基于软判决的LDPC码校验向量识别算法

发布时间：2021-08-11 18:38

　　针对现有LDPC码校验向量识别算法的容错性差和识别率低的问题,提出了一种LDPC码校验向量的迭代识别算法。该算法首先利用信道输出的软信息分析校验关系对数似然比的概率分布特性,找到一种校验向量的预判决方法,大幅度降低了构造校验向量的搜索空间;然后在软判决条件下,利用广义对数似然比对搜索空间中的向量进行判决,得到校验向量;最后,利用多组数据进行迭代,求解搜索空间中的校验向量。实验结果表明,与已有算法相比,本文算法的向量搜索空间大幅度降低,算法的识别率提高约15%,而且算法获得的译码增益提高约2.3 dB。 

【文章来源】：数据采集与处理. 2020,35(01)北大核心CSCD

【文章页数】：10 页

【部分图文】：

开集识别问题的基本通信模型

图2为校验向量迭代识别算法的结构框图，首先将接收数据切分为多个矩阵R,R由N个接收序列组成，进行参数初始化P=1,d=1,。在第d次迭代时，输入的接收矩阵记为Rd,为前d-1个软判决接收矩阵识别出的校验矩阵。然后对进入系统的Rd进行SISO译码，提高译码后矩阵的可靠性。然后，采用2.2节和2.3节的算法求出与相对应的校验矩阵Hd。最后结合新识别出的Hd，对之前识别出的参数,P,d进行更新。在中加入新识别出的校验向量Hd。如果，那么该迭代即为无更新的迭代，直到连续无更新迭代的次数达到TH时，终止迭代，然后输出;否则，令d=d+1,继续迭代。当p=P0时，接收序列与该重量向量之间没有校验关系，经过识别算处理后通常为空集。若在TH次迭代识别后，仍然是空集，则令p=p+1。

3.3 算法的识别率性能分析为分析本文算法的识别率性能，对本文算法与文献[5]算法识别率性能进行比较。针对IEEE 802.11n标准中3种不同的LDPC码，进行实验分析。图4给出了在相同条件下，本文算法与文献[5]算法的识别率随误码率的变化曲线，其中识别率是指正确识别的校验向量数目与真实的校验向量数目的比值。

【参考文献】：
期刊论文
[1]基于寻找小重量码字算法的LDPC码开集识别[J]. 于沛东,彭华,巩克现,陈泽亮.  通信学报. 2017(06)
[2]基于后验概率的低密度奇偶校验码逆向识别方法研究[J]. 刘婉月,包昕,王达,金野.  北京大学学报(自然科学版). 2016(03)
[3]LDPC码稀疏校验矩阵的重建方法[J]. 包昕,周磊砢,何可,游凌.  电子科技大学学报. 2016(02)
[4]可变码长LDPC码的GAU构造算法[J]. 朱宏鹏,程磊,张剑.  数据采集与处理. 2015(06)
[5]基于游程特征的线性分组码与卷积码类型识别[J]. 李歆昊,张旻,史英春,袁泉.  数据采集与处理. 2015(06)
[6]一种Turbo码随机交织器的迭代估计方法[J]. 刘骏,李静,于沛东.  通信学报. 2015(06)
[7]利用最大偏差比的LDPC码识别算法[J]. 刘海达,李静,彭华.  信号处理. 2014(08)
[8]基于关联规则的二进制线性分组码盲识别[J]. 张旻,李歆昊.  系统工程与电子技术. 2014(05)
[9]信道编码盲识别技术研究进展[J]. 解辉,黄知涛,王丰华.  电子学报. 2013(06)
[10]一种利用软判决的信道编码识别新算法[J]. 于沛东,李静,彭华.  电子学报. 2013(02)

硕士论文
[1]基于解调软判决的信道编码参数识别技术研究[D]. 刘海达.解放军信息工程大学 2014



本文编号：3336683