基于MatlabLDPC码研究及实现.docVIP

基于MatlabLDPC码研究及实现 　　摘要 低密度奇偶校验码（LDPC：Low density parity check code）因为其优异的性能，得到了广泛的重视。本文阐述了LDPC码的构造原理，并对其编译码算法进行了研究。进行了LDPC码在加性高斯白噪声（AWGN：additive white Gaussian noise）信道下的仿真实验，验证了LDPC码优异的纠错能力。 　　关键词 LDPC码；编译码；纠错 　　中图分类号TP39 文献标识码A 文章编号 1674-6708（2012）72-0234-02 　　0 引言 　　Turbo码在1993年被提出后引起了各国学者们对迭代译码算法研究的热潮，从而使人们重新关注到：Gallager早在 1962 年就提出的低密度奇偶校验码（LDPC 码）[1]也是一种性能能够接近 Shannon 限，并且是能够在现实中实现的编码方案，并经过研究发现它具有超过 Turbo 码的性能。 　　另外， LDPC 码采用了本质上是并行运算的置信传播（BP：belief propagation）的译码算法，这有利于在实际工程中硬件上并行实现，从而可以实现很高速度的译码。 　　LDPC 码有着很好的应用前景，如在下一代数字卫星广播中已将LDPC码列入DVB-S2标准[2]。 　　经过各国学者的共同努力在其结构设计，编码，译码以及各方面的具体应用已经取得了较多的成果。 　　1 LDPC编码原理 　　从本质上来说LDPC码是属于线性分组码的一种特殊形式。一个用(n,k)表示的线性分组码将长度为k位的信息u映射成为长为n位的码字c。 　　其中多出来的m=n-k位为检验位。u和c的映射关系可以表示为矩阵形式：c=uG，我们将表达式里的矩阵G定义为生成矩阵，并且它为k行n列。而对于每一个k×n维的生成矩阵G都存在一个m(m=n-k)行n列的矩阵H，满足H和G行正交关系，即GHT=0。 　　其中H矩阵被称作校验矩阵。编码后的码字c和校验矩阵又满足关系：HcT=0。如果将H分解成，其中A为m×k矩阵，B为m×m满秩矩阵，将c分解成，则有： 　　即，得到校验位。 　　因此，构造满足性质的稀疏校验矩阵H是LDPC 码编码的关键所在。 　　2 LDPC编码算法 　　一般具体的LDPC 码的编码思路如下： 　　1）随机产生列重量为 wc 和行重量为wr的 H矩阵，并且尽量使任意两列中同一行为1的元素重叠数目少； 　　2）利用高斯消去法，将矩阵H变换为，根据式，有，又由于在二元域中，所以有校验位； 　　3）最后根据得到编码后的码字。 　　但是，由于上面所述的一般编码方法使用了高斯消元法，它破坏了校验矩阵H原本的稀疏特性。 　　为了解决出现的问题，Richardson 等人研究出了一个有效的解决方法[3]，其中主要的思路是：重新排列矩阵H的列，得到一个如图1所示的近似的下三角形矩阵，将其分成六个稀疏的分块矩阵。 　　我们可以确切地将图中的校验矩阵写成如下表达式： 　　其中 A 是 (m-g)行 (n-g)列的矩阵，B是(m-g)行g列的矩阵，T是 (m-g)行 (m-g)列的下三角矩阵，C是g行 (n-m)列的矩阵，D是g行g列的矩阵，E是g行 (m-g)列矩阵，并且这六个矩阵都保持了原矩阵的稀疏性。 　　对上面表达形式的矩阵H左乘一个矩阵，做线性变换后得到一个下面形式的用于递推校验位的矩阵H1： 　　将编码后的码字c分解为，u为编码的信息位部分，p1 (长度为g)和p2(长度为m-g)构成了编码的校验位部分，由HcT=0可分解成下面的两个相关等式： 　　解二元方程得： 　　其中。 　　和一般的编码思路比较，由于在Richardson 等人的解决方案中只对矩阵H的列做了重新排列这并没有改变矩阵的稀疏特性，其中p1和p2的计算复杂度可以表示为和[4]，因此只要使矩阵g足够小，编码算法的计算复杂程度就能够以近似地达到线性。 　　3 LDPC译码 　　LDPC码之所以性能优异其中重要的因素之一就是：它所采用的译码算法是基于置信传播（BP：Belief Propagation）的迭代算法，这就是它和一般传统纠错码的重要不同所在。 　　根据传递信息的表示形式不同可以将BP 译码算法分为：概率域BP 算法，即在算法中消息的表示方式是概率，这是该算法的一般通用表达方式，也能够在其它非二进制的 LDPC 译码中适用；对数域 LLR（Log-Likelihood Ratio）-BP 算法，即使用对数似然比形式表示二进制译码过程中的消息[5]。 　　由于本文的仿真实验是对二进制数据进行的LDPC编译码仿真，并且两种算法性能相差不大，但对数域算法要简单得多，所以本文以下给出的算法是LLR-BP译码算法。 　　一个比特形式的变量 x