论文部分内容阅读
由于低密度奇偶校验码(LDPC)具有能接近Shannon极限,强大的纠错能力,译码复杂度较低,易实现等优点使得它已经成为了编译码研究的热点,同时对其应用的研究也大面积的展开。本文针对以下两个方面研究：LLR BP算法的复杂度高和BP-Based算法的性能损失大。Normalized BP-Based算法通过乘以一个校正因子来弥补BP-Based算法的性能损失,这是线性补偿。通过分析发现用非线性补偿能够进一步提高其译码性能,所以就想到了采用可变校正因子的思想对Normalized BP-Based算法进一步改进,提出了基于均值分类的可变校正因子算法。为了降低均值分类的复杂度,又提出了基于个数分类的可变校正因子算法。为了降低LLR BP算法的复杂度,前人曾经对其中的指数和对数函数分别进行拟合,这样容易造成误差累积。为了进一步提高拟合效果,本文用最小二乘法的原理,采用不均匀分段,不均匀采样间隔对非线性函数整体进行拟合。本文主要工作如下：(1)查阅大量资料,了解LDPC码的特点,研究的意义和现状。(2)详细推导了基于BP的各种译码算法,并对算法的性能进行了仿真分析,还分析了影响LDPC码译码性能的各种因素。(3)通过求均值和方差的方法分析变量节点传给校验节点的信息,提出基于均值分类的可变校正因子算法。然后对该算法的误码性能,迭代次数和复杂度进行了分析,并与其他算法进行了比较,发现该算法在误码率为10-3时,与Normalized BP-Based算法相比较,获得约O.1dB增益；与LLR BP算法相比较,可获得约0.3dB增益,并且不增加迭代次数。可是由于引入了均值计算使得复杂度有所提高。为了避免过多的增加复杂度,限定了校验节点的度小于等于6。(4)为了改进基于均值分类的可变校正因子算法的缺点,又提出基于个数分类的可变校正因子的算法。然后对该算法的误码性能,迭代次数和复杂度进行了详细分析,并与其他算法进行了比较,发现当误码率约为10-3时,该算法与Normalized BP-Based相比,可以获得约0.2dB增益,与LLR BP算法相比,可以获得约0.3dB的增益。基于个数分类的可变校正因子算法不仅提高了译码性能,而且所用的迭代次数也相对较少,并且只增加了少量比较运算。(5)提出基于最小二乘法曲线拟合的LLR BP算法,将原函数分成21段,利用最小二乘法原理分别采用二次函数和三次函数进行曲线拟合。拟合时每个函数的自变量的系数中的小数因子都分别保留五位小数和四位小数,分别从译码性能,迭代次数以及复杂度三个方面对两种拟合算法进行了详细分析。通过对比性能和复杂度,发现选用保留五位小数的二次函数拟合整体效果最优,在信噪比为2dB到3dB时,此算法的性能超过了LLR BP算法,并且当误码率为约10-3时,能获得约0.2dB的增益。