[發明專利]一種基于消除基本陷阱集的LDPC碼構造方法

在審

• 申請號: 201710818890.0
• 申請日: 2017-09-12
• 公開（公告）號: CN107689802A
• 公開（公告）日: 2018-02-13
• 發明（設計）人: 袁建國;鄭德猛;汪哲;曾晶;孫樂樂
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H03M13/11
• 分類號: H03M13/11
• 代理公司: 北京同恒源知識產權代理有限公司11275
• 代理人: 趙榮之

技術領域

本發明屬于信道處理中的信道編碼領域，涉及一種基于消除基本陷阱集的LDPC碼構造方法。

背景技術

近年來，LDPC碼的優越性得到國內外科研工作者關注，并且已成為現代通信系統不可或缺的部分，人們對通信系統誤碼率性能指標的要求越來越嚴苛，因此LDPC碼在高信噪比區域譯碼存在錯誤平層(Error Floor)的瓶頸問題急需解決。

錯誤平層是指在一定的高信噪比區域LDPC碼誤碼率性能曲線突然從降水曲線開始變為平緩曲線的現象。其出現的根本原因是低重量的碼字和相近碼字的存在，因此即使采用糾錯性能優越的置信傳播譯碼算法，譯碼迭代次數和信噪比都足夠大，仍然不能對錯誤比特信息進行有效校正。針對這一突出問題，如何對錯誤平層區域的糾錯性能進行估計以及設計具有低錯誤平層的LDPC碼型成為當前研究的熱點。

在置信傳播迭代譯碼過程中，LDPC碼的糾錯性能與校驗矩陣的構造有著密切關系，校驗矩陣中存在的一些拓撲結構影響迭代譯碼的可靠性，而且這些結構也會根據信道的不同有所區分，在二進制刪除信道(Binary Erasure Channel,BEC)下，影響錯誤平層區域糾錯性能的結構是對應Tanner圖中的停止集(Stopping Sets)。在二進制對稱信道(Binary Symmetric Channel,BSC)和加性高斯白噪聲信道(Additive White Gaussian Noise,AWGN)下，影響錯誤平層區域糾錯性能的結構是對應Tanner圖中的陷阱集(Trapping Sets)。另外，學者還證明了在AWGN信道下，校驗矩陣中的吸收集(Absorbing Sets)也是決定錯誤平層的主要因素，大量實例表明主導吸收集的表現形式其實就是對陷阱集定義的進一步約束。根據陷阱集的定義，其在校驗矩陣中存在的結構不固定，因此找出所有陷阱集的集合非常困難，且隨著碼長的增加，這幾乎是不可實現的。當前，對于降低LDPC碼錯誤平層的研究主要有兩個方向，分別為碼型的構造和迭代譯碼。

LDPC碼的構造方法分為結構化構造和隨機化構造兩大類，而降低錯誤平層的方法也會因為不同類型的構造而有所區分，為了達到降低錯誤平層的目的，許多改進的構造算法被提出，它們都是以減少小停止集或小陷阱集為根本。

本發明是一種基于消除基本陷阱集的LDPC碼構造方法。在PEG構造碼型算法的基礎上，加入基本陷阱集搜索，在構造校驗矩陣的過程中對變量節點和校驗節點相連的邊進一步優化，盡可能避免小基本陷阱集的出現，從而降低LDPC碼的錯誤平層。為了進一步降低錯誤平層和避免基本陷阱集搜索算法中閾值選取的難題，在以上的基礎上，將提升環的連通性的方法與之相結合，盡可能消除低重量的相近碼字，從而構造出具有優異糾錯性能的LDPC碼型。因此對其進行了仿真，仿真結果表明，本發明所提出的方法可有效改善在高信噪比區域的錯誤平層。

發明內容

有鑒于此，本發明的目的在于提供一種基于消除基本陷阱集的LDPC碼構造方法。在PEG算法的基礎上，加入基本陷阱集搜索，在構造校驗矩陣的過程中對變量節點和校驗節點相連的邊進一步優化，盡可能避免小基本陷阱集的出現，從而降低LDPC碼的錯誤平層。為了進一步降低錯誤平層和避免基本陷阱集搜索算法中閾值選取的難題，在以上的基礎上，將提升環的連通性的方法與之相結合，盡可能消除低重量的相近碼字，從而構造出具有優異糾錯性能的LDPC碼型，改善在高信噪比區域的錯誤平層。

為達到上述目的，本發明提供如下技術方案：

一種基于消除基本陷阱集的LDPC碼構造方案，包括：

首先，在PEG構造碼型算法的基礎上，加入基本陷阱集搜索算法。

其次，對二者算法的結合進行仿真分析。

進一步，在以上的基礎上，將環的EMD值檢測方法與之相結合，找出滿足PEG條件的校驗節點分別與當前變量節點相連；利用環長搜索算法找出所有包含當前變量節點且環長小于2l的環(l為待搜索環長)；對所有小于2l的環進行EMD值檢測，如果滿足EMD約束條件，則執行基本陷阱集搜索，選取最優校驗節點，否則刪除當前節點并返回。然后，對下一個滿足PEG條件的校驗節點進行判斷，如果所有校驗節點都不滿足EMD約束條件，則按原始PEG原始算法選取。

最后，在仿真環境下，將本發明所提出的碼型構造方法與其他碼型構造方法進行仿真分析。

本發明的有益效果在于：