脉冲信道下基于深度学习的BP译码方法

在脉冲信道下,针对置信传播(belief propagation, BP)算法对短码长的低密度奇偶校验(low-density parity-check, LDPC)码译码性能差的问题,提出了一种基于深度学习的BP译码方法。首先,根据Tanner图构建两种深度神经网络模型,通过对Tanner图中边的权重重新赋值来提升译码性能。然后,简化信道对数似然比(log-likelihood ratio, LLR)的计算方法,通过模型训练优化近似计算参数,得到对参数γ鲁棒的译码模型。最后,构造鲁棒训练集,训练得到对参数α和γ鲁棒的译码模型。仿真结果表明,在高码率时,该方法相对于传统BP译码算法性能显著提升,且在近似计算信道LLR值时,译码性能在不同参数的脉冲信道下均具有鲁棒性。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。     

一种LDPC码的联合译码算法

在加性高斯白噪声(additive white Gaussian noise, AWGN)信道中设计一种低密度奇偶校验(low-density parity-check, LDPC)码的最大似然译码算法是一项具有挑战性的工作。麦克斯韦译码算法在二进制擦除信道下具有优越的性能,但把这种算法移植到其他信道却非常困难。引入了信道转换的思想实现两个不同信道之间的转换,并利用该方法成功地将麦克斯韦算法应用到AWGN信道中,提出了一种将信度传播算法和麦克斯韦算法有机结合的联合译码算法,即信度传播麦克斯韦译码算法,该算法可缩小与最大似然译码算法之间的性能差距。仿真表明,该译码算法可打破大多数小陷阱集从而获得比信度传播译码算法更低的误帧率,并且可消除大多数信度传播译码后出现的小错误。     

信噪比失配对LDPC码BP译码收敛性的影响

针对信噪比失配下置信传播译码的收敛性问题,提出了一种收敛性分析方法。该方法利用改进的高斯近似理论计算译码消息的均值和方差,获得外信息,进而跟踪译码的收敛过程。可分析不同码型、信道状况、失配程度下的译码收敛性,并给出了具体步骤和例子,分析结果可为自适应地确定译码器的估计精度标准提供参考。最后给出了一种灵活的信噪比估计算法,仿真验证了算法的有效性。     

LDPC码混合加权比特翻转译码算法

为了减少比特翻转算法中环路振荡引起的误码,提出了一种低密度奇偶校验（low-density parity-check, LDPC)码并行混合加权比特翻转译码算法。该算法采用多比特翻转方式,当出现环路振荡时,加入一随机扰动改变目标函数来减少由于环路振荡引起的误码,同时从数学角度分析了其误码产生的原因。仿真表明,与原有的比特翻转算法相比,该算法以较低的复杂度获取了误码率性能的改善和收敛特性的提高。     

基于EXIT图分析的PCGC译码器最优设计

PCGC(Parallel Concatenated Gallager Code,并行级联Gallager码)是一种将LDPC(Low Density Parity Check,低密度奇偶校验)码与并行级联编码相结合的信道编码。传统的PCGC译码器参数通过仿真获得,有可能导致不必要的译码迭代。通过分析PCGC码的边信息转移图,以获得PCGC码子译码器的最优参数。仿真结果表明,通过EXIT(Extrinsic Information Transfer,边信息转移)图分析获得的译码器最优参数设置可以在不影响误码率性能的基础上,有效地节省译码器运算量。     

基于偏移最小和的LDPC译码改进算法

针对目前低密度奇偶校验(low-density parity-check, LDPC)码偏移最小和(offset min-sum, OMS)算法偏移因子选取不够准确的问题, 提出了一种基于次序统计量的OMS(order statistics OMS, OR-OMS)算法。该算法使用两个不同的偏移因子对校验节点更新结果进行修正, 一个偏移因子用于修正第一最小值结果, 另一个偏移因子用于修正第二最小值结果。利用次序统计量进行理论分析, 得出最优的两个偏移因子值。所提算法使用分层调度的消息传递方式, 加快算法的收敛速度。仿真结果表明, 该算法与传统的OMS算法相比, 在误比特率(bite error rate, BER)为10^-5时所提算法译码性能可以获得约0.35 dB的增益, 平均迭代次数最多能够降低34.28%, 同时拥有更好的收敛性能。     

多址访问中继信道下多边LDPC码

为逼近解码前传半双工多址访问中继信道容量,提出一种多边低密度奇偶校验(low density parity check, LDPC)码校验点联合编码（parity jointly coded multi-edge type LDPC codes, PJCMET-LDPC）结构及其度分布优化方法。该结构视中继校验比特为PJCME-TLDPC码的一部分,目的端利用从信源和中继接收的消息联合译码获得所有信源信息。为了分析该编码算法的渐进性能,推导了基于消息错误概率的多边外信息转移图噪声门限分析方法。在此基础上,提出PJCMET LDPC码度分布优化方法。实验仿真表明,与SCC LDPC码和NCC -LDPC码相比,PJCMET-LDPC码可以获得更大的编码增益。     

快时变信道下基于深度学习的OFDM系统信道估计

针对快时变信道的非平稳特性会造成信道估计性能变差的问题,在基扩展模型下提出了一种基于深度学习的信道估计算法,并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先,根据快时变信道矩阵的局部相关特性,构建时频特征提取网络,利用卷积结构提取快时变信道在时域和频域的相关特征,并嵌入到下一级网络中进行特征的融合。其次,利用门控循环网络捕捉信道在不同符号处的变化相关性,在快时变信道环境下实现更准确的信道估计。仿真结果表明,与其他快时变环境下的信道估计算法相比,算法的估计性能提升明显;同时,网络的轻量化结构使算法的复杂度最低下降20%。     

Weighted symbol-flipping decoding algorithm for nonbinary LDPC codes with flipping patterns

A novel low-complexity weighted symbol-flipping algorithm with flipping patterns to decode nonbinary low-density parity-check codes is proposed.The proposed decoding procedure updates the hard-decision received symbol vector iteratively in search of a valid codeword in the symbol vector space.Only one symbol is flipped in each iteration,and symbol flipping function,which is employed as the symbol flipping metric,combines the number of failed checks and the reliabilities of the received bits and calculated symbols.A scheme to avoid infinite loops and select one symbol to flip in high order Galois field search is also proposed.The design of flipping pattern’s order and depth,which is dependent of the computational requirement and error performance,is also proposed and exemplified.Simulation results show that the algorithm achieves an appealing tradeoff between performance and computational requirement over relatively low Galois field for short to medium code length.     

广义交叉乘积累加码

为设计具有线性编、译码复杂度及逼近香农限性能的信道编码结构,在并行级联的单奇偶校验码之间引入交叉结构以构成外码,以累加器为内码,提出了一种新的串行级联编码--广义交叉乘积累加码。以外信息转移图为工具对广义交叉乘积累加码进行设计,并给出一个广义交叉乘积累加码的设计示例。分析及仿真结果表明,该示例具有线性编、译码复杂度,其收敛门限距香农限仅有约0.32 dB的距离。     

LDPC码偏移修正加权比特翻转译码算法

大量仿真表明,基于幅度和的改进型加权比特翻转(modified sum of the magnitude based weighted bit flipping, MSMWBF)译码算法对于行重/列重较小的低密度奇偶校验(low density parity check, LDPC)码而言,展现出巨大的性能优势,但对于行重/列重较大的基于有限域几何(finite geometry, FG)的LDPC码,性能损失严重。首先对此现象进行理论分析。其次,引入附加的偏移项对MSMWBF算法的校验方程可靠度信息进行修正,提高了算法对行重/列重较大的LDPC码的译码性能。仿真结果表明,在加性高斯白噪声信道下,误比特率为10E-5时,相比于MSMWBF算法,在适度增加实现复杂度的条件下,所提算法可获得约0.63 dB的增益。     

基于错误特征的MLC闪存最小和译码算法

由于多级单元(multi level cell,MLC)闪存存储信道中随机电报噪声(random telegraph noise,RTN)、〖JP〗数据保持噪声(data retention noise,DRN)和单元间干扰(cell-to-cell interference,CCI)严重影响了MLC闪存阈值电压,从而导致获取的对数似然比(log-likelihood ratio,LLR)不够准确而影响了软判决译码时MLC闪存的低密度校验(low-density parity-check codes,LDPC)码的性能。在深入分析MLC闪存错误特征的基础上,通过利用MLC阈值电压的熵函数计算相邻MLC阈值电压分布的重叠区域来确定存储比特的可靠度,设计了MLC存储比特LLR值的动态更新策略。从而,提出了RTN、DRN和CCI噪声模型下适用于MLC闪存的LDPC码改进的最小和译码算法。仿真结果表明,与传统的LDPC码最小和译码算法相比较,MLC闪存信道下所改进的MLC闪存的LDPC码最小和译码算法具有更好的译码性能与更少的平均迭代次数。     

QPSK调制下最大平均互信息量化在LDPC译码中的应用

对低密度奇偶校验(low-density parity-check, LDPC)码在四进制相移键控(quaternary phase shift keying, QPSK)调制下的译码算法进行了深入研究,分析和推导了最大平均互信息量化的具体方法。在QPSK调制下,通过此方法量化初始消息,最终使每次迭代的变量消息和校验消息都是整数,实现了基于整数运算的最小和译码算法。仿真结果表明,其性能与基于高精度浮点数的和积译码算法大约相差0.39 dB,同时该算法中所有变量都用固定长度的整数表示,便于硬件实现,在其译码性能比和积译码性能下降不大的情况下,大大缩短了译码时间。