一种低复杂度LDPC码分层最小和译码算法.docVIP

一种低复杂度的LDPC码的分层最小和译码算法 　　摘要本文中，我们提出了一种低复杂度的LDPC码分层译码算法，利用惰性调度简化了变量节点的运算量，降低了译码器的功率消耗，并对LDPC码译码器的部分硬件结构的改进也做了说明。仿真结果表明，与和积算法、最小和算法相比，改进的算法使得LDPC译码器的运行量减少接近60%,并保持了译码的良好性能。 　　关键词低密度奇偶校验码；分层修正最小和译码算法；惰性调度 　　 　　低密度奇偶校验（Low-density Parity-check）码[1] 是可以实际应用，性能接近Shannon极限的纠错编码，因而得到广泛关注，对于现在的无线通信有着至关重要的作用。在LDPC码译码时，由于校验节点与变量节点之间有大量的信息传送，因此降低LDPC码的译码复杂度与译码器的功率消耗，关键在于减少信息传送的运算量。 　　Gallager在提出LDPC码的同时给出了一种基于概率域的迭代译码算法，这就是目前被普遍采用的置信传播算法（Belief Propagation），又称为和积算法（Sum-Product Algorithm简称SPA）。借助于和积算法，LDPC码可获得最优的译码性能，但校验节点计算中的双曲余切函数 为算法的硬件带来了很大的困难。分层最小和译码算法用min（x）最小值函数代替了复杂的 函数，大大降低了译码算法的复杂度，而译码性能与和积算法非常接近。 　　 　　一、分层最小和译码算法 　　 　　 分层译码的思想是将LDPC码的校验矩阵按水平方向分层，每一层可看作独立的码，各层的交集构成完整的码， 　　假设校验矩阵可分为M层，其中每一层的最大列重为1，译码时顺序处理每一层，所有M层参加完一次译码后完成一次迭代。记变量节点i的初始对数似然率（LLR）信息为 ；第n次迭代中，变量节点i传向第l层中检验节点j的LLR信息为 ；第l层的校验节点j传向变量节点i的LLR信息为 ；变量节点i的后验概率信息为 ；与校验节点j相连的变量节点集合记为N（j）。 　　分层置信传播译码时，首先进行初始化： = 　　随后对校验矩阵进行逐层译码，在每一层中变量节点i传向校验节点j的信息为： 　　 =- 　　 =- 　　校验节点j返回至变量节点i输出信息为: 　　 = × 　　 　　其中 ， 表示与校验节???j相连的除去i节点外的变量节点的集合。同时更新变量节点的后验信息 = + 由于函数 的实现较为复杂，因此可将置信传播中 的简化为求最小值运算，得到最小和译码。同样，可将分层译码运用于最小和算法。此时校验节点的处理有所不同； 　　 = × 　　将和积算法简化为最小和运算后，将带来性能损失。因为最小和算法是高信噪比情况下对校验节点处理的简化，在一般情况下，其校验节点的输出信息都要大于最优的和积算法，因此，可以对最小和算法中校验节点输出的信息乘以乘性因子α（α98%）就可以使变量节点在接下来的迭代中处于睡眠状态，不再对传入和传出的信息进行更新，因此会减少很多的运算量，并且也不会影响到译码的结果。减少复杂度的分层修正最小和算法（R-L-MSA）如下： 　　当变量节点后验信息 超过设定值 ，将进行以下操作： 　　（1）变量节点后验概率信息 不会被更新，(6)式不会执行，无法影响到硬判决的结果。 　　（2）校验节点传向变量节点的信息 无法更新，（5）式跳过。 　　（3）变量节点传向校验节点的信息 无法更新，（3）式不能跳过，因为（4）式中的S的计算需要参量 。而当变量节点后验概率信息 能够稳定的传递时，不会影响到（3）式也不会直接跳到（7）式，这样简化了对校验信息的读取。 　　我们应设定合适的 值，如果设置的太低，则会出现“地板效应”。这时的处理方法是，译码器定时的唤醒睡眠节点来更新信息，这一定时可以设置为 次迭代。exe（）（ 小于其设定值 ，当前迭代次数到达 时）决定是否要唤醒变量节点，被唤醒后的节点，根据更新的信息来决定其工作状态。 　　 　　三、LDPC码译码器的结构 　　 　　基于改进算法，我们设计了译码器结构。 　　图1 译码器结构 　　Fig.1 Decoder architecture 　　比特信息单元（Get Bit Information unit）执行算法中的（3）式和（7）式； 　　串处理单元（Serial processing unit）执行（4）式； 　　信道信息单元（Get channel information unit）执行（5）和（6）式； 　　这样可以看出，我们增添译码器的部分为变量节点向量寄存器（variable node vector register ），其向量值与码长相等，用来监控变量节点是否处于睡眠状态。判断单