[发明专利]LLR矢量量化的计算方法、装置与通信系统

说明书

本申请提供了一种LLR矢量量化的计算方法、装置与通信系统。该方法包括获取LLR值，LLR值为接收的码字的比特信息进行星座映射得到的；将LLR值按照星座映射的调制方式进行分类，得到多个星座符号，星座符号为一组LLR值组成的矢量，不同的调制方式得到的星座符号对应LLR值的个数不同；将星座符号对应的LLR值的正负进行分类，得到多个子集，子集中任意两个星座符号的对应的两个LLR值的乘积大于或者等于0；对各子集的星座符号进行矢量量化计算，得到多个量化后矢量。该方法无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，解决了现有技术中LLR矢量量化的计算量较大的问题。

技术领域

本申请涉及通信技术领域，具体而言，涉及一种LLR矢量量化的计算方法、装置、计算机可读存储介质、处理器与通信系统。

背景技术

第五代(5G)移动通信技术被称为新型无线空口，主要满足三大应用场景的通信需求，即增强型移动宽带(eMBB)、超可靠低时延通信(uRLLC)以及海量机器通信(mMTC)。信道编译码是物理层的最基本的技术，将对5G系统的各项性能指标起着直接和间接的作用，尤其对5G系统可靠性提出很高的要求，而结合信道编译码技术的混合自动请求(HybridAutomatic Repeat Request，HARQ)作为保证可靠性的一项重要技术，是一种停止以及等待的传输方案，发送端接收到ACK/NACK后，后续的重复发送才发生，在接收端，已接收的信息被暂存在HARQ存储器中。如果收到的信息没有被正确译码，之前存储的信息与重新发送来的信息进行合并后再尝试译码，如此反复，在5G系统中，规定最多发送四次，一共有最多16个HARQ进程，随着信息不断累积，HARQ存储器中需要存储的信息急剧增加，甚至超过G bits量级，为了降低HARQ存储器的数据量，需要对HARQ软信息进行压缩存储。

一个典型的信道编译码及HARQ流程中，首先发送端对码块进行CRC添加，码块分段，LDPC编码，速率匹配等操作，经过调制后的数据发送到无线信道中，然后接收端进行解调处理，将解调后的LLR信息经过解速率匹配及HARQ处理送进LDPC译码器进行译码，而HARQ信息的存储经过压缩和解压缩的过程就是LLR矢量量化过程。

矢量量化算法一般采用1980年由Linde，Buzo和Gray提出来的一种有效LBG矢量量化码本设计算法，这是矢量量化技术研究的里程碑，矢量量化具有压缩比高、解码速度快、可以降低存储空间、算法简单清晰等良好的特性，但是，矢量量化的高编码复杂度限制了其在高速和实时编码系统中的应用，影响了算法的执行效率，所以，矢量量化快速编码算法的研究是多年来人们一直关注的问题，也是矢量量化的关键技术之一。

一般而言，矢量量化的搜索算法主要就是LBG算法，基于最小欧式距离准则或最大互信息准则的迭代搜索算法，其基本原理实际上是一种全搜索(Full Search，FS)的方式；在搜索码字的过程中要计算输入矢量与每个码字之间的失真度误差，需要的运算量很大，算术复杂度随输入矢量维数或码本尺寸迅速增加，而高效的矢量量化编码算法系统往往采用大尺寸的码书，较高的计算复杂度会增加硬件实现的难度，所以减少码字搜索的计算量成为很关键的问题。而用于对HARQ信息的矢量量化需要解决的问题在于两方面，首先是如何保证性能或吞吐量的前提下进行矢量量化压缩；其次是如何降低矢量量化搜索过程中的实现复杂度，即生成码本过程中的搜索量。对于如何保证性能或吞吐量，可以对迭代矢量化的压缩比(即码本大小)、迭代次数、失真度进行设置，以达到所需要的压缩比与性能的平衡；对于迭代矢量量化的计算，一般有两种准则，基于最大互信息或最小欧式距离，该两种准则的计算复杂度都是一定的，重点在于如何降低两类计算的次数，所以对LLR进行分组然后再进行迭代矢量量化就能大大降低总体搜索来计算量。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容