[发明专利]一种基于匹配追踪的LDPC码的硬判决译码方法

说明书

本发明提出了一种基于匹配追踪的LDPC码的硬判决译码方法，根据差错图案稀疏这一特点，采用以汉明距离作为相似度量的匹配追踪算法来求解差错图案。该方法性能优异主要在于三个方面的优化设计：匹配追踪算法用汉明距离替代内积作为相似度量，大大提高了译码过程中匹配的准确度；在匹配过程中引入了可信度优先这一机制，降低了可能出现的误配情况；每次迭代对可信度进行更新。仿真结果表明，本译码方法的纠错性能明显优于已有的硬判决算法,如加权比特翻转算法(WBF)等，在误码率为10supgt;‑6/supgt;时，本方法比WBF算法提升了约1.2dB的编码增益，在信噪比为8dB时，本方法比WBF算法的误码率低约2个数量级。此外，本方法还保持了硬判决译码时间复杂度低，容易硬件实现等优点。

技术领域

本发明涉及通信信道编码领域，尤其涉及一种基于匹配追踪的LDPC码的硬判决译码方法。

背景技术

LDPC码性能优异，被选为5G通信数据信道的纠错编码，且在各类通信系统中有广泛的应用。LDPC码有硬判决和软判决两种译码方案，其中软判决译码性能可以接近香农限，但译码复杂，延时大，对硬件资源的要求高；硬判决译码复杂度低，延时小，但性能和前者相差较大。探索好的硬判决译码方法，提高LDPC码的纠错能力，且保持较低的译码复杂度，以满足不同通信系统的要求，是自LDPC码被提出以来长期研究的课题。

随着压缩感知、稀疏信号处理理论的发展，其在信道编码中的应用也成为研究的热点。由于在LDPC码的硬判决译码中，差错图案具有稀疏性，且校验矩阵具有一定的随机性(满足压缩感知理论中的RIP)这一特点，我们可以将稀疏信号重构的方法(如匹配追踪算法)引入译码，借助它来确定出现差错的位置，这为LDPC的硬判决译码提供了一种新途径。

但是，稀疏信号处理是建立在整个实数或复数域，而二进制LDPC码是建立在GF(2)域，直接将匹配追踪理论引入LDPC码的译码，会产生很多问题，主要表现在：其一，传统的匹配追踪算法(MP)算法以两个向量的内积作为相似度量来进行匹配，且以内积作为原子分解的系数，而在二进制编码中，不宜以内积来度量相似性，且原子分解的系数不是内积，而是1或0，表示有差错还是无差错，这决定了传统的MP算法不能直接用于LDPC码的译码；其二，在二进制编码中，会以大概率出现相似度相同的情况(但在实数域几乎不会出现这个问题)，这给二进制匹配带来了困难，即匹配追踪算法不能直接用于差错位置的确定，本发明提出的方案就是要解决这些问题，提供一种高性能的硬判决LDPC码译码方法。

发明内容

本发明的目的是公开一种基于匹配追踪的LDPC码的硬判决译码方法。借助稀疏信号处理匹配追踪的概念，提出以汉明距离为相似度量的匹配追踪译码算法。在匹配过程中，如果出现汉明距离相等的情况，则按照可信度优先的原则选择匹配。

为了实现上述目的，本发明的技术解决方案是一种基于匹配追踪的LDPC码的硬判决译码方法，具体包括以下步骤：

步骤1：构建伴随式、校验矩阵以及差错图案之间的稀疏约束模型；

步骤2：对接收信号进行硬判决，得到接收码字；

步骤3：将接收信号向量中每个接受信号进行绝对值归一化预处理，得到预处理后接受信号，以此作为可信度值；

步骤4：根据码字向量计算伴随式，并利用伴随式对码字向量进行校验；

步骤5：利用码字、可信度向量和校验矩阵进行迭代译码求解差错图案；

步骤6：根据差错图案,计算译码输出码字,译码结束。

作为优选，步骤1中所述构建伴随式、校验矩阵以及差错图案约束模型为：

根据线性分组码的基本理论，伴随式s(m×1维列向量)、校验矩阵H(m×n维矩阵)和差错图案E(m×1维列向量)之间满足稀疏约束关系: