《无线通信报告.docVIP

组合最优化课程论文 论文题目：LDPC码的线性规划 译码算法 班 级： 13级电子A班 姓 名： 周珍珠 学 号：任课老师： 娄定俊 背景 低密度奇偶校验（Low Density Parity Check, LDPC）码一类具有稀疏校验矩阵的线性分组码，也是一种性能非常接近Shannon极限的信道编码方案，具有很强的纠错抗干扰能力。LDPC码的线性规划（Linear Programming，LP）译码算法是将最大似然译码松驰成线性规划问题，译码码字具有最大似然特性。对于LDPC码，线性规划问题中的约束式的数量是随着校验节点度数的增加而呈指数增加，因此研究大规模的线性规划问题的求解问题具有重要的意义。本文对LDPC码的最大似然(Maximum Likehood, ML)译码进行近似求解，建立了二进制分组码的松弛规划译码模型，从而提出了LP译码算法。作为ML译码的估计，理论证明该算法具有最大似然保持特性，也就是，一旦最优解为整数解，那么该解一定为最大似然码字。同时，当Tanner图中存在环时，可以通过添加限制条件，改进LP译码的性能。所以，LP译码可以避免短环对译码性能的影响，提高性能，在误码性能与复杂上的保持平衡。特别是对中短码长的LDPC码，利用线性规划译码算法性能更突出。 LDPC码简介 （一）LDPC码的H矩阵表示法 LDPC码是一种线性分组码，它是把长度为k的信息序列作为一个分组，然后按照一定规则将该信息序列映射为码长为n的码字，可表示为(n,k)线性分组码。对于LDPC码，可以由它的校验矩阵H确定。LDPC码的校验矩阵是m行n列的， LDPC码的码字就是与其对应的校验矩阵H的零空间，满足如下方程： cHT=0 (2.1) 图2-1 n=10的二进制LDPC码校验矩阵-1显示的是一个码长为1LDPC码校验矩阵。LDPC码的码率的计算则为R≥k/n=(n-m)/n (2.2) 当且仅当校验矩阵H满秩的时候，等号成立。 线性分组行n列的生成矩阵G，G和校验矩阵H存在着的关系即=0或HGT=0。对于长度为k的信息序列就可以使用生成矩阵G生成长度为的码字c，用公式表示如下： c=uG (2.3) 而对于LDPC码我们首先得到是的校验矩阵H要想完成编码过程必须得进行一些矩阵变换从校验矩阵H得到生成矩阵G，通常方法为高斯消元法现将矩阵进行格式变化： ×m PTm×k] (2.4) Hp-1是一个m×m维的变换矩阵，不存在矩阵则表明H矩阵非满秩我们只需保留矩阵中最大数目的线性相关行即可得到继而得到生成矩阵G： ×m Ik×k] (2.5) （二）LDPC码的Tanner图表示 LDPC码除了可以使用校验矩阵H进行之外用双进行而且Tanner图与校验矩阵是一一对应的。Tanner包含三类元素：变量节点variable node)、校验节点(check node)和连接变量节点与校验节点的边edge). 在Tanner图中，还有一个cycle)的概念某个节点出发经过一定的路径又回到了该节点，除了此节点外，其余节点均只出现一次。在这个过程中的被称为环长，最短的环的环长又被称为围长girth)。 图2-2 校验矩阵H和对应的Tanner图 图-2展现了一个校验矩阵和所对应的Tanner图。图-2可以看到，的度数为变量节点的度数为虚线所示的就是Tanner图中的一个环由六条组成故环长为。 minimize: aTx subject to: x?Zn 其中x表示一个n维的变量,a表示系数向量, aTx称为代价函数，minimize:aTx 称为目标函数，Zn表示n维整数域。 对ML译码的目标函数进行如下变换 使得代价函数符合ILP中最小值优化的特点。假设信道具有离散无记忆的特性， 那么，式（4.2）可等价为 （4.3） 此时ML译码已变为最小化问题，但仍然是非线性的。对代价函数整体进行整数的加减乘除运算并不会改变最优解的值，在信道特性已知的情况下，为常数，将其加入到式（4.3）的代价函数中，有 称为发送符号yi的最大似然比。取值的正负决定了信道输入端符号取值的可能性。如果 0，说明信道输入端发送1的可能性大于发送0的可能性;反之，如果 0，则说明信道输入端发送0的可能性大于发送1的可能性。用表示发送端码字为y = (y1,y2,......, yk)的代价，而最大似然码字就是码C中具有最小代价的码字。发送符号的最大似然比