complexity code″，IEEE Transactions onInformation Theory，pp.533-547，1981，以及MacKay et al.，″Near Shannonlimit performance of Low-Density Parity-Check Codes″，IEEE Electronic Letters，vol.32，pp.1645-1646，1996。置信传播(Belief Propagation)已知的解码器包括最大似然解码器和最大后验解码器。两个中更广泛使用的最大似然解码器包括找到最可能的信息字(其中似然性取决于信道模型)。最大后验解码器不同于最大似然解码器的地方在于它为每个码元提供了后验概率。然而，问题在于最大后验解码器在计算上典型地比最大似然解码器复杂。因此，Gallager基于(后面涉及的)置信传播方法提出了上面提到的迭代解码方案，其近似收敛到每个码元的后验概率。该方法依赖于代码的基于图形的表示，其中可以将解码理解为消息在因子分解图(factor graph)中的传输。置信传播在非循环图的情况中产生精确概率。不幸的是，与LDPC代码相关联的图形通常是循环的，并因此置信传播可能产生不准确的概率。尽管如此，Gallager的解码算法给出了良好的经验性能，特别是由于最终产物是解码，因而后验概率不一定需要是精确的。和-积(Sum-Product)算法接下来是和-积迭代算法的简单描述。为了说明的简洁性，我们考虑二进制情况。对本领域的技术人员而言，扩展到非二进制情况将没有问题，并且可发现于例如Davey et al，″Low-Density Parity Check Codes for GF(q)″，IEEE Communications Letters，Vol.2，No.6，June 1998。基于当使用概率解码算法进行解码时LDPC代码提供了近香农(near-Shannon)性能的发现，Davey等给出了对不同的信道模型使用伽罗瓦域GF(q)(对于q＞2)上的类似代码纠错的经验结果。可以在Kschischang et al.，″Factor Graphs and the Sum-Product Algorithm″，IEEE Transactions on Information Theory，Vol.47，No.2，February 2001中找到关于图形以及和-积算法的更详细论述、以及对二进制变量和奇偶校验的进一步简化。Kschischang等公开了操作于因子分解图中的普通消息传递算法、和-积算法。因子分解图是使许多变量的复杂全局函数的因式分解可视化的偶图。二进制情况的简化特性在于，由于仅仅有两种可能事件，所以可以依据对数似然比(LLR)来表示事件概率，其中对数似然比通常定义为LLR=lnp(x=1)p(x=0)=lnp(x=1)1-p(x=1)---(1)]]>即x是两个可能事件之一的概率的比的自然对数。该算法具有通常称为水平和垂直步骤的两个交替部分。更具体地，交替地更新与稀疏奇偶校验矩阵H的非零元素hmn相关联的两个二进制分布或者消息矩阵αmn和βmn。量αmn表示在给定从除第m个等式之外的所有奇偶等式获得的信息的情况下已传送码字的第n位的LLR。以类似的方式，βmn表示在给定第n位和所有其它位的LLR统计上独立于相关联的分布βm1...βmN的情况下满足第m个奇偶校验等式的LLR。假设在任意二进制输入连续输出信道上等概率地使用各码字，则可以将和-积算法描述如下。在概述算法之前，首先定义以下部分中使用的一些术语。在误差解码语境下描述这些术语。图1示出了采样奇偶校验矩阵H以及可用于参照接下来的定义的矩阵的图形表示。校验节点(Check Node)表示一个奇偶校验位。通常根据一个或多个信息位从而求解给定等式来计算该奇偶校验位。在二进制逻辑中，可以用信息位的模2求和来表示等式，其中结果应该等于奇偶校验位。变量节点(Variabl Node)表示一个已编码的位。在通信解码中，已编码的位通常等于代码位的接收值、或者例如对数似然比。变量节点连接到一个或多个校验节点，这表示该变量对各个奇偶校验位的关系。换言之，变量参与了所连接的校验节点的所有等式。变量节点和校验节点之间的边用于表示它们之间的关系。在变量节点侧，到校验节点的边给出了那些校验等式涉及该变量的信息。在校验节点侧，到变量节点的边给出了包括哪些变量被涉及在具体的奇偶校验等式中的信息。在解码过程中，沿着边而将消息从变量节点传递到校验节点，并且也从校验节点传送到变量节点。该消息典型地包含某类的置信或概率信息(因而，“置信传播”广泛地使用于文献中)。和-积算法可以通过下面的步骤定义初始化 λn表示已传送码字的第n位的先验LLR。可根据对应于所传送码字的所接收矢量和信道模型计算这个LLR。对于奇偶校验矩阵H的每个非零项hmn，设置αmn＝λn(2)。水平步骤对于矩阵H的每个非零项hmn，使用以下等式计算βmnβmn=2·tanh-1Πl=1..Nl&本文档来自技高网...
【技术保护点】
一种在解码器中用于对包括ｎ个代码位的至少一个码字进行解码的方法，该解码被执行为消息传递通过所使用代码的图形表示，其中该图形表示是基于奇偶校验矩阵的，所述方法包括以下步骤：ａ）对于奇偶校验矩阵中的每个非零项，利用从解调器获得的数据初始 化第一消息矩阵的消息矩阵元素；ｂ）对于奇偶校验矩阵中的每个非零项，基于所述第一消息矩阵的消息矩阵元素而确定第二消息矩阵的元素，其中，来自所述第一消息矩阵的消息矩阵元素的子集被用于确定所述第二消息矩阵的消息矩阵元素，并且所述子 集的消息矩阵元素符合第一可靠性标准；ｃ）基于从解调器获得的数据和第二消息矩阵的消息矩阵元素来重构所解码的码字；以及ｄ）根据所述第二消息矩阵的消息矩阵元素的子集来更新第一消息矩阵的消息矩阵元素，其中所述子集的消息矩阵元素符合第 二可靠性标准，其特征在于：还包括通过重复步骤ｂ）和ｄ）来执行迭代的步骤。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：亚历山达戈利奇克埃德勒冯埃尔布沃特，克里斯琴温格特，
申请(专利权)人：松下电器产业株式会社，
类型：发明
国别省市：JP[日本]
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。