本發(fā)明涉及譯碼方法，尤其涉及一種nb-ldpc編碼的圖合并檢測譯碼方法。

背景技術(shù)：

面對5g通信對于傳輸各方面要求的提高，大規(guī)模多輸入多輸出(multipleinputmultipleoutput,mimo)技術(shù)，成為提高其頻譜利用率和傳輸速率以及降低誤碼率的關(guān)鍵技術(shù)。另一方面，nb-ldpc可以達(dá)到比ldpc更好的差錯性能，并且在突發(fā)性比特錯，碼長有限，高階調(diào)制的情景下有著很好效果。

nb-ldpcmimo系統(tǒng)中發(fā)送端發(fā)送的比特信息先經(jīng)過nb-ldpc編碼，然后再通過調(diào)制與多天線發(fā)送，接收端譯碼后得到對發(fā)送端比特信息的估計。傳統(tǒng)的分離檢測譯碼(separateddetectionanddecoding，sdd)，對接收信號首先做mimo檢測，然后將檢測得到的軟信息送給譯碼器進(jìn)行譯碼得到譯碼結(jié)果。本發(fā)明提出的分層圖合并檢測譯碼算法(graph-mergeddetectionanddecoding)可以使得nb-ldpcmimo系統(tǒng)的可靠性進(jìn)一步提升，從而降低誤碼率。

技術(shù)實現(xiàn)要素：

發(fā)明目的：為了滿足一些對誤碼率有更高要求的場合，本發(fā)明提出了基于nb-ldpc編碼的mimo的分層圖合并分層檢測譯碼方法，通過將mimo檢測和nb-ldpc碼譯碼的因子圖合并，從而使得兩張圖內(nèi)的概率信息可以相互傳遞，這樣可以使得誤碼率降低，并且提高收斂速度。

技術(shù)方案：本發(fā)明所述的nb-ldpc編碼的圖合并檢測譯碼方法包括：

(1)初始化變量節(jié)點發(fā)送至觀察節(jié)點的信息βj,i＝0，g＝1；

(2)mimo檢測因子圖中的觀察節(jié)點根據(jù)接收到的來自信道的信息，計算符號概率信息，并傳遞給第g層變量節(jié)點；

(3)第g層變量節(jié)點根據(jù)符號概率信息對內(nèi)部固有信息進(jìn)行更新，并將更新后固有信息賦值為變量節(jié)點給校驗節(jié)點的信息進(jìn)行傳遞；

(4)校驗節(jié)點對接收的信息進(jìn)行計算后賦值為校驗節(jié)點給變量節(jié)點的信息，傳回給第t層變量節(jié)點，t≠g；

(5)第t層變量節(jié)點根據(jù)接收的信息內(nèi)部固有信息進(jìn)行更新，并根據(jù)更新后固有信息計算變量節(jié)點給觀察節(jié)點的信息，進(jìn)行傳遞；

(6)g＝g+1，并返回至步驟(2)，直至所有層被更新；

(7)返回步驟(1)進(jìn)行下一次迭代，直至達(dá)到預(yù)設(shè)迭代次數(shù)；

(8)對變量節(jié)點的內(nèi)部固有信息進(jìn)行硬判決，得到譯碼后的序列。

進(jìn)一步的，所述步驟(2)中的符號概率信息計算公式為：

式中，表示在第g層中第i個觀察節(jié)點傳給第j個變量節(jié)點的符號是cm的對數(shù)似然比，hij是信道矩陣h的第i行第j個元素，uij和分別是內(nèi)部加性噪聲zij的均值和方差，c*是符號集c＝[c0,c2,…cn-1]中的第*個。

進(jìn)一步的，所述步驟(3)中更新后的內(nèi)部固有信息計算公式為：

式中，表示在第g層中第j個變量節(jié)點所代表的符號是cm的對數(shù)似然比，作為內(nèi)部固有信息，表示在第g層中第i個觀察節(jié)點傳給第j個變量節(jié)點的符號是cm的對數(shù)似然比，nr表示接收天線數(shù)目。

進(jìn)一步的，所述步驟(3)中所述變量節(jié)點給校驗節(jié)點的信息具體為：

式中，表示第g層中第j個變量節(jié)點傳遞給第k個cn的關(guān)于符號qm的信息，qm是伽羅華域符號，與調(diào)制后的cm對應(yīng)。

進(jìn)一步的，所述步驟(4)中所述校驗節(jié)點給變量節(jié)點的信息具體為：

式中，表示在第g層中第k個校驗節(jié)點傳遞給第t層第j個變量節(jié)點的關(guān)于符號qm的信息，conf(nr,nc)表示一組最可能路徑的集合，每條路徑由dr個實數(shù)組成，每個實數(shù)來自與第k個校驗節(jié)點相連的dr個變量節(jié)點的nr個最可能符號的對數(shù)似然比的一個，其中，最可能路徑是這些路徑中各個元素和最小的路徑，conf(nr,nc)中的路徑是由包括最可能路徑以及從至多nc個位置替換對數(shù)似然比所得的路徑,θn表示其條路徑，θn(t)表示路徑中與第k個校驗節(jié)點相連的第j個變量節(jié)點路徑中貢獻(xiàn)的符號，dr表示與校驗節(jié)點相連的變量節(jié)點的個數(shù)。

進(jìn)一步的，所述步驟(5)中所述校驗節(jié)點給變量節(jié)點的信息具體為：

式中，dc表示與第j個變量節(jié)點相連的校驗節(jié)點的個數(shù)。

進(jìn)一步的，所述步驟(5)中所述變量節(jié)點給觀察節(jié)點的信息具體為：

式中，表示變量節(jié)點發(fā)送至觀察節(jié)點的信息。

有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點是：本發(fā)明首次將大規(guī)模mimo檢測(置信傳播(bp)檢測)與極nb-ldpc譯碼(bp譯碼)結(jié)合起來。在本發(fā)明中，mimo檢測和nb-ldpc譯碼的因子圖被合并起來，使得檢測和譯碼之間的信息可以相互傳遞。傳統(tǒng)方案中，從信道接收到的信息首先進(jìn)行mimo檢測。bp檢測時，發(fā)送符號的概率信息在因子圖中的觀察節(jié)點和變量節(jié)點之間傳遞，不斷迭代與更新，給出最終的概率信息傳給后面的nb-ldpc碼譯碼器。不同于以前的分離檢測譯碼，本發(fā)明允許極化碼譯碼得到軟信息通過網(wǎng)絡(luò)傳回mimo檢測器，軟信息更新后再傳回。即信息可以在網(wǎng)絡(luò)中前后兩方向流動，而sdd只允許信息從檢測器流向譯碼器。并且本發(fā)明采用了分層譯碼的算法，可以減小硬件消耗。本發(fā)明可以適用于現(xiàn)行5g的nb-ldpc的增強(qiáng)移動寬帶場景，可以進(jìn)一步提高nb-ldpcmimo系統(tǒng)的可靠性。

附圖說明

圖1是信道模型圖；

圖2是各種算法的性能比較圖；

圖3是各種算法消耗的周期個數(shù)圖。

圖4為整體的硬件架構(gòu)示意圖

具體實施方式

下面結(jié)合具體實施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價形式的修改均落于本申請所附權(quán)利要求所限定的范圍。

1、信道模型

在nb-ldpc編碼的mimo系統(tǒng)中(如圖1)，準(zhǔn)備傳輸?shù)囊淮忍厥紫缺籲b-ldpc編碼。不妨設(shè)該碼碼長為n，信息位長度為k，

x＝ug

其中x是n×1的編碼后的序列，u是k×1的信息符號(伽羅華域(gf))，g是n×k的生成矩陣。x經(jīng)過mimo發(fā)射端調(diào)制映射后編程符號序列s通過mimo天線陣列傳輸，mimo規(guī)格為nt發(fā)nr收，w-qam調(diào)制。

上式中接收向量是nr×1的復(fù)向量，是nr×nt的信道矩陣，是nt×1的發(fā)送向量，是nr×1的信道噪聲服從n～(0，σ2)分布。經(jīng)過實數(shù)分解后，該模型變?yōu)?/p>

y＝hs+w

式中接收向量y是2nr×1的復(fù)向量，h是2nr×2nt的信道矩陣，是2nt×1的發(fā)送向量，w是2nr×1的信道噪聲服從n～(0，σ2)分布。整個過程就是發(fā)送端發(fā)出u，接收端就接收到y(tǒng)，并通過y解u的過程。

2、nb-ldpc編碼的圖合并檢測譯碼方法

本譯碼方法將mimo檢測和nb-ldpc譯碼的因子圖合并起來，使得檢測和譯碼之間的概率信息可以相互傳遞，在聯(lián)合檢測譯碼的一輪迭代中，mimo檢測因子圖中的觀察節(jié)點obn首先更新傳遞給第g層vn的符號概率信息；第g層變量節(jié)點vn收到來自obn的信息更新后，將其傳給校驗節(jié)點cn進(jìn)行更新，cn更新后將其返還給第g層vn，第g層vn將信息再傳給obn，然后進(jìn)行下一層更新，所有層更新完一次后，進(jìn)行下一次迭代。

具體方法流程為：

(1)初始化變量節(jié)點發(fā)送至觀察節(jié)點的信息βj,i＝0，g＝1；

(2)mimo檢測因子圖中的觀察節(jié)點根據(jù)接收到的來自信道的信息，計算符號概率信息，并傳遞給第g層變量節(jié)點。

其中，符號概率信息計算公式為：

式中，表示在第g層中第i個觀察節(jié)點傳給第j個變量節(jié)點的符號是cm的對數(shù)似然比，hij是信道矩陣h的第i行第j個元素，uij和分別是內(nèi)部加性噪聲zij的均值和方差，c*是符號集c＝[c0,c2,…cn-1]中的第*個。

(3)第g層變量節(jié)點根據(jù)符號概率信息對內(nèi)部固有信息進(jìn)行更新，并將更新后固有信息賦值為變量節(jié)點給校驗節(jié)點的信息進(jìn)行傳遞。

其中，更新后的內(nèi)部固有信息計算公式為：

式中，表示在第g層中第j個變量節(jié)點所代表的符號是cm的對數(shù)似然比，作為內(nèi)部固有信息，表示在第g層中第i個觀察節(jié)點傳給第j個變量節(jié)點的符號是cm的對數(shù)似然比，nr表示接收天線數(shù)目。

其中，變量節(jié)點給校驗節(jié)點的信息具體為：

式中，表示第g層中第j個變量節(jié)點傳遞給第k個cn的關(guān)于符號qm的信息，qm是伽羅華域符號，與調(diào)制后的cm對應(yīng)。

(4)校驗節(jié)點對接收的信息進(jìn)行計算后賦值為校驗節(jié)點給變量節(jié)點的信息，傳回給第t層變量節(jié)點，t≠g。

其中，校驗節(jié)點給變量節(jié)點的信息具體為：

式中，表示在第g層中第k個校驗節(jié)點傳遞給第t層第j個變量節(jié)點的關(guān)于符號qm的信息，conf(nr,nc)表示一組最可能路徑的集合，每條路徑由dr個實數(shù)組成，每個實數(shù)來自與第k個校驗節(jié)點相連的dr個變量節(jié)點的nr個最可能符號的對數(shù)似然比的一個，其中，最可能路徑是這些路徑中各個元素和最小的路徑，conf(nr,nc)中的路徑是由包括最可能路徑以及從至多nc個位置替換對數(shù)似然比所得的路徑,θn表示其條路徑，θn(t)表示路徑中與第k個校驗節(jié)點相連的第j個變量節(jié)點路徑中貢獻(xiàn)的符號，dr表示與校驗節(jié)點相連的變量節(jié)點的個數(shù)。

(5)第t層變量節(jié)點根據(jù)接收的信息內(nèi)部固有信息進(jìn)行更新，并根據(jù)更新后固有信息計算變量節(jié)點給觀察節(jié)點的信息，進(jìn)行傳遞。

其中，校驗節(jié)點給變量節(jié)點的信息具體為：

式中，dc表示與第j個變量節(jié)點相連的校驗節(jié)點的個數(shù)。

變量節(jié)點給觀察節(jié)點的信息具體為：

式中，表示變量節(jié)點發(fā)送至觀察節(jié)點的信息。

(6)g＝g+1，并返回至步驟(2)，直至所有層被更新。

(7)返回步驟(1)進(jìn)行下一次迭代，直至達(dá)到預(yù)設(shè)迭代次數(shù)。

(8)對變量節(jié)點的內(nèi)部固有信息進(jìn)行硬判決，得到譯碼后的序列。

圖2為各種方式下誤碼率的比較結(jié)果圖，從如圖2可以看出，本發(fā)明可以在不增加復(fù)雜度情況下提高差錯性能，在比特誤率10-3時，差錯性能比分離檢測譯碼時提高了7db

圖3展示了，處于相同信噪比時，本發(fā)明的提出的算法可以節(jié)約很多迭代周期。

圖4提出了整個基于非二進(jìn)制ldpc編碼的大規(guī)模mimo的圖合并的分層檢測譯碼算法的整體硬件架構(gòu)。架構(gòu)包括obn，vna部分，vnb部分，和cn。當(dāng)obn接收到來自信道的信息時，首先初始化obn給vn信息，并傳給第1層的vn，然后這些vn更新后將信息傳給cn經(jīng)過更新后，再傳回第1層vn。第一層vn將信息傳給obn，然后第2層更新開始。mux是是數(shù)據(jù)選擇器，用來將信息傳給對應(yīng)的vn。所有層更新一次后，進(jìn)行下一個周期的迭代。

以上所揭露的僅為本發(fā)明一種較佳實施例而已，不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。