LDPC概率译码原理实例说明

F_laver

已于 2022-12-31 23:24:31 修改

阅读量869

点赞数

文章标签：算法线性代数

于 2022-12-31 22:44:55 首次发布

本文链接：https://blog.csdn.net/Informationstrongman/article/details/128508606

版权

本文深入介绍了Gallager概率译码公式及其应用，包括二进制序列概率计算和译码步骤。详细阐述了变量节点和校验节点的更新规则，并对比了对数译码算法，通过取对数简化乘法运算，降低计算复杂度。最后，探讨了归一化最小和译码方法，利用双曲正切函数特性加速计算。整个过程涵盖从初始化到译码判决的完整流程。

摘要由CSDN通过智能技术生成

1.1译码公式理解

译码公式的证明很多书籍里边已有介绍，这里不做证明直接引用。介绍Gallager概率译码公式之前先介绍引理：二进制序列长度为m且相互独立，第i个bit为1的概率为 $P_{i}$ ，那么整个序列为偶数个1的概率为：

$P_{e} = \frac{1}{2} + \frac{1}{2}\prod_{i = 1}^{m}\left( 1 - 2P_{i} \right)$

为奇数个1的概率为：

$P_{o} = \frac{1}{2} - \frac{1}{2}\prod_{i = 1}^{m}\left( 1 - 2P_{i} \right)$

Gallager概率译码公式：
在这里插入图片描述

式中， $P(c_{d} = 0|y,S)$ 、 $P(c_{d} = 1|y,S)$ ，在接收码字为 $y$ ，校验方程组S的条件下发送码字 $c_{d}$ 为0、1的概率。 $P_{d}$ 发送码字独立，接收判决为1的概率（和信道的信噪比、调制方式、码率等有关）。 $P_{ij}$ ，第 $i$ 个校验方程中，第 $j$ 个bit为1的概率。 $_{i \in c_{i}}^{\prod\ }，$ 校验节点概率相乘，位置在H矩阵中列非零校验节点。 $\ i j \in R_{j}\backslash i$ ，第 $i$ 个校验方程中去掉第 $i$ 个变量节点的其他所有变量节点，具体位置在H矩阵中每个校验方程去掉 $i$ 以外其他非零节点的位置。

1.2译码步骤

1.2.1 Gallager概率译码

一、变量节点初始化

5x10校验的矩阵H，行重为4，列重为2，本文中所有例子以该矩阵为依据，如下图所示，初始化公式推导不做介绍。假设接收的的序列 $y$ ={ $y_{0}$ , $y_{1}$ , $y_{2}....,y_{9}$ }，信号采样BPSK调制，高斯信道下的初始化公式如下：
在这里插入图片描述

校验节点更新

校验方程方程的计算规则是二元求和运算，因此，校验方程中校验节点为’1’的概率就是，校验结果奇数个’1’；校验方程中校验节点为’0’的概率就是，校验结果为偶数个1。

由5x10的校验矩阵可知，共5个校验方程，每个校验方程有4个校验节点。各个校验节点的详细计算过程如下：
变量节点更新
变量节点公式更新如下， $a_{ij}$ 为校正因子，使 $q_{ij}^{(t)}(0)$ + $q_{ij}^{(t)}(1)$ = 1。本文实例中校验矩阵H，有10列，每列有2个变量节点需要更新。
$\ j ( r i j ( t ) ( 0 ) ) q_{ij}^{(t)}(0) = a_{ij}P_{i}(0)\prod_{j \in C_{i}\backslash j}^{}\left( r_{ij}^{(t)}(0) \right)$
$\ j ( r i j ( t ) ( 1 ) ) q_{ij}^{(t)}(1) = a_{ij}P_{i}(1)\prod_{j \in C_{i}\backslash j}^{}\left( r_{ij}^{(t)}(1) \right)$
后验概率计算

后验概率计算之后便可进行译码处理，概率计算公式如下。

$q_{i}^{(t)}(0) = a_{i}P_{i}(0)\prod_{j \in C_{i}}^{}\left( r_{ij}^{(t)}(0) \right)$
$q_{i}^{(t)}(1) = a_{ij}P_{i}(1)\prod_{j \in C_{i}}^{}\left( r_{ij}^{(t)}(1) \right)$

译码判决和码字校验

$q_{i}^{(t)}(0)$ < $q_{i}^{(t)}(1)$ ，判决为’1’，否则判决为’0’。译码判决后的码字与H矩阵相乘为0，则译码成功，否则译码失败转为下一次迭代。

1.2.2对数译码算法

对数译码算法实质上是对Gallager概率译码公式等号两边取对数，将多个乘法变成对数域加法计算，减少计算量。

变量节点初始化

对数域的初始化将概率译码的初始化公式取对数得到，此处省略公式推导，计算公式如下：

本文例子中，H矩阵初始化后变量节点如下图：
校验节点计算

校验节点计算是对概率译码校验节点计算公式取对数得到，引入双曲正切函数，此处省略公式推导，计算公式如下：
$\ i t a n h ( L ( t − 1 ) ( q i j ) ) ) L^{(t)}(r_{ji}) = {2tanh}^{- 1}\left( \prod_{i \in R_{j}\backslash i}^{}{tanh\left( L^{(t - 1)}(q_{ij}) \right)} \right)$
3. 变量节点计算

变量节点计算是对概率译码变量节点计算公式取对数得到，将乘法运算转换成了对数域的加法计算，计算公式如下：
$\ j L ( t ) ( r j i ) L^{(t)}(q_{ij}) = L(P_{i}) + \sum_{j \in C_{i}\backslash j}^{}L^{(t)}(r_{ji})$
四、后验概率计算
$L^{(t)}(q_{i}) = L(P_{i}) + \sum_{j \in C_{i}}^{}L^{(t)}(r_{ji})$
五、码判决和码字校验
$L^{(t)}(q_{i})$ >0译码输出0，否则译码输出为’1’。码字校验方法同概率译码。

1.2.3归一化最小和译码

归一化最小和译码利用了双曲正切函数的性质：1、奇函数 $f (- x) = - f (x)$ ，将双曲正切函数改写成符号函数和绝对值函数的乘积；2、值域 $\in$ [-1,1]，多个双曲正切函数相乘的积<最小的乘数。将双曲正切函数的乘积简化成符号函数的计算和最小值的选取函数。

变量节点初始化同对数译码算法。
校验节点更新

计算公式如下： $a$ 为归一化系数， $s g n$ 为符号函数， $\ i m i n ， _{i \in R_{j}\backslash i}^{min\ \ }，$ 取最小值。

$\ i ∏ s g n ( L ( t − 1 ) ( q i j ) ) ) ∗ i ∈ R j \ i m i n ∣ L ( t − 1 ) ( q i j ) L^{(t)}(r_{ji}) = a \ast \left(_{j \in R_{j}\backslash i}^{\prod\ \ }{sgn\left( L^{(t - 1)}(q_{ij}) \right)} \right) \ast_{i \in R_{j}\backslash i}^{min\ \ }{|L^{(t - 1)}}(q_{ij})$ |

本文例子中H矩阵校验节点的详细计算步骤如下： $Lr_{ji}$ 对应相应的校验节点，sgn是符号函数， $Lq_{ij}$ 对应相应的变量节点。

校验方程0校验节点计算。
Lr00 =a*sgn({Lq05,Lq06,Lq09})*min|({Lq05,Lq06,Lq09})|,计算不包含Lq00节点
Lr05 =a*sgn({Lq00,Lq06,Lq09})*min|({Lq00,Lq06,Lq09})|,计算不包含Lq05节点
Lr06 =a*sgn({Lq00,Lq05,Lq09})*min|({Lq00,Lq05,Lq09})|,计算不包含Lq06节点
Lr09 =a*sgn({Lq00,Lq05,Lq06})*min|({Lq00,Lq05,Lq06})|,计算不包含Lq09节点
校验方程1校验节点计算。
Lr11 = a*sgn({Lq12,Lq15,Lq18})*min|({Lq12,Lq15,Lq18})|,计算不包含Lq11节点
Lr12 = a*sgn({Lq11,Lq15,Lq18})*min|({Lq11,Lq15,Lq18})|,计算不包含Lq12节点
Lr15 =a*sgn({Lq11,Lq12,Lq18})*min|({Lq11,Lq12,Lq18})|,计算不包含Lq15节点
Lr18 =a*sgn({Lq11,Lq12,Lq15})*min|({Lq11,Lq12,Lq15})|,计算不包含Lq18节点
校验方程2校验节点计算。
Lr20 =a*sgn({Lq24,Lq28,Lq29})*min|({Lq24,Lq28,Lq29})|,计算不包含Lq20节点
Lr24 =a*sgn({Lq20,Lq28,Lq29})*min|({Lq20,Lq28,Lq29})|,计算不包含Lq24节点
Lr28 =a*sgn({Lq20,Lq24,Lq29})*min|({Lq20,Lq24,Lq29})|,计算不包含Lq28节点
Lr29 =a*sgn({Lq20,Lq24,Lq28})*min|({Lq20,Lq24,Lq28})|,计算不包含Lq29节点
校验方程3校验节点计算。
Lr32 =a*sgn({Lq33,Lq34,Lq37})*min|({Lq33,Lq34,Lq37})|,计算不包含Lq32节点
Lr33 =a*sgn({Lq32,Lq34,Lq37})*min|({Lq32,Lq34,Lq37})|,计算不包含Lq33节点
Lr34 =a*sgn({Lq32,Lq33,Lq37})*min|({Lq32,Lq33,Lq37})|,计算不包含Lq34节点
Lr37 =a*sgn({Lq32,Lq33,Lq34})*min|({Lq32,Lq33,Lq34})|,计算不包含Lq37节点
校验方程4校验节点计算。
Lr41 =a*sgn({Lq43,Lq46,Lq47})*min|({Lq43,Lq46,Lq47})|,计算不包含Lq41节点
Lr43 =a*sgn({Lq41,Lq46,Lq47})*min|({Lq41,Lq46,Lq47})|,计算不包含Lq43节点
Lr46 =a*sgn({Lq41,Lq43,Lq47})*min|({Lq41,Lq43,Lq47})|,计算不包含Lq46节点
Lr47 =a*sgn({Lq41,Lq43,Lq46})*min|({Lq41,Lq43,Lq46})|,计算不包含Lq47节点
变量节点更新
变量节点更新公式同对数概率译码。本文中H矩阵详细计算过程如下： $Lq_{ij}$ 对应相应的变量节点， ${Lp}_{i} \in$ { $\frac{2y0}{\sigma^{2}}$ , $\frac{2y1}{\sigma^{2}}$ , $\frac{2y0}{\sigma^{2}}$ , $\frac{2y9}{\sigma^{2}}$ }，对应的初始化对数似然概率， $Lr_{ji}$ 对应相应的校验节点。
第一列变量节点更新
Lq00 = Lp0+sum({Lr30});不包含Lr00节点
Lq30 = Lp0+sum({Lr00});不包含Lr30节点
第二列变量节点更新
Lq11 = Lp1+sum({Lr41});不包含Lr11节点
Lq41 = Lp1+sum({Lr11});不包含Lr41节点
第三列变量节点更新
Lq12 = Lp2+sum({Lr32});不包含Lr12节点
Lq32 = Lp2+sum({Lr12});不包含Lr32节点
第四列变量节点更新
Lq33 = Lp3+sum({Lr43});不包含Lr33节点
Lq43 = Lp3+sum({Lr33});不包含Lr43节点
第五列变量节点更新
Lq24 = Lp4+sum({Lr34});不包含Lr24节点
Lq34 = Lp4+sum({Lr24});不包含Lr34节点
第六列变量节点更新
Lq05 = Lp5+sum({Lr15});不包含Lr05节点
Lq15 = Lp5+sum({Lr05});不包含Lr15节点
第七列变量节点更新
Lq06 = Lp6+sum({Lr46});不包含Lr06节点
Lq46 = Lp6+sum({Lr06});不包含Lr46节点
第八列变量节点更新
Lq37 = Lp7+sum({Lr47});不包含Lr37节点
Lq47 = Lp7+sum({Lr37});不包含Lr47节点
第九列变量节点更新
Lq18 = Lp8+sum({Lr28});不包含Lr18节点
Lq28 = Lp8+sum({Lr18});不包含Lr28节点
第十列变量节点更新
Lq09 = Lp9+sum({Lr29});不包含Lr09节点
Lq29 = Lp9+sum({Lr09});不包含Lr29节点
后验概率计算
后验概率计算公式同对数概率译码算法，本文中的H矩阵后验概率的详细计算过程如下：
Lq0 = Lp0+sum({Lq00,Lq30})
Lq1 = Lp0+sum({Lq11,Lq41})
Lq2 = Lp0+sum({Lq12,Lq32})
Lq3 = Lp0+sum({Lq33,Lq43})
Lq4 = Lp0+sum({Lq24,Lq34})
Lq5 = Lp0+sum({Lq05,Lq15})
Lq6 = Lp0+sum({Lq06,Lq46})
Lq7 = Lp0+sum({Lq37,Lq47})
Lq8 = Lp0+sum({Lq18,Lq28})
Lq9 = Lp0+sum({Lq09,Lq29})
五、译码判决和码字校验同对数概率译码算法