[發(fā)明專利]非正則LDPC碼字的優(yōu)化設(shè)計(jì)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201711341648.5
• 申請(qǐng)日: 2017-12-14
• 公開（公告）號(hào): CN107959550B
• 公開（公告）日: 2020-09-25
• 發(fā)明（設(shè)計(jì)）人: 張彧;李清玉;馬平;宋健
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué);國網(wǎng)浙江省電力有限公司;國家電網(wǎng)公司
• 主分類號(hào): H04L1/00
• 分類號(hào): H04L1/00;H03M13/11
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張潤

1.一種非正則LDPC碼字的優(yōu)化設(shè)計(jì)方法，其特征在于，包括以下步驟：

系統(tǒng)模型LDPC編碼后的序列與連續(xù)相位調(diào)制器之間采用全局交織器進(jìn)行建模，以得到非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型，并將校驗(yàn)節(jié)點(diǎn)的度分布擴(kuò)展為在所有的度的取值點(diǎn)均可取值，其中，所述系統(tǒng)模型LDPC編碼后的序列與連續(xù)相位調(diào)制器之間采用全局交織器進(jìn)行建模，以得到非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型，并將校驗(yàn)節(jié)點(diǎn)的度分布擴(kuò)展為在所有的度的取值點(diǎn)均可取值，具體為：發(fā)送端對(duì)于信息比特流，首先進(jìn)行LDPC編碼，隨后進(jìn)行連續(xù)相位調(diào)制(CPM)，將編碼后的比特映射為符號(hào)a_i∈{-(M-1),-(M-3),…(M-1)}，得到S_CPM(t,a)＝A·exp(2πf_ct+φ(t,a))，τ＝t-nT，進(jìn)行載波調(diào)制后發(fā)出，其中，φ_n(τ,a)為CPM的傾斜相位，M為調(diào)制階數(shù)，q(t)為脈沖響應(yīng)；接收端首先得到基帶信號(hào)，隨后采用BCJR算法進(jìn)行CPM解調(diào)，得到軟信息，送入LDPC解碼器中，得到軟信息后送回CPM解調(diào)，進(jìn)行迭代解碼，最終對(duì)軟信息進(jìn)行判決，得到解碼比特；其中，低密度奇偶校驗(yàn)LDPC碼通過在變量節(jié)點(diǎn)和校驗(yàn)節(jié)點(diǎn)間置信度傳播的方式進(jìn)行迭代解碼，與某個(gè)節(jié)點(diǎn)直接相連的其他節(jié)點(diǎn)的個(gè)數(shù)為該節(jié)點(diǎn)的度，與度為i的變量節(jié)點(diǎn)VN相連的邊的數(shù)目占所有邊的總數(shù)的比例為λ_i，與度為j的校驗(yàn)節(jié)點(diǎn)CN相連的邊的數(shù)目占所有邊的總數(shù)的比例為ρ_j，那么變量節(jié)點(diǎn)的度的均值校驗(yàn)節(jié)點(diǎn)的度的均值因此LDPC-CPM級(jí)聯(lián)系統(tǒng)的碼率為在給定的信噪比、CPM調(diào)制階數(shù)M、變量節(jié)點(diǎn)和校驗(yàn)節(jié)點(diǎn)的度的最大、最小值，通過優(yōu)化度分布序列{λ_i}和{ρ_j}來最大化R_L；LDPC-CPM級(jí)聯(lián)系統(tǒng)接收端的聯(lián)合譯碼器劃分為CPM+VN和CN兩個(gè)部分，外信息在CPM的解調(diào)模塊和LDPC的解碼模塊中進(jìn)行循環(huán)迭代，其中，外信息的迭代過程具體為：變量節(jié)點(diǎn)到校驗(yàn)節(jié)點(diǎn)的外信息為度為i的變量節(jié)點(diǎn)到任意一個(gè)與之相連的校驗(yàn)節(jié)點(diǎn)的外信息按照邊的比例λ_i的加權(quán)平均，其中，l為迭代次數(shù)；而對(duì)于度為i的變量節(jié)點(diǎn)，其由之相連的第k條邊輸出的軟信息的似然比為：其中，LLR_m,v為CPM模塊到變量節(jié)點(diǎn)的軟信息，為除第k條邊外其他與該變量節(jié)點(diǎn)相連的校驗(yàn)節(jié)點(diǎn)到該變量節(jié)點(diǎn)的軟信息；考慮AWGN信道，則LLR具有高斯分布從而得到：其中，σ_m,v，分別為似然比對(duì)應(yīng)的高斯分布的標(biāo)準(zhǔn)差，與此對(duì)應(yīng)的外信息為，I＝J(σ_LLR)，J(.)和J^-1(.)均為單調(diào)增函數(shù)，從而得到，為由CPM模塊到變量節(jié)點(diǎn)的外信息，其表達(dá)為：函數(shù)T(.)由CPM調(diào)制的參數(shù)和信道的條件共同決定，其中，信道的條件為信噪比；為由變量節(jié)點(diǎn)到CPM模塊的外信息，由度為i的變量節(jié)點(diǎn)向CPM模塊輸出的外信息經(jīng)過其占所有變量節(jié)點(diǎn)的數(shù)目的加權(quán)平均得到；為由校驗(yàn)節(jié)點(diǎn)到變量節(jié)點(diǎn)的外信息，由度為j的校驗(yàn)節(jié)點(diǎn)的外信息經(jīng)邊的比例ρ_j加權(quán)平均得到；對(duì)于LDPC碼，校驗(yàn)節(jié)點(diǎn)到變量節(jié)點(diǎn)的外信息I_cv(I_a)為對(duì)應(yīng)的先驗(yàn)信息I_a的函數(shù)，I_cv(I_a)＝1-I_vc(1-I_a)，所以對(duì)于度為j的校驗(yàn)節(jié)點(diǎn)，其外信息為：的更新公式為：對(duì)于CPM+VN部分，其外信息迭代過程為對(duì)于CN部分，其外信息迭代過程為在非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型下，度分布優(yōu)化的過程的三個(gè)約束條件分別是歸一化約束、外信息增長約束和穩(wěn)定收斂約束，其中，歸一化約束為：變量節(jié)點(diǎn)和校驗(yàn)節(jié)點(diǎn)的度分布值為非負(fù)、歸一化的取值，即，并且有0≤λ_i≤1，0≤ρ_j≤1；外信息增長約束為：每經(jīng)過一次迭代，外信息有所增長，即對(duì)應(yīng)于以為縱坐標(biāo)，以為橫坐標(biāo)的Φ_v曲線應(yīng)始終在以為縱坐標(biāo)，以為橫坐標(biāo)的曲線的上方，即穩(wěn)定收斂約束為：在1附近時(shí)，通過迭代穩(wěn)定地收斂到1，在1附近，外信息的更新函數(shù)的斜率小于1；所述非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型的函數(shù)表達(dá)的最小化目標(biāo)函數(shù)：

約束條件為：

其中，d_c,max為校驗(yàn)節(jié)點(diǎn)度分布的最大取值，ρ_j為度為j的校驗(yàn)節(jié)點(diǎn)所連接的邊占所有邊的比例，j為校驗(yàn)節(jié)點(diǎn)的度，d_v,max為變量節(jié)點(diǎn)度分布的最大取值，R_L為最大編碼速率，λ_i為度為i的變量節(jié)點(diǎn)所連接的邊占所有邊的比例，i為變量節(jié)點(diǎn)的度，為由校驗(yàn)節(jié)點(diǎn)到變量節(jié)點(diǎn)的外信息，為變量節(jié)點(diǎn)到校驗(yàn)節(jié)點(diǎn)的外信息，對(duì)于Φ_v為CPM+VN部分的外信息迭代過程，為CN部分的外信息迭代過程，l為迭代次數(shù)，λ₁為度為1的變量節(jié)點(diǎn)所連接的邊占所有邊的比例，λ_k為度為k的變量節(jié)點(diǎn)所連接的邊占所有邊的比例，d_v,min為變量節(jié)點(diǎn)度分布的最小取值，k為變量節(jié)點(diǎn)的度，d_c,min為校驗(yàn)節(jié)點(diǎn)度分布的最小取值；

應(yīng)用雞群優(yōu)化算法對(duì)所述非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型進(jìn)行度分布優(yōu)化求解，以得到最優(yōu)的度分布；其中，所述應(yīng)用雞群優(yōu)化算法對(duì)所述非正則LDPC-CPM級(jí)聯(lián)系統(tǒng)模型進(jìn)行度分布優(yōu)化求解，以得到最優(yōu)的度分布，包括：設(shè)定參數(shù)，其中，參數(shù)包括：信噪比E_s/N₀，調(diào)制階數(shù)M，調(diào)制指數(shù)h，關(guān)聯(lián)長度L，變量節(jié)點(diǎn)和校驗(yàn)節(jié)點(diǎn)度分布的取值范圍；用蒙特卡洛法獲得一系列的{I_vm,I_mv},對(duì)其進(jìn)行擬合，其中，I_vm為由變量節(jié)點(diǎn)到CPM模塊的外信息，I_mv為由CPM模塊到變量節(jié)點(diǎn)的外信息；隨機(jī)產(chǎn)生初始化參數(shù)向量；對(duì)每個(gè)個(gè)體的參數(shù)值，檢查約束條件C0,C1,C2，直到符合約束條件為止；根據(jù)每個(gè)個(gè)體的適應(yīng)值，確定其身份和跟隨關(guān)系；以下開始N輪迭代：根據(jù)每個(gè)個(gè)體當(dāng)前的參數(shù)值和身份、跟隨關(guān)系，更新每個(gè)個(gè)體的參數(shù)值；檢查約束條件C0,C1,C2，如不符合，重新更新參數(shù)向量，直到符合約束條件為止；計(jì)算新的參數(shù)下個(gè)體的適應(yīng)值，如比原適應(yīng)值更優(yōu)，則更新，并記錄該參數(shù)；每隔G輪迭代，更新個(gè)體的身份和跟隨關(guān)系；共進(jìn)行N輪迭代后結(jié)束；

在得到最優(yōu)的度分布后，依次考慮每個(gè)變量節(jié)點(diǎn)VN_j的第q條邊，并以該變量節(jié)點(diǎn)為頂點(diǎn)，通過子圖展開得到使當(dāng)前子圖的環(huán)長最長的校驗(yàn)節(jié)點(diǎn)集合P_t，以及從所述P_t中選擇出當(dāng)前度最小的節(jié)點(diǎn)構(gòu)成集合P_m，并從P_m中選擇使當(dāng)前校驗(yàn)節(jié)點(diǎn)的度分布最接近最優(yōu)度分布的校驗(yàn)節(jié)點(diǎn)并連入VN_j，從而得到符合最優(yōu)度分布的校驗(yàn)矩陣。