针对LDPC(Low Density Parity Check)码分层(LBP:Layered Belief-Propagation)译码算法计算复杂度高、不易于硬件实现的问题,提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低;同时引入具体参数校正因子和...针对LDPC(Low Density Parity Check)码分层(LBP:Layered Belief-Propagation)译码算法计算复杂度高、不易于硬件实现的问题,提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低;同时引入具体参数校正因子和偏移因子,提升译码性能。仿真结果表明,改进后的算法相比LBP算法在计算复杂度降低的同时,也提升了译码性能,从而达到了易于硬件实现的目的。展开更多
通过信道极化,极化码理论上证明可渐进达到香农限。文中研究极化码在高斯信道下的串行抵消(successive cancellation,SC)译码算法,提出了一种基于整数操作的最小和译码算法。算法中信道输出值被均匀量化后再取整数,作为SC译码器的输入;...通过信道极化,极化码理论上证明可渐进达到香农限。文中研究极化码在高斯信道下的串行抵消(successive cancellation,SC)译码算法,提出了一种基于整数操作的最小和译码算法。算法中信道输出值被均匀量化后再取整数,作为SC译码器的输入;节点更新使用最小和算法,更新过程不需要量化操作,直接使用信道输出值量化后的整数值。数值仿真结果表明,在信噪比小于4 d B时,译码性能与基于浮点运算的原始SC译码一致;当误比特率为10-5时,提出的算法与原始SC译码的信噪比相差0.2 d B。所提出的算法便于硬件实现,运算中变量的大小都用8比特整数表示。展开更多
为了提高低密度奇偶校验(LDPC)码的单最小值最小和(single-minimum Min-Sum,sm MS)算法的误码性能,提出了一种基于变量节点LLR(Log Likelihood Ratio)消息加权的改进最小和(Improved Min Sum algorithm based on weighted message LLR o...为了提高低密度奇偶校验(LDPC)码的单最小值最小和(single-minimum Min-Sum,sm MS)算法的误码性能,提出了一种基于变量节点LLR(Log Likelihood Ratio)消息加权的改进最小和(Improved Min Sum algorithm based on weighted message LLR of variable nodes,IMS-WVN)算法。首先,将迭代次数所确定的次小值的估值参数与最小值相加后取代次小值,以增强sm MS算法校验节点的可靠度。然后,将变量节点输出LLR消息与迭代前LLR消息进行加权处理,降低变量节点的振荡幅度,降低平均译码迭代次数。仿真结果表明,在信噪比为3.2 d B时,IMS-WVN算法的误码性能比VWMS算法提升0.53 d B,当误码率为10-5时,IMS-WVN算法平均译码迭代次数较MS算法减少58%。展开更多
提出一种简单高效的GF(q)-LDPC码译码算法,将对数似然比和积译码算法中的雅可比对数利用一阶泰勒级数近似,从而降低译码时校验点计算的复杂度.与目前广泛应用的O ffset m in-sum算法相比较,在BER为10-4处性能有0.2 dB左右的提升,并且本...提出一种简单高效的GF(q)-LDPC码译码算法,将对数似然比和积译码算法中的雅可比对数利用一阶泰勒级数近似,从而降低译码时校验点计算的复杂度.与目前广泛应用的O ffset m in-sum算法相比较,在BER为10-4处性能有0.2 dB左右的提升,并且本算法中的参数设计独立于有限域的阶数.展开更多
文摘针对LDPC(Low Density Parity Check)码分层(LBP:Layered Belief-Propagation)译码算法计算复杂度高、不易于硬件实现的问题,提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低;同时引入具体参数校正因子和偏移因子,提升译码性能。仿真结果表明,改进后的算法相比LBP算法在计算复杂度降低的同时,也提升了译码性能,从而达到了易于硬件实现的目的。
文摘通过信道极化,极化码理论上证明可渐进达到香农限。文中研究极化码在高斯信道下的串行抵消(successive cancellation,SC)译码算法,提出了一种基于整数操作的最小和译码算法。算法中信道输出值被均匀量化后再取整数,作为SC译码器的输入;节点更新使用最小和算法,更新过程不需要量化操作,直接使用信道输出值量化后的整数值。数值仿真结果表明,在信噪比小于4 d B时,译码性能与基于浮点运算的原始SC译码一致;当误比特率为10-5时,提出的算法与原始SC译码的信噪比相差0.2 d B。所提出的算法便于硬件实现,运算中变量的大小都用8比特整数表示。
文摘为了提高低密度奇偶校验(LDPC)码的单最小值最小和(single-minimum Min-Sum,sm MS)算法的误码性能,提出了一种基于变量节点LLR(Log Likelihood Ratio)消息加权的改进最小和(Improved Min Sum algorithm based on weighted message LLR of variable nodes,IMS-WVN)算法。首先,将迭代次数所确定的次小值的估值参数与最小值相加后取代次小值,以增强sm MS算法校验节点的可靠度。然后,将变量节点输出LLR消息与迭代前LLR消息进行加权处理,降低变量节点的振荡幅度,降低平均译码迭代次数。仿真结果表明,在信噪比为3.2 d B时,IMS-WVN算法的误码性能比VWMS算法提升0.53 d B,当误码率为10-5时,IMS-WVN算法平均译码迭代次数较MS算法减少58%。
