基于等差数列与原模图的QC-LDPC码构造方法

针对准循环低密度奇偶校验 (quasi-cyclic low-density parity-check, QC-LDPC)码循环置换矩阵的移位次数确定问题,提出一种基于等差数列与原模图(arithmetic progression and protograph, APP)构造QC-LDPC码的新方法。该方法通过特殊等差算法得出等差数列,原模图结合该等差数列得到待扩展的基矩阵。该方法所构造的QC-LDPC码可灵活地选择码长和码率,而且其校验矩阵的围长至少为8。使用Matlab搭建了通信系统仿真模型,并在此模型基础上基于该构造方法构造的APP-QC-LDPC(4000,2000)码进行了模拟仿真。仿真结果表明,在相同条件下,当误比特率(bit error rate, BER)为10-6时,所构造码率为0.5的APP-QC-LDPC(4000,2000)码相对于基于渐进边增长(progressive edge growth, PEG)算法构造的PEG-QC-LDPC(4000,2000)码、基于等差数列(arithmetic progression, AP)算法构造的AP-QC-LDPC(4000,2000)、基于修饰(masking, M)技术所构造的M-QC-LDPC(4000,2000)码和基于最大公约数(greatest common divisor,GCD)算法所构造的GCD-QC-LDPC(4000,2000)码分别能改善约0.46,0.55,0.9和1.06 dB的净编码增益(net coding gain, NCG),具有较好的纠错性能。     

斐波那契-卢卡斯序列的Type-Ⅱ QC-LDPC码构造

针对Type-Ⅱ低密度奇偶校验(Type-Ⅱ QC-LDPC)码中存在着权重为2的循环矩阵而容易产生短环,从而影响译码收敛的问题,基于斐波那契-卢卡斯序列提出一种Type-Ⅱ斐波那契-卢卡斯准循环低密度奇偶校验(Type-Ⅱ F-L-QC-LDPC)码的构造方法.Type-Ⅱ F-L-QC-LDPC与Type-I QC-LDPC码相比不仅增大了码字间最小距离上限,同时还消除了环长为四的环,纠错性能优秀,译码收敛较快,所需存储元素少,计算复杂度低,硬件实现简单.仿真结果表明:当误码率(BER)为1×10~(-6)时,利用该构造方法所构造的码率为0.6的Type-Ⅱ F-L-QC-LDPC(3 650,2 192)码与利用完备循环差集数学思想构造的Type-Ⅱ CDS-QC-LDPC(3 650,2 192)码以及利用Sidon数列数学思想构造的Type-Ⅱ S-QC-LDPC(3 650,2 192)码相比,其净编码增益(NCG)分别提高了约0.21和0.1 d B.且在同样条件下,该方法构造的码率为0.5的码型与Type-Ⅱ CDS-QC-LDPC(3 652,1 826)码相比,NCG提高了约0.2 d B.     

基于Fibonacci-Lucas序列构造大围长QC-LDPC码的方法

基于斐波那契-卢卡斯序列并结合三角旋转法提出一种围长至少为8的斐波那契-卢卡斯准循环低密度奇偶校验(fibonacci-lucas quasi-cyclic low-density parity-check, F-L-QC-LDPC)码的构造方法。该方法所构造的F-L-QC-LDPC码不存在四环和六环,计算复杂度低,硬件实现简单且节省硬件存储空间,具有优秀的纠错性能。仿真结果表明,当误码率(bit error rate,BER)为10-6时,该方法所构造的码长为2 700且码率为0.5的码型,相较于基于Fibonacci数列并结合三角旋转法构造的同码长码率的QC-LDPC(2 700,1 352)码,净编码增益(net coding gain,NCG)提高了约1.0 dB,相较于基于卢卡斯数列大围长构造方法构造的QC-LDPC(2 700,1 353)码,NCG提高了约1.6 dB。且同样条件下,该方法构造的码长为2 580且码率为0.5的码型与基于等差数列构造的QC-LDPC(2 580,1 292)码相比,NCG提高了约1.0 dB。     

一种MA准则下改进的OFDM系统自适应比特功率分配算法

针对经典贪婪算法(greedy)迭代次数多、运算量大的缺点,提出一种基于边缘自适应(margin adaptive, MA)准则的改进贪婪算法来进行正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的自适应比特功率分配。与贪婪算法相比,改进算法通过预分配和迭代分配两部分来降低算法的计算量。在预分配中改进算法通过引入功率利用率函数,对信道条件好的子信道预先加载一部分比特。然后,在迭代分配的过程中,引用分类排序的思想,用一张表格存储子信道的功率变化情况,从而降低算法的复杂度。仿真结果表明,在相同的仿真环境下,改进算法和Greedy算法的误比特性能几乎一致,但改进算法的运行时间更短。