改进的非规则QC-LDPC译码算法和结构
发布时间：2021-01-21 01:37
为提升非规则准循环低密度奇偶校验码的译码性能和降低译码器实现难度,文章提出了一种基于度数归一化最小和（BD-NMS）算法和一种改进的译码结构。首先分析了最优归一化因子变化规律,得到其在不同度数下的分布特性,依据分布特性对度数分层,最后利用密度演化和加权向量得到各层归一化因子。文章所提译码结构中,校验节点以提升值为单位分组,每组以2的整数次幂为单位分子层,子层按顺序依次更新。仿真结果与复杂度分析表明,文章所提译码结构资源消耗和复杂度更低;BD-NMS算法拥有更为优异的译码性能和收敛速度,在误码率为10-6时译码性能比密度演化最小和（DE-MS）算法提升了0.19 dB左右,增加的复杂度只包括比较运算,易于硬件实现。
【文章来源】：光通信研究. 2020,(06)北大核心
【文章页数】：5 页
【部分图文】：
5G NR协议QC-LDPC码的
图3所示为变量节点后验信息更新结构,D0i0,…和D1i0,…信息值来自第i组校验节点处理单元;RAM0～RAMd的存储空间为L,RAMd存放第d·L～(d+1)L-1个变量节点的后验信息,存放地址与校验节点更新过程中APU输出值一致。在上述译码结构的基础上,扩大RAM数据端口的位宽能够进一步增加并行度,提升译码速度。为降低复杂度,位宽扩大倍数应等于2τ,τ=0,1,2,…,同时子层数、地址和RAM的大小缩小1/2τ,flag位宽扩大2τ倍。
图4所示为两种码率下各个算法的译码性能,由图可知,本文所提BD-NMS算法比其他算法拥有更好的译码性能。图4(a)使用的码字类型为(19 968,3 840),在BER为10-6量级时,BD-NMS算法的译码性能比DE-NMS算法提高了0.19 dB左右;图4(b)使用的码字类型为(4 032,960),在BER为10-6量级时,BD-NMS算法译码性能比DE-NMS算法大约提高了0.12 dB。图5所示为各个算法在不同信噪比下的平均迭代次数。仿真过程中,由于噪声随机性以及校验矩阵短圈特性的影响,同一信噪比下迭代次数存在波动现象,故其平均值为小数。由图可知,所提算法和结构下的译码收敛速率比其他算法更快,且在信噪比等于1.9 dB左右时迭代次数差值达到最大。
本文编号：2990188
【文章来源】：光通信研究. 2020,(06)北大核心
【文章页数】：5 页
【部分图文】：
5G NR协议QC-LDPC码的
图3所示为变量节点后验信息更新结构,D0i0,…和D1i0,…信息值来自第i组校验节点处理单元;RAM0～RAMd的存储空间为L,RAMd存放第d·L～(d+1)L-1个变量节点的后验信息,存放地址与校验节点更新过程中APU输出值一致。在上述译码结构的基础上,扩大RAM数据端口的位宽能够进一步增加并行度,提升译码速度。为降低复杂度,位宽扩大倍数应等于2τ,τ=0,1,2,…,同时子层数、地址和RAM的大小缩小1/2τ,flag位宽扩大2τ倍。
图4所示为两种码率下各个算法的译码性能,由图可知,本文所提BD-NMS算法比其他算法拥有更好的译码性能。图4(a)使用的码字类型为(19 968,3 840),在BER为10-6量级时,BD-NMS算法的译码性能比DE-NMS算法提高了0.19 dB左右;图4(b)使用的码字类型为(4 032,960),在BER为10-6量级时,BD-NMS算法译码性能比DE-NMS算法大约提高了0.12 dB。图5所示为各个算法在不同信噪比下的平均迭代次数。仿真过程中,由于噪声随机性以及校验矩阵短圈特性的影响,同一信噪比下迭代次数存在波动现象,故其平均值为小数。由图可知,所提算法和结构下的译码收敛速率比其他算法更快,且在信噪比等于1.9 dB左右时迭代次数差值达到最大。
本文编号：2990188
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2990188.html
