本發(fā)明涉及通信技術領域，具體涉及一種基于變量節(jié)點可靠性動態(tài)選擇策略的多進制LDPC碼更新方法。

背景技術：

19世紀60年代，Gallager首次提出LDPC碼，即二進制低密度奇偶校驗碼。1981年，Tanner用雙向Tanner圖來直觀地表示了LDPC碼的譯碼過程。但是，當時LDPC碼仍未受到眾多學者的重視。直到1996后，LDPC碼在編譯碼領域上受到了學術界和企業(yè)界的廣泛關注并在近二十多年得到了如火如荼地發(fā)展。碼字本身的稀疏性使得LDPC碼的譯碼復雜度較低，具有較低的誤碼平底。從碼字的構造到譯碼算法優(yōu)化以及最后的性能分析，LDPC碼擁有著一套系統的優(yōu)化設計方法。目前LDPC碼已經被WiMAX、UWB、衛(wèi)星數字視頻、10G Base-T等列為標準編碼方式，在未來，LDPC還可廣泛應用于衛(wèi)星通信、海洋探測、光傳輸、量子保密通信、全息存儲等方面。

在LDPC碼的譯碼方法方面，從消息更新的調度來看，主要分為三類：并行消息更新策略、串行消息更新策略和動態(tài)異步消息更新策略。動態(tài)異步消息更新策略是三種策略中收斂速度最快，糾錯性能最好的，非常適合應用于需要快速譯碼的場合。2007年，Casado等人提出了一種基于殘差的置信傳播算法即RBP算法，把殘差值的大小作為動態(tài)異步更新算法中的量度來選擇需要更新的消息。RBP算法是一個貪婪性較高的算法，每次都優(yōu)先更新具有最大殘差的邊信息。為了降低RBP算法的貪婪性，Casado在RBP算法的基礎上提出了貪婪性較低的NWRBP算法。后來，Kim等人提出了一種由變量節(jié)點到校驗節(jié)點邊殘差來度量的VC RBP譯碼算法以降低貪婪性的影響。

二進制LDPC碼的動態(tài)調度譯碼算法已研究得較為成熟，而關于多進制LDPC碼的動態(tài)調度譯碼算法的研究偏少，有待進一步研究。

技術實現要素：

本發(fā)明的目的是解決現有技術的缺陷，提供一種基于變量節(jié)點可靠性動態(tài)選擇策略的多進制LDPC碼更新方法，采用的技術方案如下：

一種基于變量節(jié)點可靠性動態(tài)選擇策略的多進制LDPC碼更新方法，在變量節(jié)點的點殘差的基礎上，利用可靠性等級和投票準則的動態(tài)選擇策略選擇最不穩(wěn)定的變量節(jié)點信息進行更新，所述變量節(jié)點可靠性動態(tài)選擇策略包括：

S11.根據可靠性等級對所有變量節(jié)點進行劃分，將變量節(jié)點的可靠性等級分為二級，第一級為可靠度低的變量節(jié)點集合，記為N₁；第二級為可靠度高的變量節(jié)點集合，記為N₂，若N₁不為空集，執(zhí)行S12，若N₁為空集，執(zhí)行S13，其中，可靠度高低劃分標準為：

條件A:第n個變量節(jié)點在第i次迭代過程中的判決碼字和前一次即第i-1次迭代的判決碼字相同，即

條件B:第n個變量節(jié)點在第i次迭代過程中被判為的概率和它在第i-1次迭代過程中被判為的概率存在如式的關系；

N₁是由不滿足條件A或B的所有變量節(jié)點組成的集合，N₂是由滿足條件A和B的所有變量節(jié)點組成的集合；

S12.根據投票準則再對N₁集合中的變量節(jié)點進行一次判定，若N₁中存在滿足投票準則的變量節(jié)點則從中找出殘差最大的變量節(jié)點優(yōu)先被更新，否則就從N₁中不滿足投票準則的變量節(jié)點中找出具有最大殘差的變量節(jié)點優(yōu)先被更新；變量節(jié)點投票準則是指在LDPC碼的迭代譯碼算法中，若一個變量節(jié)點獲得的投票數等于此變量節(jié)點的度數，則該變量節(jié)點滿足變量節(jié)點投票準則，反之不滿足；投票數的計算方法：不滿足校驗方程的校驗節(jié)點對與其相連的變量節(jié)點投一票，由此可以得出變量節(jié)點的投票數；

S13.若集合N₁是空集，則從集合N₂中選擇點殘差最大的不穩(wěn)定變量節(jié)點在動態(tài)異步更新算法中優(yōu)先被更新。

作為優(yōu)選，所述變量節(jié)點的殘差的計算方式如下式：

$r_n=\frac{d_n^e}{w_n^{a^{\′}}+q_n^{b^{\′}}}$

其中，a’和b’分別表示第i-1次迭代過程中和第i次迭代過程中變量節(jié)點n的判決碼字，即表示變量節(jié)點n更新前的消息概率矢量，用表示變量節(jié)點n更新后的消息概率矢量。

在多元域中，殘差的計算并不是簡單地使用減法運算。本發(fā)明借助空間歐氏距離來推廣二元域中的殘差定義方式。提出如何在多元域中定義相對殘差的新方法。在GF(q)上，可以用一個q維矢量來表示多進制LDPC碼變量節(jié)點的消息，用表示變量節(jié)點n更新前的消息概率矢量，用表示變量節(jié)點n更新后的消息概率矢量。本發(fā)明把q維變量節(jié)點n消息變化的情況用歐氏距離(Euclidean distance)來度量，如式(1-3)。

$d_n^e=\sqrt{\underset{a=0}{\overset{q-1}{\Σ}}{(q_n^a-w_n^a)}^2}---(1-3)$

那么，在多元域中對于變量節(jié)點n而言，它的相對殘差如式(1-4)所示。

$r_n=\frac{d_n^e}{w_n^{a^{\′}}+q_n^{b^{\′}}}---(1-4)$

其中，a’和b’分別表示第i-1次迭代過程中和第i次迭代過程中變量節(jié)點n的判決碼字，即

本發(fā)明中開始將大范圍內的變量節(jié)點進行劃分為兩類，即可靠度低的變量節(jié)點集合和可靠度高的變量節(jié)點集合。再利用投票準則來將可靠度低的變量節(jié)點集合進行再一次劃分，分為兩類即滿足投票準則的變量節(jié)點的集合和不滿足投票準則的變量節(jié)點的集合，再衡量各個集合的可靠性，從可靠性最低的變量節(jié)點集合中利用多元點殘差度量選擇最不可靠的變量節(jié)點來更新。可以看出，本發(fā)明的選擇策略把大范圍的搜索大大縮小到了一個較小的搜索范圍，充分利用了譯碼過程中信息的動態(tài)特性，通過層層篩選更加準確快速地為需要更新的節(jié)點，進一步加快收斂速度，提高譯碼性能。

具體地，將變量節(jié)點可靠性動態(tài)選擇策略應用在變量節(jié)點的消息更新中，具體包括如下步驟：

S21.根據可靠性等級對所有變量節(jié)點進行劃分，變量節(jié)點的可靠性等級分為二級，第一級為可靠度低的變量節(jié)點集合，記為N₁；第二級為可靠度高的變量節(jié)點，記為N₂；若N₁存在變量節(jié)點，則執(zhí)行S22；反之從集合N₂中找出具有最大殘差的變量節(jié)點優(yōu)先被更新；

S22.根據投票準則再對可靠度低的變量節(jié)點集合N₁中的變量節(jié)點進行一次判定，將N₁分為集合N₃和N₄；N₃表示N₁中滿足投票準則的變量節(jié)點的集合，N₄表示N₁中不滿足投票準則的變量節(jié)點的集合；若N₃存在有變量節(jié)點則從中找出殘差最大的變量節(jié)點優(yōu)先被更新，否則就從N₄中找出具有最大殘差的變量節(jié)點優(yōu)先被更新。

具體地，在一次迭代中一個消息更新過程的更新步驟包括如下：

S31.設選出的最不可靠的變量節(jié)點為maxr_i，對所有c_a∈N(maxr_i)更新消息其中，N(maxr_i)表示與變量節(jié)點maxr_i相連的所有校驗節(jié)點的集合，表示校驗節(jié)點c_a傳遞給變量節(jié)點maxr_i的信息；

S32.更新變量節(jié)點maxr_i，為避免變量節(jié)點maxr_i在下次迭代中被連續(xù)選中，將殘差r(maxr_i)置為0，r(maxr_i)表示變量節(jié)點maxr_i的殘差；

S33.對任一校驗節(jié)點c_a∈N(maxr_i)，更新消息表示變量節(jié)點maxr_i傳遞給校驗節(jié)點c_a的消息；

S34.對于所有v_b∈N(c_a)\maxr_i預計算變量節(jié)點v_b的點殘差，為下次迭代做準備，其中N(c_a)\maxr_i表示除變量節(jié)點maxr_i外所有與校驗節(jié)點c_a相連的變量節(jié)點的集合。

與現有技術相比，本發(fā)明具有的有益效果：本發(fā)明不單純依靠殘差為量度，而是設置了可靠性等級和投票準則來將所有變量節(jié)點按可靠性的大小依次劃分了幾類，優(yōu)先從可靠性最低的變量節(jié)點集合中選擇多元點殘差最大的變量節(jié)點作為最不可靠的變量節(jié)點，充分利用譯碼過程中消息動態(tài)變化的特性，合理地分配了計算資源，加快了收斂速度，提升了譯碼性能。

附圖說明

圖1是本發(fā)明的動態(tài)選擇策略流程圖；

圖2是本發(fā)明的譯碼方法流程圖；

圖3是(400,3,6)多進制LDPC碼的BER/SER性能對比圖(AWGN channel)；

圖4是(1008,3,6)多進制LDPC碼的BER/SER性能對比圖(AWGN channel)；

圖5是(2304,3,27)多進制LDPC碼的BER/SER性能對比圖(AWGN channel)；

圖6是(400,3,6)多進制LDPC碼的BER/SER性能對比圖(Rayleigh channel)；

圖7是(1008,3,6)多進制LDPC碼的BER/SER性能對比圖(Rayleigh channel)；

圖8是(2304,3,27)多進制LDPC碼的BER/SER性能對比圖(Rayleigh channel)。

具體實施方式

下面結合附圖和實施例對本發(fā)明做進一步詳細說明。

如圖1所示，一種基于變量節(jié)點可靠性動態(tài)選擇策略的多進制LDPC碼更新方法，在變量節(jié)點的點殘差的基礎上，利用可靠性等級和投票準則的動態(tài)選擇策略選擇最不穩(wěn)定的變量節(jié)點信息進行更新，所述變量節(jié)點可靠性動態(tài)選擇策略包括：

S11.根據可靠性等級對所有變量節(jié)點進行劃分，將變量節(jié)點的可靠性等級分為二級，第一級為可靠度低的變量節(jié)點集合，記為N₁；第二級為可靠度高的變量節(jié)點集合，記為N₂，若N₁不為空集，執(zhí)行S12，若N₁為空集，執(zhí)行S13，其中，可靠度高低劃分標準為：

條件A:第n個變量節(jié)點在第i次迭代過程中的判決碼字和前一次即第i-1次迭代的判決碼字相同，即

條件B:第n個變量節(jié)點在第i次迭代過程中被判為的概率和它在第i-1次迭代過程中被判為的概率存在如式的關系；

N₁是由不滿足條件A或B的所有變量節(jié)點組成的集合，N₂是由滿足條件A和B的所有變量節(jié)點組成的集合；

S12.根據投票準則再對N₁集合中的變量節(jié)點進行一次判定，若N₁中存在滿足投票準則的變量節(jié)點則從中找出殘差最大的變量節(jié)點優(yōu)先被更新，否則就從N₁中不滿足投票準則的變量節(jié)點中找出具有最大殘差的變量節(jié)點優(yōu)先被更新；變量節(jié)點投票準則是指在LDPC碼的迭代譯碼算法中，若一個變量節(jié)點獲得的投票數等于此變量節(jié)點的度數，則該變量節(jié)點滿足變量節(jié)點投票準則，反之不滿足；投票數的計算方法：不滿足校驗方程的校驗節(jié)點對與其相連的變量節(jié)點投一票，由此可以得出變量節(jié)點的投票數；

S13.從集合N₂中選擇點殘差最大的不穩(wěn)定變量節(jié)點在動態(tài)異步更新算法中優(yōu)先被更新。

所述變量節(jié)點的殘差的計算方式如下式：

$r_n=\frac{d_n^e}{w_n^{a^{\′}}+q_n^{b^{\′}}}$

其中，a’和b’分別表示第i-1次迭代過程中和第i次迭代過程中變量節(jié)點n的判決碼字，即表示變量節(jié)點n更新前的消息概率矢量，用表示變量節(jié)點n更新后的消息概率矢量。

在多元域中，殘差的計算并不是簡單地使用減法運算。本發(fā)明借助空間歐氏距離來推廣二元域中的殘差定義方式。提出如何在多元域中定義相對殘差的新方法。在GF(q)上，可以用一個q維矢量來表示多進制LDPC碼變量節(jié)點的消息，用表示變量節(jié)點n更新前的消息概率矢量，用表示變量節(jié)點n更新后的消息概率矢量。本發(fā)明把q維變量節(jié)點n消息變化的情況用歐氏距離(Euclidean distance)來度量，如式(1-3)。

$d_n^e=\sqrt{\underset{a=0}{\overset{q-1}{\Σ}}{(q_n^a-w_n^a)}^2}---(1-3)$

那么，在多元域中對于變量節(jié)點n而言，它的相對殘差如式(1-4)所示。

$r_n=\frac{d_n^e}{w_n^{a^{\′}}+q_n^{b^{\′}}}---(1-4)$

其中，a’和b’分別表示第i-1次迭代過程中和第i次迭代過程中變量節(jié)點n的判決碼字，即

本實施例中基于變量節(jié)點可靠性動態(tài)選擇策略，開始將大范圍內的變量節(jié)點進行劃分為兩類，即可靠度低的變量節(jié)點集合和可靠度高的變量節(jié)點集合。再利用投票準則來將可靠度低的變量節(jié)點集合進行再一次劃分，分為兩類即滿足投票準則的變量節(jié)點的集合和不滿足投票準則的變量節(jié)點的集合，再衡量各個集合的可靠性，從可靠性最低的變量節(jié)點集合中利用多元點殘差度量選擇最不可靠的變量節(jié)點來更新?？梢钥闯?，本發(fā)明的選擇策略把大范圍的搜索大大縮小到了一個較小的搜索范圍，充分利用了譯碼過程中信息的動態(tài)特性，通過層層篩選更加準確快速地為需要更新的節(jié)點，進一步加快收斂速度，提高譯碼性能。

具體地，將變量節(jié)點可靠性動態(tài)選擇策略應用在變量節(jié)點的消息更新中，具體包括如下步驟：

S21.根據可靠性等級對所有變量節(jié)點進行劃分，變量節(jié)點的可靠性等級分為二級，第一級為可靠度低的變量節(jié)點集合，記為N₁；第二級為可靠度高的變量節(jié)點，記為N₂；若N₁存在變量節(jié)點，則執(zhí)行S22；反之從集合N₂中找出具有最大殘差的變量節(jié)點優(yōu)先被更新；

S22.根據投票準則再對可靠度低的變量節(jié)點集合N₁中的變量節(jié)點進行一次判定，將N₁分為集合N₃和N₄；N₃表示N₁中滿足投票準則的變量節(jié)點的集合，N₄表示N₁中不滿足投票準則的變量節(jié)點的集合；若N₃存在有變量節(jié)點則從中找出殘差最大的變量節(jié)點優(yōu)先被更新，否則就從N₄中找出具有最大殘差的變量節(jié)點優(yōu)先被更新。

如圖2所示，在一次迭代中一個消息更新過程的更新步驟包括如下：

S31.設選出的最不可靠的變量節(jié)點為maxr_i，對所有c_a∈N(maxr_i)更新消息其中，N(maxr_i)表示與變量節(jié)點maxr_i相連的所有校驗節(jié)點的集合，表示校驗節(jié)點c_a傳遞給變量節(jié)點maxr_i的信息；

S32.更新變量節(jié)點maxr_i，為避免變量節(jié)點maxr_i在下次迭代中被連續(xù)選中，將殘差r(maxr_i)置為0，r(maxr_i)表示變量節(jié)點maxr_i的殘差；

S33.對任一校驗節(jié)點c_a∈N(maxr_i)，更新消息表示變量節(jié)點maxr_i傳遞給校驗節(jié)點c_a的消息；

S34.對于所有v_b∈N(c_a)\maxr_i預計算變量節(jié)點v_b的點殘差，為下次迭代做準備，其中N(c_a)\maxr_i表示除變量節(jié)點maxr_i外所有與校驗節(jié)點c_a相連的變量節(jié)點的集合。

為了比較本發(fā)明提出的動態(tài)異步更新算法的性能，需要進行計算機仿真。具體是，采用隨機產生LDPC碼在AWGN信道和Rayleigh信道上傳輸，并利用包含本算法在內的多種不同的譯碼算法進行譯碼，假設最大迭代次數為15，最大錯誤幀數為100幀，調制方式為BPSK,E_b/N₀表示歸一化信噪比，單位為分貝(dB)。

圖3、圖4和圖5分別顯示了(400，3，6)，(1008，3，6)和(2304，3，27)的三種多進制LDPC碼在AWGN信道下，采用FFT-BP算法，LDSBP-A算法和本發(fā)明的算法(NV-RBP)時的誤比特率和誤符號率隨信噪比變化的關系曲線圖。從三個圖可看出，隨著信噪比的增加，三種算法的BER/SER均下降，且NV-RBP算法下降的幅度更大。在這三類算法中，NV-RBP算法的BER/SER性能表現最佳。在圖5中，LDSBP-A算法的SER性能居于NV-RBP算法和FFT-BP算法之間，NV-RBP算法的性能最好，FFT-BP算法的性能最弱。同時，可觀察到當碼率越高時，即使碼長也較長各算法的性能并非正相關的增加。這是因為各算法的SER性能是與碼字的結構有著密切的聯系，由多個因素(比如碼率，碼長)共同決定。

圖6、圖7和圖8分別顯示了(400，3，6)，(1008，3，6)和(2304，3，27)的三種多進制LDPC碼在Rayleigh衰落信道下，采用FFT-BP算法、LDSBP-A算法和NV-RBP算法時的誤比特率和誤符號率隨信噪比變化的關系曲線圖。從這三幅圖可看出，NV-RBP算法在Rayleigh衰落信道上的增益要比在AGWN信道上的增益大。原因是NV-RBP算法可更大程度地糾正在移動衰落信道上那些碼間串擾導致的錯誤。從圖6可知，當BER＝4×10^-7，NV-RBP算法相比LDSBP-A算法的在BER上的增益大約為0.5dB。當SER＝6×10^-7，NV-RBP算法相比LDSBP-A算法的在SER上的增益大約為0.5dB。從圖7可知，當BER＝4×10^-7，NV-RBP算法相比LDSBP-A算法的在BER上的增益大約為0.4dB。當SER＝6×10^-7，NV-RBP算法相比LDSBP-A算法的在SER上的增益大約為0.45dB。同時，在三種譯碼算法中，不管是從BER還是從SER的角度上分析，NV-RBP算法的性能都是最優(yōu)的。