專利名稱：Ldpc碼的譯碼方法
技術領域：
本發(fā)明涉及通信領域信道糾錯LDPC碼的譯碼方法，具體涉及一種基于差分的LDPC碼的譯碼方法，以在降低譯碼復雜度的同時不降低譯碼性能。
背景技術：
低密度校驗(LDPC)碼是近十年來重新發(fā)現的一種強有力的前向糾錯碼，其在長碼構造條件下已經逼近香農限。因而，LDPC碼被認為是Turbo碼的有效替代技術，很有可能被用于下一代移動通信和深空通信。
圖1給出了用二部圖來表示低密度校驗碼的一個簡單示例。低密度校驗碼是一種基于稀疏校驗矩陣的線性分組碼。1981年，Tanner提出用二部圖表示一個低密度的線性分組碼，從此二部圖成為了分析LDPC碼的主要工具。
對于一個LDPC碼，假設其信息位長為K，碼長為N，校驗位為M＝N-K，則該碼的校驗矩陣H是一個大小為M*N的矩陣。H的二部圖表述如下二部圖下邊的N個節(jié)點代表N個碼字，稱為消息節(jié)點(massage node)；上邊M個節(jié)點代表了M個校驗式(校驗位)，稱為校驗節(jié)點(check node)。當下邊的消息節(jié)點和上邊的校驗節(jié)點存在于同一個校驗式時，就用邊(edge)將兩者連接。將和每個節(jié)點相連的線的個數稱為該節(jié)點的度(degree)。
LDPC碼的譯碼采用和積(Sum-Product)算法，整個譯碼過程可以看作在Tanner的二部圖上的BP算法的應用，如參考文獻1(Xiao-YuHu，Evangelos Eleftheriou，Dieter-Michael Arnold，and Ajay Dholakia，“Efficient Implementations of the Sum-Product Algorithm for DecodingLDPC Codes”，IBM Research，Zurich Research Laboratory，CH-8803R..uschlikon，Switzerland，2001)所述。此外，參考文獻2(Matthew C.Davey，PHD ThesisError-correction using Low-Density Parity-CheckCode，Gonville and Caius College，Cambridge，1999)和參考文獻3(D.J.C.MacKay and R.M.Neal.Near Shannon limit performance oflow-densityparity-check codes.Electronics Letters，32(18)1645～1646，August 1996.Reprinted Electronics Letters，vol 33，no 6，13th March1997，p.457-458.)給出了LDCP碼的和積算法的一般描述，具體過程如下1.初始化過程設接收到的有噪信號為rn，對n＝1，2，….N，每比特的判決值初始化為rn的硬判決值xn。設pi0=P(xi=0),]]>pi1=P(xi=1)=1-pi0]]>是迭代譯碼前信道給出的先驗信息，對每一次迭代，它都是不變的外信息(extrinsicvalue)。qij1和qij0是除校驗式j以外的其他校驗式可信度信息已知的條件下，消息比特i＝1/0的概率。qij1和qij0分別被初始化成pi1和pi0。αij是qij1，qij0的歸一化因子。rij1，rij0是假設消息比特i＝1/0下，其他與校驗節(jié)點j有邊連結的(也就是參與校驗式j)的消息比特i′的1/0概率分布為qi′j1和qi′j0，校驗位j＝1(也就是校驗式j滿足)的概率。ei1，ei0是消息節(jié)點在每一次迭代中計算的外信息，我們稱它為消息比特i的偽后驗概率(pseudoposterior probabilities)。αi是ei1和ei0的歸一化因子。αi和αij都初始化成α0。
2.迭代過程Step1.向上更新(更新rija)由校驗節(jié)點j傳遞給消息節(jié)點i的rija是消息節(jié)點i狀態(tài)為a和校驗節(jié)點j中其他消息節(jié)點狀態(tài)分布已知的條件下，校驗式j滿足的概率。
經推導有rij1=12[1-Πi′∈row[j]\{i}δ(qi′ja)]---(1a)]]>
rij0=12[1+Πi′∈row[j]\{i}δ(qi′ja)]---(1b)]]>在首次計算中，qij1，qij0初始化成pi1，pi0，其中，δ(qi′ja)定義為差分函數δ(qi′ja)=qi′j0-qi′j1---(2)]]>Step2.向下更新(更新qija)由消息節(jié)點i傳遞給校驗節(jié)點j的qija是在除校驗節(jié)點j外消息節(jié)點i連接的其他校驗節(jié)點提供的信息上，消息節(jié)點i在狀態(tài)a的概率。
經推導有qija=αijpiaΠj′∈col[i]\{j}rij′a---(3)]]>其中pia是先驗概率P(xi＝a)，αij=1/(qij0+qij1).]]>根據Step1中得出的rij0和rij1以及外信息pi0，pi1，再計算qij0和qij1。
qij1=αijpi1Πj′∈col[i]\{j}rij′1---(4a)]]>qij0=αijpi0Πj′∈col[i]\{j}rij′0---(4b)]]>Step3.嘗試譯碼接下來，按照式(5a)和(5b)計算消息比特i的偽后驗概率ei1和ei0，公式的推導，類似于step2的式(3)，結果是ei0=αipi0Πj∈col[i]rij0---(5a)]]>ei1=αipi1Πj∈col[i]rij1---(5b)]]>注意，選擇合適的αi=1/(ei1+ei0),]]>使得ei1+ei0=1.]]>偽后驗概率ei0(ei1)是用來判定在這次迭代結束時，消息比特i是0(1)的可能概率。它們間接決定了是否繼續(xù)迭代過程。在ei1(ei0)>=0.5]]>時，判定消息比特i＝1(0)，得到當前譯碼xi。在所有比特被譯出之后，得到譯碼矢量x＝(x1，x2…..xn)。
在譯碼結束時，嘗試進行譯碼判決，其具體過程如下如果Hx＝0，那么，停止譯碼，輸出x＝(x1，x2，.....xn)作為有效的輸出值。否則，如果達到預設定的迭代次數，那么停止迭代，輸出譯碼結果。否則，開始下一輪迭代。
參考文獻1中提出對于具體的硬件電路，為了減少乘法運算，和積算法一般在對數域上實現，在二部圖上所傳遞的消息是概率的似然比值。在對數域上實現和積算法的具體過程如下1.初始化過程設接收到的有噪信號為rn，對n＝1，2，…，N，每比特的判決值初始化為rn的硬判決值xn。設pi0=P(Xi=0),]]>pi1=P(Xi=1)=1-pi0]]>是迭代譯碼前信道給出的先驗信息，并記Pi=ln(pi0/pi1),]]>其表明了消息比特i的先驗似然比值。qij1和qij0是除校驗式j以外的其他校驗式可信度信息已知的條件下，消息比特i＝1/0的概率，并記Qij=ln(qij0/qij1),]]>其表明了上述概率的似然比值。對于某個消息比特i，用Pi=ln(pi0/pi1)]]>初始化并存儲其所有的Qij。rij1和rij0是假設消息比特i＝1/0下，其他與校驗節(jié)點j有邊連結的(也就是參與校驗式j)的消息節(jié)點i的消息比特i’的1/0概率分布為qi′j1和qi′j0，校驗比特j＝1(也就是校驗式j滿足)的概率。并記Rij=ln(rij0/rij1),]]>其表明上述概率的似然比值。ei1和ei0是消息節(jié)點在每一次迭代中計算的外信息，稱它為消息比特i的偽后驗概率。此外，記Ei=ln(ei0/ei1),]]>其表明上述偽后驗概率的似然比值。
2.迭代過程Step1.向上更新(更新Rij)由校驗節(jié)點j傳遞給消息節(jié)點i的Rij是消息節(jié)點i狀態(tài)為a和與校驗節(jié)點j連接的消息節(jié)點中其他消息節(jié)點狀態(tài)分布已知的條件下，校驗式j滿足的概率。經推導有Rij=⊕i′∈row[j]\{i}Qi′j---(6)]]>其中，算子被稱為核加運算(core-add operation)，其定義為UV≡Ln(1+exp(U+V))-Ln(exp(U)+exp(V))＝sign(U).sign(V).min{|U|，|V|}+Ln(1+exp(-|U+V|))-Ln(1+exp(-|U-V|)(7)
核加運算滿足交換率和結合率。在實現中，可用查表或者線性擬合的方法完成Ln(1+exp(-x))的運算。所以，對于一次核加運算，需要4次加法，2次查表和一次比較，被稱為通常核加運算(usual core-addoperation)。對于一個度數為c的校驗節(jié)點，采用前向-后向算法時，共需3(c-2)次核加運算，如參考文獻1所述。
但是，由于上述通常核加運算過于復雜，因而參考文獻1提出了以下兩種簡化方法1.常數校正方法(constant correction)UV≈sign(U).sign(V).min{|U|，|V|}+correction-factor (8)其中，correction-factor稱為校正因子，當校正因子近似為常數時correction-factor=cif|U|<2and|V|>2|U|-cif|V|<2and|U|>2|V|0otherwise---(9)]]>其中c是依賴于信噪比的一個常數。常數校正方法的核加運算需要一次加法和一次校正因子查表。
2.符號-最小方法(sign-min)當在常數校正方法的情況下校正因子近似為零時，就得到了符號-最小方法。
UV≈sign(U).sign(V).min{|U|，|V|}(10)從式(10)可以看出，符號-最小方法的核加運算只需一次比較。
Step2.向下更新(更新Qij)Qij=Pi+Σj′∈col[i]\{j}Rij′---(11)]]>其中，通過已存儲的Rij′計算并存儲Qij。
在實現時，對于度數為c的消息節(jié)點i，首先算偽后驗概率EiEi=Pi+Σj′∈col[i]Rij′---(12)]]>而Qij＝Ei-Rij。
因而，對于度數為c的消息節(jié)點i，共需(2c-1)次加(減)法運算。
Step3.嘗試譯碼偽后驗概率Ei是用來判定在這次迭代結束時，消息比特i是0(1)的可能概率。根據符號可以判定比特i＝1(0)，得到當前譯碼結果xi。正數判0，負數判1。在所有比特被譯出之后，得到譯碼矢量x＝(x1，x2…..xn)。
在譯碼結束時，嘗試進行譯碼判決，其具體過程如下如果Hx＝0，那么停止譯碼，輸出x＝(x1，x2，……，xn)作為有效的輸出值。否則，如果達到預設定的迭代次數，那么停止迭代，輸出譯碼結果。否則，開始下一輪迭代。
然而，上述的通常的核加方法存在計算復雜度高的問題，而它的簡化方法-常數校正方法和符號-最小方法雖然降低了復雜度，但是性能上存在一定的損失。另外，似然比值是在實數域上的，取值范圍從負無窮到正無窮，在實現的量化精度上不易控制而精度誤差容易導致一定的計算誤差。

發(fā)明內容
鑒于現有技術中存在的缺陷，完成了本發(fā)明。本發(fā)明提出一種基于差分的LDPC碼的譯碼方法，其中在二部圖上所傳遞的消息是概率的差分值。本發(fā)明的目的是提供一種高效的LDPC譯碼方法，以降低LDPC碼的譯碼復雜度，同時又要保證其誤碼率性能和譯碼收斂速度沒有明顯下降。
在本發(fā)明的一個方面，提出了一種LDPC碼的譯碼方法，包括校驗節(jié)點更新步驟，基于在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值；消息節(jié)點更新步驟，基于在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下消息節(jié)點i是0的概率與是1的概率的差分值和信道輸出的消息節(jié)點i是0的概率與是1的概率的差值，在加法域更新消息節(jié)點i的概率值；以及根據各個消息節(jié)點i的概率值的符號判斷相應消息比特i的譯碼輸出。
根據本發(fā)明的一個實施例，所述校驗節(jié)點更新步驟包括基于所有的消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值。
根據本發(fā)明的一個實施例，所述校驗節(jié)點更新步驟包括對消息節(jié)點i是0的概率和是1的概率的差分值按照絕對值從小到大進行排序；以及僅僅針對預定數目的絕對值小的、消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值。
根據本發(fā)明的一個實施例，針對除了預定數據的絕對值小的、消息節(jié)點i是0的概率和是1的概率的差分值之外的差分值，在乘法域更新校驗節(jié)點j的概率值。
根據本發(fā)明的一個實施例，該方法包括步驟把校驗矩陣與各個消息比特的譯碼輸出構成的譯碼矢量相乘，如果相乘結果為零，則停止譯碼，否則重復所述的校驗節(jié)點更新步驟和所述消息節(jié)點更新步驟。
由于差分表示的數值范圍從負1到正1是一個有限區(qū)間，它相對于無限區(qū)間的似然比值更易于量化，所以能降低由量化誤差引起的計算誤差，從而能改善誤碼率性能并減少平均迭代次數。


圖1示出了用二部圖來表示低密度校驗碼的一個簡單示例；圖2是通常差分算法的校驗節(jié)點更新圖；圖3是w差分算法的校驗節(jié)點更新圖；圖4是差分算法的消息節(jié)點更新圖；圖5是[2000，1000]LDPC的誤碼率比較圖；圖6是[2000，1000]LDPC的平均迭代次數比較圖。
具體實施例方式
下面結合附圖以具體實施例的形式對本發(fā)明作進一步詳細說明。
始化過程設接收到的有噪信號為rn，對n＝1，2，….N，每比特的判決值初始化為rn的硬判決值xn。設pi0=P(Xi=0),]]>pi1=P(Xi=1)=1-pi0]]>是迭代譯碼前信道給出的先驗信息，并記Pi=pi0-pi1,]]>其表明了消息比特i的先驗差分值。qij1和qij0是除校驗式j以外的其他校驗式可信度信息已知的條件下，消息比特i＝1/0的概率，并記Qij=qij0-qij1,]]>其表明了上述概率的差分值。對于某個消息比特i，用Pi初始化并存儲其所有的Qij。rij1和rij0是假設消息比特i＝1/0下，其他與校驗節(jié)點j有邊連結的(也就是參與校驗式j)的消息比特i’的1/0概率分布為qi′j1和qi′j0，校驗位j＝1(也就是校驗式j滿足)的概率。并記Rij=rij1-rij0,]]>其表明了上述概率的差分值。ei1和ei0是消息節(jié)點在每一次迭代中計算的外信息，稱它為消息比特i的偽后驗概率。并記Ei=ei1-ei0,]]>其表明了上述偽后驗概率的差分值。
迭代過程Step1.向上更新(更新Rij)由校驗節(jié)點j傳遞給消息節(jié)點i的Rij是消息節(jié)點i狀態(tài)為a和校驗式j中其他消息節(jié)點狀態(tài)分布已知的條件下，校驗式j滿足的概率。
經推導有Rij=Πi′∈row[j]\{i}sign(Qi′j)exp(Σi′∈row[j]\{i}Ln(|Qi′j|))---(13)]]>其中，exp和Ln函數可以用查表或者線性近似來實現，sign表示取符號。所以，對于度數為c的校驗節(jié)點j，共需2c-1次加法和2c次查表。
圖2示出了通常差分算法的校驗節(jié)點(向上)更新過程的流程圖。
如圖2所示，在步驟S200，對于度數為c的校驗節(jié)點j的更新，讀取已經存儲的Qij，其中Qij表示在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下，消息節(jié)點i是0的概率和是1的概率的差分值。在第一次迭代前，Qij被初始化為消息節(jié)點i的概率差分值Pi＝Pi(0)-Pi(1)，亦即信道輸出的消息比特i是0的概率與是1的概率的差分值。
在步驟S201，查表得到Qij在加法域的值Ai＝Ln(|Qij|)，即由實數域轉換到加法域，這里的查表可以通過預置的函數表y＝Ln(|x|)搜索可以通過一個線性函數擬合，Ln(.)表示自然對數。
在步驟S202，求和得到校驗節(jié)點j在加法域的值Cj=ΣiAi.]]>然后在步驟S203，求積得到校驗節(jié)點j的符號Sj=Πisign(Qij),]]>這里sign(.)表示取符號，正數取1，負數取-1。
在步驟S204，對于與校驗節(jié)點j相連的消息節(jié)點i，例如1，通過從校驗節(jié)點j在加法域的值中減去Qij在加法域的值，得到消息節(jié)點i在加法域的值Bi＝Cj-Ai，如S205。
在步驟S206，查表得到消息節(jié)點i在實數域的值Di＝exp(Bi)，即由加法域返回到實數域，這里的查表可以通過預置的函數表y＝exp(x)搜索可以通過一個線性函數擬合，exp(.)表示指數冪函數。
在步驟S207，求積得到符號消息節(jié)點i的符號Fi＝Sj·sign(Qij)。
然后，在步驟S208，加符號即可得到Rij＝FiDi，并存儲，其中Rij表示在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下，消息節(jié)點i是0與是1的概率的差分值。
在步驟S209，取i的下一值，重復上述步驟S205到S208的處理過程。
為了簡化計算，我們進一步提出了w算法，具體如下S1.對于度數為c的校驗節(jié)點j，首先按從小到大的順序對{|Qi′j|/i′∈row[j]}進行排序，將最小的w個i′所構成的集合記為Nw(j)。其中，2≤w≤c-1。
S2.只對集合Nw(j)中的元素i′計算Cj(w)
Sj的計算不變Sj(w)=Πi′∈row[j]sign(Qi′j)]]>S3.分兩種情況計算Rij當i∈Nw(j)時，Rij＝Sjsign(Qij)exp(Cj(w)-Ln(|Qij|))(15a)當iNw(j)時，Rij＝Sjsign(Qij)Cj(w) (15b)所以，對于度數為c的校驗節(jié)點j，w簡化算法只需2w-1次加法和2w次查表，而排序比較次數為(2c-1-w)w/2。
圖3是根據本發(fā)明的w差分算法的校驗節(jié)點(向上)更新過程的流程圖。
如圖3所示，在步驟S300，對于度數為c的校驗節(jié)點j的更新，讀取已經存儲的Qij，其中Qij表示在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下，消息節(jié)點i是0與是1的概率的差分值。
然后，在步驟S301，對|Qij|按從小到大進行排序，其w個最小值所對應的消息節(jié)點i用一個數組tag標記為tag[i]＝1，其余的消息節(jié)點i標記為tag[i]＝0。
在步驟S302，只對tag[i]＝1的消息節(jié)點i，查表得到Qij在加法域的值Ai＝Ln(|Qij|)，這里的查表可以通過預置的函數表y＝Ln(|x|)搜索或者通過一個線性函數擬合，Ln(.)表示自然對數。
在步驟S303，只對tag[i]＝1的消息節(jié)點i，求和得到校驗節(jié)點j在加法域的值Cj=ΣiAi.]]>在步驟S304，對所有與校驗節(jié)點j相連的消息節(jié)點i，求積得到校驗節(jié)點j的符號Sj=Πisign(Qij),]]>這里sign(.)表示取符號，正數取1，負數取-1。
在步驟S305，取i等例如1，在步驟S306和S307，對tag[i]＝1的每個消息節(jié)點i，通過從校驗節(jié)點j在加法域的值中減去Qij在加法域的值，得到Bi＝Cj-Ai。
然后，在步驟S308，查表得到消息節(jié)點i在實數域的值Di＝exp(Bi)，這里的查表可以通過預置的函數表y＝exp(x)搜索或者通過一個線性函數擬合，exp(.)表示指數冪函數。
在步驟S309，對tag[i]＝0的所有消息節(jié)點i，查表得到消息節(jié)點i在實數域的值Dj＝exp(Cj)。
在步驟S310，對所有與校驗節(jié)點j相連的消息節(jié)點i，求積得到符號消息節(jié)點i的符號Fi＝Sj·sign(Qij)，然后在步驟S311，加符號即可得到Rij＝FiDi，并存儲，其中Rij表示在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下，消息節(jié)點i是0與是1的概率的差分值。在步驟S312，取i的下一值，重復上述步驟S306到S311的處理過程。
與通常差分算法相比，w差分算法增加了對|Qij|的比較排序操作，而且在加法域中節(jié)省了零標記元素的加法運算，因此降低了復雜度。
Step2.向下更新(更新Qij)首先定義函數f(x)＝Ln(1+x)-Ln(1-x)，x∈(-1，1)以及g(x)＝(exp(x)-1)/(exp(x)+1)，x∈R。
那么，經過推導有Qij=g(f(Pi)+Σj′∈col[i]\{j}f(Rij′))---(16)]]>其中，通過已存儲的Rij′計算并存儲Qij。
這里，函數f(x)和g(x)可以用查表或者線性近似來實現。因而，對于度數為c的消息節(jié)點，共需2c-1次加法和2c次查表。
圖4是差分算法的消息節(jié)點(向下)更新過程的流程圖。
如圖4所示，在步驟S400，對于度數為c的消息節(jié)點i，讀取已經存儲的Rij′和Pi，其中Rij表示在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下，消息節(jié)點i是0的概率與是1的概率的差分值，Pi表示信道輸出的消息節(jié)點i是0的概率與是1的概率的差值。
然后，在步驟S401，查表得到Rij′在加法域的值Aj＝f(Rij)和Pi在加法域的值f(Pi)，這里的查表可以通過預置的函數表y＝f(x)搜索，也可以通過一個線性函數擬合，其中f(x)＝Ln(1+x)-Ln(1-x)，x ∈(-1，1)，Ln(.)表示自然對數。
接著，在步驟S402，求和得到消息節(jié)點i在加法域的值Si=f(Pi)+ΣiAj.]]>在步驟S403，取j等于1，對于與消息節(jié)點i相連的每個校驗節(jié)點j，通過從消息節(jié)點i在加法域的值中減去Rij′在加法域的值得到Bj＝Si-Aj，如步驟S404。然后，在步驟S405，通過查表得到Qij＝g(Bj)并存儲之，Qij表示在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下，消息節(jié)點i的概率差分值。這里的查表可以通過預置的函數表y＝g(x)搜索，也可以通過一個線性函數擬合，其中g(x)=ex-1ex+1,]]>x∈R。然后，在步驟S406，取j等于下一值，重復上述步驟S404和S405。
Step3.嘗試譯碼根據Si的符號可以判定消息節(jié)點i，正數判0，負數判1，得到當前譯碼xi。在所有比特被譯出之后，得到譯碼矢量x＝(x1，x2.....xn)。然后，就可以進行通常的譯碼判決，其具體過程如下如果Hx＝0，那么停止譯碼，輸出x＝(x1，x2…..xn)作為有效的輸出值。否則，如果達到預設定的迭代次數，那么停止迭代，輸出譯碼結果。否則，繼續(xù)校驗節(jié)點(向上)更新，開始下一輪迭代。
通過計算機仿真比較了AWGN信道下的五種方法的性能，采用[2000，1000]LDPC碼，校驗節(jié)點度數為6，消息節(jié)點度數為3。和積算法最多迭代101次，長度為四的短環(huán)均被刪除。五種方法為通常差分方法(usual difference)及其簡化的w算法(w＝3和w＝4 difference))，通常的核加方法(usual core-add)，常數校正法(constant correction)，與符號-最小法(sign-min)。常數校正法中的c取0.8[22]。為獲得精確的誤碼率，每次仿真保證至少出現600個錯誤比特。
圖5比較了五種方法的誤碼率性能，w差分、通常差分與通常核加方法接近，均為最低。在誤碼率為10-5時，通常的核加方法與差分算法幾乎一致，而常數校正法有0.1dB的信噪比損失，符號-最小法有0.5dB的信噪比損失。在中高信噪比，而符號-最小法和常數校正法的誤碼率相對于新方法有數量級意義上的誤碼率性能損失。圖6比較了五種方法的平均迭代次數，顯然本發(fā)明方法的平均迭代次數最少。尤其在中等信噪比區(qū)間，本發(fā)明方法的迭代次數大約只是常數校正法的三分之一或者符號-最小法的四分之一。w差分的迭代次數與通常差分算法很接近。
表1.度數為c的校驗節(jié)點的實現復雜度比較

表1給出了對于度數為c的校驗節(jié)點的實現復雜度的比較，其中符號-最小法復雜度最低，而本發(fā)明的方法次之，通常核加方法最高。其中，本發(fā)明的方法的復雜度約為通常核加方法的三分之一或者常數校正法的三分之二。w算法的加法與查表操作比通常差分法都有降低，而比較次數增多。在本例中，以通常核加算法的復雜度為基準，通常差分、w＝4差分和w＝3差分的復雜度分別只是它的百分之45.8，29.1和20.8。
表2.度數為c的消息節(jié)點的實現復雜度比較

表2給出了對于度數為c的消息節(jié)點的實現復雜度的比較，本發(fā)明的方法比其余方法只多了2c次的查表操作，而加法運算次數都是一樣的。
根據以上的仿真結果和計算復雜度的比較，可以得出結論w差分算法的誤碼率和實現復雜度的綜合性能要優(yōu)于通常的核加方法(usual core-add)、常數校正法(constant correction)和符號-最小法(sign-min)。
以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任何熟悉該技術的人在本發(fā)明所揭露的技術范圍內，可輕易想到的變換或替換，都應涵蓋在本發(fā)明的包含范圍之內。因此，本發(fā)明的保護范圍應該以權利要求書的保護范圍為準。
權利要求
1.一種LDPC碼的譯碼方法，包括校驗節(jié)點更新步驟，基于在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值；消息節(jié)點更新步驟，基于在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下消息節(jié)點i是0的概率與是1的概率的差分值和信道輸出的消息節(jié)點i是0的概率與是1的概率的差值，在加法域更新消息節(jié)點i的概率值；以及根據各個消息節(jié)點i的概率值的符號判斷相應消息比特i的譯碼輸出。
2.如權利要求1所述的譯碼方法，其特征在于，所述校驗節(jié)點更新步驟包括基于所有的消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值。
3.如權利權利要求1所述的譯碼方法，其特征在于，所述校驗節(jié)點更新步驟包括對消息節(jié)點i是0的概率和是1的概率的差分值按照絕對值從小到大進行排序；以及僅僅針對預定數目的絕對值小的、消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值。
4.如權利要求3所述的譯碼方法，其特征在于，針對除了預定數據的絕對值小的、消息節(jié)點i是0的概率和是1的概率的差分值之外的差分值，在乘法域更新校驗節(jié)點j的概率值。
全文摘要
公開了一種LDPC碼的譯碼方法，包括校驗節(jié)點更新步驟，基于在已知與消息節(jié)點i相連的除校驗節(jié)點j以外的其他校驗節(jié)點可信度信息的條件下消息節(jié)點i是0的概率和是1的概率的差分值，在加法域更新校驗節(jié)點j的概率值；消息節(jié)點更新步驟，基于在已知與校驗節(jié)點j相連的除消息節(jié)點i以外的消息節(jié)點的概率分布的條件下消息節(jié)點i是0的概率與是1的概率的差分值和信道輸出的消息節(jié)點i是0的概率與是1的概率的差值，在加法域更新消息節(jié)點i的概率值；以及根據各個消息節(jié)點i的概率值的符號判斷相應消息比特i的譯碼輸出。與傳統(tǒng)的基于對數似然比的譯碼方法相比，本發(fā)明的計算復雜度有很大降低，而譯碼性能和收斂速度沒有明顯損失。
文檔編號H03M13/00GK101043218SQ20061007178
公開日2007年9月26日 申請日期2006年3月22日 優(yōu)先權日2006年3月22日
發(fā)明者吳湛擊, 李繼峰 申請人:松下電器產業(yè)株式會社