[發(fā)明專利]一種低密度奇偶校驗碼的錯誤概率估計方法

有效

• 申請?zhí)枺?/td>: 201310012571.2
• 申請日: 2013-01-14
• 公開（公告）號: CN103117750A
• 公開（公告）日: 2013-05-22
• 發(fā)明（設(shè)計）人: 陳為剛;柳元;楊晉生
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: H03M13/11
• 分類號: H03M13/11
• 代理公司: 天津市北洋有限責任專利代理事務(wù)所 12201
• 代理人: 溫國林

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字通信差錯控制編碼領(lǐng)域，尤其涉及一種低密度奇偶校驗碼的錯誤概率估計方法。

背景技術(shù)

信道編碼是實現(xiàn)消息的可靠傳輸?shù)挠行緩健Ｔ跀?shù)字通信系統(tǒng)中，衡量糾錯碼性能的指標是比特或碼字的錯誤概率，比特或碼字的錯誤概率反映了系統(tǒng)的可靠性。目前，獲取編碼通信系統(tǒng)錯誤概率的方法有三大類：解析法，計算機仿真方法及基于硬件平臺的仿真方法。低密度奇偶校驗（Low-Density?Parity-Check，LDPC）碼是一種性能接近香農(nóng)極限的好碼，其在高信噪比下的錯誤概率很低。針對碼長為有限長的LDPC碼的性能估計，現(xiàn)有的解析法應(yīng)用起來非常困難，并且基于硬件平臺的仿真方法的開發(fā)周期長、成本高、可移植性差，因此簡單、可移植性強、靈活性高的仿真方法的應(yīng)用獲得了極大推廣。

目前，蒙特卡羅（Monte?Carlo，MC）法是糾錯碼性能估計中最常用的仿真方法。但是，LDPC碼在高信噪比下的錯誤概率很低，運用MC法估計該類碼的性能時，估計器方差的收斂速度緩慢，需要耗費大量的仿真時間。

針對該問題，為減小仿真時間，提出了重點采樣（Importance?Sampling，IS）法，該方法是一種能降低估計器方差的仿真方法，一定程度上解決了MC法在估計低錯誤概率時遇到的問題，已在LDPC碼的性能仿真中獲得了廣泛應(yīng)用，縮短了仿真時間。這種方法的思想在于選取一個合適的偏置分布，使導(dǎo)致譯碼錯誤的樣本數(shù)在仿真總樣本數(shù)中所占的比例升高，從而降低錯誤概率估計器的方差，縮短仿真時間。最早應(yīng)用于LDPC碼性能仿真中的IS法是經(jīng)典IS法，在該方法中，偏置分布的獲取依賴于分析碼字結(jié)構(gòu)及錯誤區(qū)域特性，當碼字結(jié)構(gòu)是非規(guī)則結(jié)構(gòu)，且仿真中采用迭代譯碼時，上述分析變得十分困難，使得經(jīng)典的IS法不能估計非規(guī)則結(jié)構(gòu)的LDPC碼的性能。

自適應(yīng)重點采樣（Adaptive?Importance?Sampling，AIS）方法是上述經(jīng)典IS方法的改進方法，它無需分析LDPC碼的碼字結(jié)構(gòu)，也不依賴具體的譯碼算法，能夠在有限次的迭代過程中自適應(yīng)地獲得趨近于最優(yōu)的偏置分布，因而能靈活應(yīng)用于各種類型的LDPC碼中。雙自適應(yīng)重點采樣（Dual?Adaptive?Importance?Sampling，DAIS）法和快速平坦直方圖（Fast?Flat?Histogram）法是AIS法在糾錯碼性能估計領(lǐng)域中的發(fā)展和應(yīng)用。該類方法利用一個預(yù)先定義的變量來控制偏置分布的更新，使偏置分布逐漸趨近于最優(yōu)，從而獲得系統(tǒng)的錯誤概率。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下缺點和不足：

AIS方法和DAIS方法在高信噪比下仍需要較大的仿真譯碼運算量，在運行低錯誤概率的仿真時需要較長的仿真時間。

發(fā)明內(nèi)容

本發(fā)明提供了一種低密度奇偶校驗碼的錯誤概率估計方法，減少了仿真譯碼運算量，縮短了仿真時間。

本發(fā)明的特征是基于不同信噪比下屬于同一個控制變量子區(qū)間內(nèi)的條件錯誤概率相等這一現(xiàn)象，利用參考信噪比下的條件錯誤概率值計算輸入信噪比下的聯(lián)合概率值，進一步估計低密度奇偶校驗碼的錯誤概率。其中，控制變量是信道噪聲各個分量的函數(shù)。

一種低密度奇偶校驗碼的錯誤概率估計方法，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)定義控制變量V(z)，將V的取值范圍劃分為若干個子區(qū)間；估計SNR_ref下噪聲z落入V的第k個子區(qū)間的概率P_k，ref，第k個子區(qū)間內(nèi)噪聲導(dǎo)致譯碼錯誤的條件概率P_err|k，ref，以及在導(dǎo)致譯碼錯誤的所有噪聲中，落入V的第k個子區(qū)間的噪聲占總數(shù)的條件概率P_k|err，ref，并確定可信區(qū)間；

(3)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SNR_obj≤SNR_ref，采用蒙特卡羅法估計系統(tǒng)的錯誤概率，流程結(jié)束；當SNR_obj>SNR_ref，執(zhí)行步驟(4)；

(4)估計SNR_obj下噪聲落入V的第k個子區(qū)間的概率P_k，obj；