技術(shù)特征：

1.一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述方法包括以下步驟：

(1)利用蒙特卡羅仿真方法確定參考信噪比SNR_ref；

(2)輸入待仿真的信噪比SNR_obj，判斷輸入信噪比SNR_obj是否小于SNR_ref，當(dāng)SNR_obj≤SNR_ref時，采用蒙特卡羅法估計(jì)系統(tǒng)的錯誤概率，流程結(jié)束；當(dāng)SNR_obj>SNR_ref時，執(zhí)行步驟(3)；

(3)定義控制變量V，將V的范圍劃分為若干個子區(qū)間，確定可信區(qū)間；定義輔助函數(shù)，確定仿真預(yù)設(shè)區(qū)域Ω；

(4)估計(jì)在SNR_obj下噪聲落入V的第k個子區(qū)間且導(dǎo)致譯碼錯誤的概率P_{err，k，obj}；

(5)估計(jì)在SNR_obj下導(dǎo)致譯碼錯誤的所有噪聲中，落入V的第k個子區(qū)間的噪聲占總數(shù)的條件概率P_k|err,obj；

(6)計(jì)算在SNR_obj下的錯誤概率P_err,obj。

2.根據(jù)權(quán)利要求1所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述定義控制變量V，將V的范圍劃分為若干個子區(qū)間，確定可信區(qū)間；定義輔助函數(shù)，確定仿真預(yù)設(shè)區(qū)間Ω步驟具體為：

(3.1)控制變量其中n為LDPC碼的碼長，z_l是噪聲z的第l個分量，當(dāng)z_l與調(diào)制后的信號符號相反時，H(q_lz_l)＝1，當(dāng)z_l與調(diào)制后的信號符號相同時，H(q_lz_l)＝0；

(3.2)將V的取值范圍劃分為若干個子區(qū)間，SNR_ref下的劃分步驟具體為，

(3.2.1)將SNR_ref下的控制變量范圍[V_min,ref,V_max,ref]和子區(qū)間數(shù)目L_ref暫設(shè)定為[0,1]和1000，子區(qū)間的長度ΔV＝(V_max,ref-V_min,ref)/L_ref；

(3.2.2)運(yùn)行不包含譯碼的無約束仿真，獲得仿真樣本；

(3.2.3)當(dāng)仿真樣本數(shù)超過10⁷時，選取第一個噪聲數(shù)不為零的子區(qū)間k對應(yīng)的V值為V_min,ref，選取最后一個噪聲數(shù)不為零的子區(qū)間k對應(yīng)的V值為V_max,ref；

(3.2.4)將[V_min,ref,V_max,ref]劃分為L_ref＝L₀個子區(qū)間，L₀可根據(jù)不同的LDPC碼的參數(shù)設(shè)定，并計(jì)算ΔV₀＝(V_max,ref-V_min,ref)/L₀；

(3.3)確定可信區(qū)間具體為，

(3.3.1)采用包含譯碼的無約束仿真估計(jì)在SNR_ref下噪聲落入V的第k個子區(qū)間，且導(dǎo)致譯碼錯誤的聯(lián)合概率P_err,k,ref；采用約束仿真估計(jì)SNR_ref下在導(dǎo)致譯碼錯誤的所有噪聲中，落入V的第k個子區(qū)間的噪聲數(shù)占總數(shù)的條件概率P_k|err,ref；

(3.3.2)選取聯(lián)合概率P_err,k,ref不為零的一段連續(xù)區(qū)域；

(3.3.3)在P_err,k,ref不為零的連續(xù)區(qū)域內(nèi)，從最左端開始，選取子區(qū)間數(shù)為δ的區(qū)域并暫定為[V^*,V^**]；

(3.3.4)在子區(qū)間數(shù)為δ的區(qū)域內(nèi)計(jì)算錯誤概率P_err,ref＝P_err,k,ref/P_k|err,ref，與MC的仿真結(jié)果進(jìn)行對比，當(dāng)錯誤概率P_err,ref與MC的仿真結(jié)果之間的相對誤差小于等于10％時，得到可信區(qū)間[V^*,V^**]，當(dāng)相對誤差大于10％時，保持區(qū)域內(nèi)的子區(qū)間數(shù)為δ，增大區(qū)間左右端點(diǎn)的值，重復(fù)步驟(3.3.4)以修正可信區(qū)間[V^*,V^**]；

(3.4)輔助函數(shù)其中β>1，γ＝2；Ω為[k_min,L]。

3.根據(jù)權(quán)利要求2所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述估計(jì)在SNR_obj下噪聲落入V的第k個子區(qū)間且導(dǎo)致譯碼錯誤的概率P_err,k,obj具體為：

(4.1)初始化不包含譯碼的無約束仿真中的控制變量范圍[V_min,obj,V_max,obj]，子區(qū)間長度ΔV及子區(qū)間的數(shù)目L_obj，具體為，

(4.1.1)將SNR_obj下的控制變量范圍[V_min,obj,V_max,obj]和子區(qū)間數(shù)目L_obj暫設(shè)定為[0,V^**]和1000，子區(qū)間的長度ΔV＝(V_max,obj-V_min,obj)/L_obj；

(4.1.2)運(yùn)行不包含譯碼的無約束仿真，獲得仿真樣本；

(4.1.3)選取噪聲數(shù)不為零且序號k最小的子區(qū)間對應(yīng)的V值為V_min,obj，V_max,obj＝V^**；

(4.1.4)將[V_min,obj,V_max,obj]劃分為L_obj個子區(qū)間，L_obj＝(V_max,obj-V_min,obj)/ΔV₀；

(4.2)運(yùn)行包含譯碼的無約束仿真，估計(jì)P_err,k,obj。

4.根據(jù)權(quán)利要求2所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述估計(jì)在SNR_obj下導(dǎo)致譯碼錯誤的所有噪聲中，落入V的第k個子區(qū)間的噪聲數(shù)占總數(shù)的條件概率P_k|err,obj具體為：

(5.1)初始化約束仿真中的控制變量范圍[V′_min,obj,V′_max,obj]，子區(qū)間長度ΔV及子區(qū)間的數(shù)目L'_obj；具體為，

(5.1.1)將[V′_min,obj,V′_max,obj]暫設(shè)定為[0,V_max,obj]，即[0,V^**]，子區(qū)間長度ΔV＝ΔV₀，運(yùn)行包含譯碼的約束仿真，獲得仿真樣本；

(5.1.2)選取第一個噪聲數(shù)目不等于零的子區(qū)間對應(yīng)的V值為V′_min,obj，則控制變量范圍為[V′_min,obj,V^**]；

(5.1.3)計(jì)算L'_obj＝(V′_max,obj-V′_min,obj)/ΔV＝(V^**-V′_min,obj)/ΔV₀；

(5.2)運(yùn)行約束仿真，估計(jì)P_k|err,obj。

5.根據(jù)權(quán)利要求1所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述計(jì)算在SNR_obj下的錯誤概率P_err,obj具體為，

在可信區(qū)間內(nèi)計(jì)算平均值

6.根據(jù)權(quán)利要求3所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，步驟(3.2.2)、(4.1.2)中不包含譯碼的無約束仿真具體為，

1)設(shè)定噪聲個數(shù)i＝0，迭代次數(shù)j＝1，第一次迭代過程中需要的總噪聲數(shù)目為N₁，噪聲落入控制變量第k個子區(qū)間的概率其中1≤k≤L；

2)選取一個導(dǎo)致譯碼器出現(xiàn)判決錯誤的噪聲z₀，i增1；

3)采用Metropolis算法生成一個新的噪聲，i增1；

4)計(jì)算新的噪聲落入的控制變量子區(qū)間k，k內(nèi)的噪聲數(shù)增1；

5)若i<N₁，重復(fù)步驟3)～5)；否則，執(zhí)行步驟6)；

6)采用Berg遞歸公式計(jì)算

7)若輸出否則，i＝0，j增1，下一次迭代過程中的總樣本數(shù)等于本次迭代中總樣本數(shù)的1.3倍，重復(fù)步驟2)至7)，直至輸出

7.根據(jù)權(quán)利要求2所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，步驟(3.2)中包含譯碼的無約束仿真具體為，

1)設(shè)定噪聲個數(shù)i＝0，迭代次數(shù)j＝1，迭代過程中需要的總噪聲數(shù)目為N₁和N′₁，第一次迭代中Ω＝[k_min,L]；

2)選取一個導(dǎo)致譯碼器出現(xiàn)判決錯誤的噪聲z₀，i增1；

3)采用Metropolis算法生成一個新的噪聲，i增1；

4)計(jì)算新的噪聲落入控制變量的子區(qū)間號k，k內(nèi)的噪聲數(shù)增1；

5)將新的噪聲加在全零碼字上，送入LDPC譯碼器；若譯碼器輸出端的錯誤碼字?jǐn)?shù)為1，第k個子區(qū)間內(nèi)的錯誤幀數(shù)增1；若譯碼器輸出端的錯誤碼字?jǐn)?shù)為0，第k個子區(qū)間內(nèi)的錯誤幀數(shù)不變；

6)若i<N₁，重復(fù)步驟3)～6)直至不滿足判斷條件；否則，執(zhí)行步驟7)；

7)采用Berg遞歸公式計(jì)算

8)若計(jì)算Ω區(qū)域內(nèi)的概率和j增1，執(zhí)行步驟9)；否則，i＝0，j增1，重復(fù)步驟2)～8)，直至執(zhí)行步驟9)；

9)采用Metropolis算法從引入了輔助函數(shù)之后的偏置分布中抽取一個新的噪聲，i增1；計(jì)算新的噪聲落入的控制變量的區(qū)間號k，k內(nèi)的噪聲數(shù)增1；

10)將新的噪聲加在全零的LDPC碼字上，送入譯碼器進(jìn)行判決；若新的噪聲導(dǎo)致譯碼器出現(xiàn)判決錯誤，k內(nèi)的錯誤幀數(shù)增1；若未導(dǎo)致錯誤，k內(nèi)的錯誤幀數(shù)不變；

11)若i<N′₁，重復(fù)步驟9)～11)，直至判斷條件成立，執(zhí)行步驟12)；否則，執(zhí)行步驟12)；

12)采用Berg遞歸公式計(jì)算進(jìn)一步計(jì)算

13)若輸出并計(jì)算P_err|k；否則，i＝0，j增1，重復(fù)步驟9)～13)，直到Ω區(qū)域內(nèi)的P_k估計(jì)值收斂，輸出并計(jì)算P_err|k；

14)計(jì)算P_err,k＝P_kP_err|k。

8.根據(jù)權(quán)利要求4所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述的步驟(3.3.1)、(5.1)、(5.2)中約束仿真具體為，

1)設(shè)定噪聲個數(shù)i＝0，迭代次數(shù)j＝1，迭代過程中需要的總噪聲數(shù)目為N₂和N'₂，第一次迭代中Ω＝[k_min,L']；

2)選取一個導(dǎo)致譯碼器出現(xiàn)判決錯誤的噪聲z₀，i增1；

3)采用修改后的Metropolis算法生成一個新的噪聲，i增1；

4)計(jì)算新的噪聲落入控制變量的子區(qū)間號k，k內(nèi)的噪聲數(shù)增1；

5)若i<N₂，重復(fù)步驟3)～5)直至該判斷條件不成立；否則，執(zhí)行步驟6)；若判斷條件成立；

6)采用Berg遞歸公式計(jì)算

7)若計(jì)算Ω區(qū)域內(nèi)的概率和i＝0，j增1，執(zhí)行步驟8)；否則，i＝0，j增1，重復(fù)步驟2)～7)，直至滿足執(zhí)行步驟8)；

8)采用修改后的Metropolis算法從引入了輔助函數(shù)之后的偏置分布中抽取一個新的噪聲，i增1；計(jì)算新的噪聲落入的控制變量的區(qū)間號k，k內(nèi)的噪聲數(shù)增1；

9)若i<N'₂，重復(fù)步驟8)～9)，直至i＝N'₂，執(zhí)行步驟10)；否則，執(zhí)行步驟10)；

10)采用Berg遞歸公式計(jì)算進(jìn)一步計(jì)算

11)若輸出并計(jì)算P_k|err；否則，i＝0，j增1，重復(fù)步驟8)～11)，直到Ω區(qū)域內(nèi)的P_k|err估計(jì)值收斂，輸出并計(jì)算P_k|err。

9.根據(jù)權(quán)利要求8所述的一種快速收斂的估計(jì)LDPC碼錯誤概率的方法，其特征在于，所述的步驟3)修改后的Metropolis算法具體為：

1)提取噪聲個數(shù)i，迭代次數(shù)j，噪聲z^*,(i)，表示噪聲維數(shù)的l＝1；

2)令噪聲的第l維分量的下一個可能狀態(tài)其中，ε₂為最大步長因子，調(diào)整ε₂使得每一次迭代過程中被接受的狀態(tài)數(shù)目除以總的狀態(tài)數(shù)目接近0.234，Δz～N(0,σ²)；

3)產(chǎn)生兩個服從U(0,1)均勻分布的隨機(jī)數(shù)α₁與α₂，判斷

$\left\{\begin{array}{cc}{\mathrm{\&alpha;}}_1\&le;\min \&lsqb;1,{\mathrm{\&rho;}}_l\left(z_{b,l}^{*}\right)/{\mathrm{\&rho;}}_l\left(z_{a,l}^{*}\right)\&rsqb;,& z_l^{*,(i+1)}=z_{b,l}^{*}\\ {\mathrm{\&alpha;}}_1\&gt;\min \&lsqb;1,{\mathrm{\&rho;}}_l\left(z_{b,l}^{*}\right)/{\mathrm{\&rho;}}_l\left(z_{a,l}^{*}\right)\&rsqb;,& z_l^{*,(i+1)}=z_{a,l}^{*}\end{array}\right.;$

4)若l等于碼長n，得到下一個可能的狀態(tài)執(zhí)行步驟5)；否則，l增1，重復(fù)步驟2)～4)，直至滿足條件l＝n，執(zhí)行步驟5)；

5)計(jì)算與

6)判斷E表示能夠?qū)е伦g碼器出現(xiàn)判決錯誤的噪聲的集合；

7)輸出z^*,(i+1)。