本發(fā)明涉及一種ldpc碼譯碼技術(shù)領(lǐng)域，特別涉及一種基于ldpc碼的局部異號動態(tài)譯碼方法。

背景技術(shù)：

ldpc碼自1996年再次被發(fā)現(xiàn)以來，其譯碼算法(floodingbp算法)以其實現(xiàn)簡單，譯碼復雜度線性增加等特點，成為了編譯碼領(lǐng)域焦點。而svnf-rbp算法為代表的動態(tài)bp譯碼算法雖然增加了殘差計算和搜索復雜度，同時也極大地提升了bp算法的譯碼性能。

svnf-rbp譯碼算法是一個異步動態(tài)消息迭代算法，每一次根據(jù)一個最大的校驗節(jié)點到變量節(jié)點消息殘差，定位下一個要更新的校驗節(jié)點到變量節(jié)點消息。消息更新就是根據(jù)每次找到的最大殘差為序，沿著與ldpc碼相對應(yīng)的tanner圖中的邊來回傳遞，其消息傳遞主要包括了針對每一個變量節(jié)點的橫向計算和縱向計算兩個步驟，其中橫向計算就是校驗節(jié)點ci到變量節(jié)點vj的消息傳遞：

縱向計算就是變量節(jié)點vi到校驗節(jié)點cj的消息傳遞：

在bp譯碼算法中，最終是要依靠每個變量節(jié)點的最大似然比來做0、1判定。每一個變量節(jié)點都將接收來自信道的先驗概率(pv(0)，pv(1)分別表示傳遞的比特為0和1的概率)，還要接收來自與之相連的每一個校驗節(jié)點傳遞的消息。因此變量節(jié)點vi的似然比就是所有接收到的消息總和：

似然比消息殘差計算公式：r(mk)＝||fk(m)-mk||∞，mk∈m；其中m表示計算fk(m)所需的相關(guān)消息，mk和fk(m)分別代表校驗節(jié)點到變量節(jié)點更新前和更新后的似然比。

svnf-rbp算法迭代過程在滿足以下條件之一時停止：

(1)所有的校驗方程都滿足。

(2)迭代次數(shù)達到設(shè)定的最大值。

svnf-rbp算法的具體過程為：

1)初始化所有mc,v＝0；

2)初始化所有

3)計算所有r(mc,v)；

4)對每一個vj，找出

5)計算和ca∈n(vmax)\cmax

6)計算ca∈n(vmax)\cmax,vb∈n(ca)\vmax

7)如果所有校驗方程滿足或是達到設(shè)定的最大迭代次數(shù)，則結(jié)束譯碼，否則返回步驟4)

對于bp迭代算法，異步策略一般都是通過加速譯碼收斂來提升譯碼性能。svnf-rbp算法能大幅提升bp譯碼性能，但是增加了大量的計算、搜索復雜度。因此，在提升譯碼性能的同時降低復雜度顯得尤為重要。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的至少一種缺點與不足，提供一種基于ldpc碼的局部動態(tài)譯碼方法，該局部異號動態(tài)譯碼方法有效提升了尤其是高信噪比下的譯碼性能，同時降低了殘差搜索和存儲復雜度。

本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)：

一種基于ldpc碼的動態(tài)bp譯碼方法，提出殘差具有時效性，并設(shè)置迭代次數(shù)閾值，在最新產(chǎn)生的局部殘差范圍內(nèi)，當?shù)螖?shù)低于閾值時，結(jié)合相關(guān)變量節(jié)點的似然比符號變化再對局部殘差進行篩選，在篩選出的殘差中找出最大殘差確定消息的更新順序；當?shù)螖?shù)高于閾值時，在局部殘差中找出最大者確定消息的更新順序。

選定要更新的校驗節(jié)點到變量節(jié)點消息首先更新消息對所有校驗節(jié)點ca∈n(vj)\ci產(chǎn)生并傳遞消息對所有變量節(jié)點vb∈n(ca)\vj計算消息殘差當?shù)螖?shù)小于迭代次數(shù)閾值ithr時，在所有中找出變量節(jié)點vb似然比值符號將會發(fā)生變化的殘差，并在其中找出最大者確定下一個要更新的校驗節(jié)點到變量節(jié)點消息；當?shù)螖?shù)大于迭代次數(shù)閾值ithr時，在所有中找出最大者確定下一個要更新的校驗節(jié)點到變量節(jié)點消息。

局部異號動態(tài)譯碼算法(lilrbp)：

1)初始化所有mc,v＝0

2)初始化所有

3)計算所有r(mc,v)

4)在所有r(mc,v)中找出似然比值符號會發(fā)生變化的v的相關(guān)殘差，并在其中找出

5)計算和ca∈n(vmax)\cmax

6)計算ca∈n(vmax)\cmax,vb∈n(ca)\vmax

7)i＜ithr時，在所有中找出似然比值符號會發(fā)生變化的vb的相關(guān)殘差，并在其中找出i＞ithr時，在所有中找出

8)如果所有校驗方程滿足或是達到設(shè)定的最大迭代次數(shù)，則結(jié)束譯碼，否則返回步驟5)

其中：mc,v泛指所有校驗節(jié)點到變量節(jié)點的消息；泛指變量節(jié)點vn到所有相連的校驗節(jié)點的消息；表示變量節(jié)點vi的信道先驗概率；r(mc,v)泛指所有校驗節(jié)點到變量節(jié)點的消息更新前和更新后的殘差；表示校驗節(jié)點ci到變量節(jié)點vj的似然比值更新前和更新后的殘差；n(vi)表示與變量節(jié)點vi相連的所有校驗節(jié)點集合，校驗節(jié)點ca∈n(vi)表示校驗節(jié)點ca將取遍與變量節(jié)點vi相連所有校驗節(jié)點；表示從校驗節(jié)點ca到變量節(jié)點vi的消息，表示從變量節(jié)點vi到校驗節(jié)點cj的消息；n(cj)表示與校驗節(jié)點cj相連的所有變量節(jié)點，n(cj)\vi表示與校驗節(jié)點cj相連的所有不包括變量節(jié)點vi的其他變量節(jié)點，vb∈n(cj)\vi表示變量節(jié)點vb將取遍與校驗節(jié)點cj相連的所有不包括變量節(jié)點vi的其他變量節(jié)點；i表示迭代次數(shù)，而ithr是迭代次數(shù)閾值。

似然比消息殘差計算公式：r(mk)＝||fk(m)-mk||∞，mk∈m；其中m表示計算fk(m)所需的相關(guān)消息，mk和fk(m)分別代表校驗節(jié)點到變量節(jié)點更新前和更新后的似然比。

本方法提出殘差的產(chǎn)生具有時效性，并設(shè)置迭代次數(shù)閾值，以該閾值為界，迭代次數(shù)低于閾值時，在局部殘差范圍再結(jié)合相關(guān)變量節(jié)點的似然比值符號變化情況進行篩選，并在這些選出的殘差中找出最大殘差來建立一個校驗節(jié)點到變量節(jié)點消息的更新序列；迭代次數(shù)高于閾值時，在局部殘差中找出最大殘差來建立一個校驗節(jié)點到變量節(jié)點消息的更新序列，

因此，本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點及效果：

只從最新產(chǎn)生的殘差中找出最大的殘差，可在計算的同時進行搜索，因此殘差不需要存儲，減少了存儲復雜度；最新產(chǎn)生的殘差也就是局部殘差，減少了搜索最大殘差的復雜度；低于迭代次數(shù)閾值，局部殘差總是能確保使用最新消息進行下一步的消息更新，而局部殘差結(jié)合變量節(jié)點似然比值符號變化情況再篩選出的殘差，能更進一步加快變量節(jié)點翻轉(zhuǎn)，達到加速譯碼過程的收斂速度。

相對于svnf-rbp算法，本發(fā)明不但能提升了較少迭代次數(shù)的譯碼性能，更極大地提升了高信噪比的譯碼性能。

附圖說明

圖1是算法lilrbp的動態(tài)策略示意圖。

圖2是算法flooding，lbp，nwrbp，svnf-rbp和lilrbp在碼長1944，碼率給定信噪比為1.75db時的fer性能圖。

圖3是算法svnf-rbp和lilrbp在碼長1944，碼率5、50次迭代時的fer性能圖。

具體實施方式

下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施方式不限于此。

本發(fā)明是一種基于ldpc碼的局部動態(tài)譯碼方法，是針對ldpc碼的局部異號動態(tài)bp譯碼方法(lilrbp)，該方法提出殘差的產(chǎn)生具有時效性，只關(guān)注最近時間產(chǎn)生的局部殘差，并設(shè)置迭代次數(shù)閾值，迭代次數(shù)低于閾值時，在局部殘差中結(jié)合相關(guān)變量節(jié)點似然比值變換情況篩選殘差，并在篩選出的殘差中找出最大殘差來建立一個校驗節(jié)點到變量節(jié)點消息的更新序列；迭代次數(shù)高于閾值時，直接在局部殘差中找出最大殘差來建立一個校驗節(jié)點到變量節(jié)點消息的更新序列。

設(shè)i表示迭代次數(shù)，而ithr是迭代次數(shù)閾值；n(vi)代表與變量節(jié)點vi相連的所有校驗節(jié)點，n(vi)\cj則表示與變量節(jié)點vi相連的不包括校驗節(jié)點cj的所有其他校驗節(jié)點；n(ci)代表與校驗節(jié)點(校驗方程)ci相連的所有變量節(jié)點，n(ci)\vj則表示與校驗節(jié)點ci相連的不包括變量節(jié)點vj的所有其他變量節(jié)點。互相連接的變量節(jié)點和校驗節(jié)點消息函數(shù)可定義為其中m表示計算或所需的相關(guān)消息。信道的先驗概率(pv(0)，pv(1)分別表示傳遞的比特信息為0和1的概率)。校驗節(jié)點到變量節(jié)點似然比消息殘差計算公式r(mk)＝||fk(m)-mk||∞，其中m表示計算fk(m)所需的相關(guān)消息，mk和fk(m)分別代表校驗節(jié)點到變量節(jié)點消息更新前和更新后的似然比。

假設(shè)校驗節(jié)點到變量節(jié)點消息具有局部最大殘差，該譯碼算法的動態(tài)策略包括如下三個步驟：

首先，更新消息并傳遞。

其次，更新消息ca∈n(vj)\ci并傳遞。

最后，計算殘差vb∈n(ca)\vj,ca∈n(vj)\ci，當i＜ithr時，在所有中找出似然比值符號會發(fā)生變化的vb的相關(guān)殘差，并在其中找出最大殘差；i＞ithr時，在所有中找出最大殘差。

具體而言，本發(fā)明的算法迭代過程如下：

1)初始化所有mc,v＝0

2)初始化所有

3)計算所有r(mc,v)

4)在所有r(mc,v)中找出似然比值符號會發(fā)生變化的v的相關(guān)殘差，并在其中找出

5)計算和ca∈n(vmax)\cmax

6)計算ca∈n(vmax)\cmax,vb∈n(ca)\vmax

7)i＜ithr時，在所有中找出似然比值符號會發(fā)生變化的vb的相關(guān)殘差，并在其中找出i＞ithr時，在所有中找出

8)如果所有校驗方程滿足或是達到設(shè)定的最大迭代次數(shù)，則結(jié)束譯碼，否則返回步驟5)

在動態(tài)bp譯碼算法的一次迭代過程中，要么校驗節(jié)點到變量節(jié)點的消息計算量與bp算法相同，要么變量節(jié)點到校驗節(jié)點的消息計算量與bp算法相同，所有的仿真都將嚴格遵守這個規(guī)則。下表給出對此算法一次迭代過程的消息計算量，其中，和分別表示變量節(jié)點和校驗節(jié)點的平均度，e表示tanner圖中邊的數(shù)量，同時有成立，其中n和m分別表示tanner圖中變量節(jié)點和校驗節(jié)點的個數(shù)。

表1一次迭代中的校驗節(jié)點到變量節(jié)點消息計算量

表2一次迭代中的變量節(jié)點到校驗節(jié)點消息計算量

表1、2中，floodingbp算法作為同步消息更新算法，lbp算法作為異步非動態(tài)消息更新算法，僅作參考。

動態(tài)算法nwrbp算法與svnf-rbp算法都是采用校驗節(jié)點到變量節(jié)點消息最大殘差，最大殘差計算公式：r(mk)＝||fk(m)-mk||∞，其中r(mk)表示最大消息殘差，m表示計算fk(m)所需的相關(guān)消息，mk和fk(m)分別代表校驗節(jié)點到變量節(jié)點更新前和更新后的似然比，來找出下一個要更新的校驗節(jié)點到變量節(jié)點消息，然后展開一個實質(zhì)的消息更新過程，兩個算法都需要對殘差進行存儲，所不同的是nwrbp算法是在全部非零校驗節(jié)點到變量節(jié)點消息殘差中選取下一個要優(yōu)先更新的消息，而svnf-rbp算法則是在每個變量節(jié)點覆蓋范圍中的非零校驗節(jié)點到變量節(jié)點消息殘差中選取下一個要優(yōu)先更新的消息。

下面給出相關(guān)算法主要特征：

nwrbp算法：

1)、初始化所有mc,v＝0；

2)、初始化所有

3)、計算所有r(me，v)；

4)、在所有非零殘差中挑選最大殘差

5)、對每一個vk∈n(ci)，計算同時把設(shè)置為0。

6)、對每一個ca∈n(vk)，計算

7)、對每一個vb∈n(ca)\vk，計算

8)、如果所有校驗方程滿足或是達到設(shè)定的最大迭代次數(shù)，那么結(jié)束譯碼，否則返回步驟4。

svnf-rbp算法：

1)、初始化所有mc,v＝0；

2)、初始化所有

3)、計算所有r(me，v)；

4)、對每一個vi，對所有vb∈n(ca)\vi(ca∈n(vi))，在所有非零殘差中挑選最大殘差

5)、計算并設(shè)置

6)、對每一個ca∈n(vmax)\cmax，計算

7)、對每一個vb∈n(ca)\vmax，計算

8)、如果所有校驗方程滿足或是達到設(shè)定的最大迭代次數(shù)，那么結(jié)束譯碼，否則返回步驟4。

從上述算法描述可看出，該lilrbp算法與nwrbp和svnf-rbp算法都采用校驗節(jié)點到變量節(jié)點似然比值絕對殘差定位方法，不同的是lilrbp算法區(qū)別殘差產(chǎn)生的時間，只使用最新產(chǎn)生的殘差；而nwrbp和svnf-rbp算法對不同時間產(chǎn)生的殘差給予的是無差別對待，對所有殘差一視同仁?？紤]到svnf-rbp是目前動態(tài)算法中最具代表性的，因此lilrbp算法將主要與svnf-rbp算法進行對比。

如圖1所示，黑色圓圈表示已經(jīng)被更新的變量節(jié)點，黑色方框表示已經(jīng)被更新的校驗節(jié)點。動態(tài)異步消息更新策略步驟如下，首先如圖1(a)所示，選出校驗節(jié)點到變量節(jié)點消息優(yōu)先更新，其中變量節(jié)點vj似然比值符號將發(fā)生變化，然后如圖1(b)所示，對所有校驗節(jié)點ca∈n(vj)\ci產(chǎn)生消息并進行傳遞，最后，圖1(c)，對所有校驗節(jié)點ca∈n(vj)\ci，vb∈n(ci)\vj計算殘差同時確定哪些變量節(jié)點vb似然比值符號將發(fā)生變化。

圖2列出了包括floodingbp、lbp在內(nèi)的nwrbp，svnf-rbp和lilrbp在碼長1944，碼率給定信噪比為1.75db時的fer性能圖，其中l(wèi)ilrbp算法的迭代次數(shù)閾值ithr設(shè)定為10。從圖中可以看出，lilrbp即使在5次迭代內(nèi)性能曲線明顯在svnf-rbp算法曲線之下，而svnf-rbp是目前最有代表性的動態(tài)譯碼算法，因此在后面的仿真圖中主要和svnf-rbp算法進行對比。所有仿真都是在awgn信道下進行。

圖3給出了碼長1944，碼率時，分別在5、50次迭代次數(shù)下，svnf-rbp和lilrbp算法的fer性能圖，其中l(wèi)ilrbp算法的迭代次數(shù)閾值ithr設(shè)定為10。從圖中可以看出，lilrbp算法在較少迭代次數(shù)5次迭代時，譯碼性能已經(jīng)略勝于svnf-rbp算法，高信噪比時性能明顯優(yōu)于svnf-rbp算法，在50次迭代中低信噪比的情形下，性能與svnf-rbp算法基本一致，在中、高信噪比時超越了svnf-rbp算法，尤其在高信噪比時，性能遠勝svnf-rbp算法。

本發(fā)明公開一種基于ldpc碼的局部異號動態(tài)譯碼方法——lilrbp(localinverseandlocalresidualbp)，該方法不但能減少殘差的搜索和存儲復雜度，同時還能提升較小迭代次數(shù)內(nèi)的譯碼性能(svnf-rbp算法在較小迭代次數(shù)內(nèi)幾乎沒有性能提升)，高信噪比時譯碼性能也明顯優(yōu)于svnf-rbp算法。

lilrbp算法認為殘差具有時效性，也就是不同時間產(chǎn)生的殘差，其作用也不盡相同。lilrbp算法只關(guān)注最新產(chǎn)生的殘差，并設(shè)置迭代次數(shù)閾值，當?shù)螖?shù)低于閾值時，再在最新產(chǎn)生的殘差中，根據(jù)相關(guān)變量節(jié)點似然比值符號變化情況對殘差進行篩選，找出最大殘差來建立校驗節(jié)點到變量節(jié)點消息的更新序列；當?shù)螖?shù)高于閾值時，直接在最新產(chǎn)生的殘差中找出最大殘差來建立校驗節(jié)點到變量節(jié)點消息的更新序列。由于最新產(chǎn)生的殘差是由最新的消息更新產(chǎn)生，因此總是能確保用最新的消息去更新下一個消息，起到加速收斂的效果，而結(jié)合變量節(jié)點似然比值符號變化情況進行再篩選，進一步強化加速收斂的效果，提升了譯碼性能。同時，最新殘差中搜索最大殘差，可在計算的同時進行，因此不需要存儲殘差，搜索的范圍減小，有效降低了動態(tài)譯碼算法的存儲搜索復雜度。

上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。