LDPC码串行译码收敛性分析

介绍了低密度校验码（LDPC码）的Tanner图表示和洪水译码算法后，引入基于校验节点的串行译码算法及半串行译码算法，通过密度进化和树的深度两方面束讨论串行译码的消息收敛特性，证明其消息收敛速度比洪水译码算法约快2倍，并且降低了译码复杂度。分别应用洪水译码算法和串行译码算法在AWGN信道下进行计算机仿真。理论分析与仿真结果均表明，串行译码算法明显改善了译码性能。     

基于串行消息传递机制的LDPC码译码算法研究

在介绍LDPC码概念和基于洪水消息传递机制和积译码算法的基础上,引入基于串行消息传递机制的LDPC译码算法.该串行译码算法可基于校验节点或变量节点一定的顺序进行消息处理和传递,保证更新的消息能够快速进入迭代过程,从而改善消息传递的收敛特性;同时充分利用消息间相互关联的特点,融合消息传递步骤,可以降低所需的存储容量.分析了两种串行译码算法的算法复杂度,证明基于校验节点的串行译码算法能在很大程度上简化译码复杂度,并对比洪水译码算法,在AWGN信道下进行了性能仿真,仿真结果表明两种串行译码算法都使译码性能得到明显提高.     

一种改进的LDPC码译码算法

指出了由于短LDPC（低密度奇偶校验）码的Tanner图中会出现环路,使得变量节点之间的信息不再相互独立,从而导致对数域BP译码算法的性能下降．从平衡迭代译码性能与硬件实现复杂度的角度出发,提出了一种改进的BP算法,通过变量消息的修正来补偿校验消息简化的损失．仿真结果表明：改进的算法加快了算法的收敛速度,降低了迭代译码...     

Tutbo码并行译码算法的研究

Turbo码的译码算法大致可分为串行译码算法和并行译码算法两大类。串行译码算法如MAP、LOG MAP等的研究已比较深入。但并行译码算法 ,尚有许多问题有待探讨。研究了Turbo码的并行译码算法 ,将Turbo码译码和图论结合起来 ,利用Bayesian网络图模型描述了Turbo码的译码过程 ,基于模型使用Pearl的信息传播算法 ,建立了Turbo码的并行译码算法。并对所讨论的并行译码算法进行了模拟 ,模拟结果表明 :该并行译码在译码性能等方面比串行译码优越     

基于稀疏序列LDPC的多层码的迭代译码

提出一种稀疏二进制序列构造的LDPC码作为分量码,译码采用串行迭代的多层码方案.每次串行迭代译码逐层进行,低层向高层传递译码软信息.采用该方案分别对8PSK和16QAM调制的多层码进行串行迭代译码和并行迭代译码的性能仿真.仿真结果表明:该方案的编码复杂度较低,相比于并行迭代译码,串行迭代译码简化了译码结构,且2种迭代译码算法复杂度相同;在AWGN信道和平坦瑞利衰落信道中,串行迭代译码的误比特性能优于并行迭代译码.     

一种非规则LDPC码的改进型UMPBP—Based译码算法

为了减小UMPBP—Based译码算法相对于LLR—BP译码算法的性能损失,提出了一种改进型UMPBP—Based译码算法,校验节点消息处理时,通过合理地设置校正因子与偏移因子2种参数,将NormalizedBP-Based和OffsetBP—Based2种译码算法进行有效的融合;变量节点消息处理时,引入了一种LLR—BP译码算法中的震荡补偿算法．仿真结果表明,针对非规则LDPC码,在一定范围内误码率相同的条件下,改进型UMPBP-Based译码算法与UMPBP—Based、NormalizedBP—Based和OffsetBP-Based3种译码算法相比较,译码性能得到明显的改善,可以更有效地逼近性能优异的LLR—BP译码算法．     

基于SISO Cyclic-2 PML算法TPC译码器的仿真研究

Turbo乘积码(Turbo Product Codes TPC)通过将软输入软输出迭代译码引入到线形分组乘积码获得了优异的译码性能.本文对TPC软输入软输出(SISO)Cyclc-2 PML译码算法及TPC的串行迭代译码结构进行了介绍,并对基于SISO Cyclic-2 PML算法的TPC译码器进行了仿真研究.     

基于校验节点的LDPC码的消息加权均值串行译码算法

 中短长度LDPC码在采用BP算法译码时,由于短环的存在会导致某些比特LLR值出现振荡现象,从而影响了译码性能。针对这一现象,提出了一种采用消息加权均值来修正校验节点到变量节点消息传递的改进译码算法。该译码算法将上次校验节点到变量节点的消息和本次计算所得的校验节点到变量节点的消息进行加权求和后作为当前最新的消息。通过对本次计算所得的校验节点到变量节点的消息赋予比上次校验节点到变量节点消息更高的权值,从而减弱消息加权均值对正常BP消息传递的影响,有效抑制比特LLR值的振荡。仿真结果表明,与传统的串行迭代译码算法相比,改进的译码算法在计算复杂度增加极少的情况下,有效提高了中高信噪比区的译码性能。     

基于分组混合策略的LDPC置信传播译码算法

置信传播(BP-Based)译码算法通过对校验节点消息的简化处理,并在传递的变量信息之间引进相关性,可大大降低算法的复杂度.为了减少BP-Based算法的迭代次数和性能损失,采用分组混合策略对BP-Based算法进行改进,加快了信息更新速度,减少了错误信息从停止集传播到Tanner图中其他节点的概率.MATLAB仿真表明,在几乎不增加复杂度的情况下,改进算法可以提高译码性能.     

空间耦合LDPC码的深度迭代译码算法设计

空间耦合LDPC码因其在次最优迭代译码算法下能够达到最大后验概率译码性能而引起广泛关注。但其优异的阈值特性需要在码长很长时才能实现,当采用传统的迭代译码算法时,实现的复杂度将以指数增加,无法应用。为了有效降低传统迭代译码算法的复杂度,本文结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而提升译码收敛速度,降低译码复杂度。仿真结果表明,所提出的深度迭代译码算法可以以较少的迭代次数达到与传统迭代译码算法在较多迭代次数下的译码性能。     

一种改进的LDPC码BP译码算法

通过对LDPC码经典的BP译码算法进行研究,针对算法译码复杂度非常大、迭代次数多、不利于硬件实现的问题,提出了一种改进的BP译码算法.改进算法通过实时监控在连续3次迭代中译码是否稳定来减少在信噪比低于译码阈值时的迭代次数.同时,在变量消息更新过程中对传递的校验信息进行数据约束,防止由于数据溢出而导致的译码失败.仿真结果表明,改进的BP算法,在性能损失不大的情况下可以有效地降低译码的复杂度,从而更利于硬件的实现.     

适用于LDPC码的新颖自适应联合加权比特翻转译码算法

针对低密度奇偶校验(low-density parity-check,LDPC)码采用单比特翻转算法译码可能出现比特循环翻转现象而导致译码收敛速度缓慢的问题,提出一种适用于LDPC码的新颖自适应联合加权比特翻转(self-adaption combined weighted bit-flipping,SCWBF)译码算法.该SCWBF算法结合了能高效实现的可靠率加权比特翻转(implementation-efficient reliability ratio based weighted bit-flipping,IRRWBF)算法与低复杂度加权比特翻转(low complexity weighted bit-flipping,LCWBF)算法的优点,在每次迭代过程中,能自适应翻转单比特或多比特,从而避免了单比特翻转算法在译码过程中产生的同一比特循环翻转现象.仿真结果表明,与加权比特翻转(weighted bit-flipping,WBF)算法、IRRWBF算法以及联合改进加权比特翻转(combined modified weighted bit-flipping decoding,CMWBF)算法相比,提出的SCWBF译码算法加快了LDPC码的译码速度,并且误码性能也得到明显改善.     

BICM-ID系统中的均匀重加权迭代译码算法

针对LDPC编码的BICM-ID系统,建立了正规因子图模型。从消息更新规则的角度,运用变分方法统一解释了均匀重加权置信传播算法和标准置信传播算法。将均匀重加权方法提高性能的特点与置信传播的特性相结合,推导出均匀重加权迭代译码算法,讨论了边出现概率对算法性能的影响。分别在高斯白噪声信道和不同调制方式下进行仿真实验。结果表明,提出的均匀重加权迭代译码算法性能均优于标准置信传播和差分映射置信传播等迭代译码算法。