SISO Decoder for SPC (补充章节1)

明朝百晓生

已于 2022-06-07 15:53:14 修改

阅读量203

点赞数 1

分类专栏：芯片开发通讯技术文章标签： p2p linq 网络协议

于 2022-06-02 12:05:36 首次发布

4AM_明朝百晓生

本文链接：https://blog.csdn.net/chengxf2/article/details/125069888

版权

芯片开发同时被 2 个专栏收录

94 篇文章 35 订阅

订阅专栏

通讯技术

54 篇文章 9 订阅

订阅专栏

前言：

在LDPC,Polar 都会涉及到 SISO Decoder.

后面四章节主要讲这块的推导过程。

SISO: Soft Input and Soft Output

soft 思想很像机器学习中softmax 激活函数,主要作用是把概率约束到[0,1]之间。

本篇主要以SPC(3,2)为例

1： SPC introduce

2： SISO decoder for SPC(3,2)

3： properties

4：补充知识点

一 SPC(signle parity check code)

首先回顾一下SPC码

图中的 $r_i$ : beliefs that $c_i$ is 0, 即预测值为0的概率

后面我们以下面两个表示码字为0和1的概率

$P_i=P(c_i=0|r_i)$

$P_i^{-}=1-P_i$

SPC 形式（n,n-1）

输入长度为n-1的信息,输出长度为n的码字，即增加了一个奇偶校验位

1.1 编码矩阵：

$c=mG=[m_1,m_2,...m_{n-1},p]$

1.2 奇偶校验矩阵

$Hc^T=0$

H 是全为1的行向量

1.3 例 SPC（3,2）

编码矩阵G

$c=mG=[m_1,m_2]\begin{bmatrix} 1 & 0 &1 \\ 0& 1& 1 \end{bmatrix}=[c_1,c_2,c_3]$

$c_1=m_1,c_2=m_2,c_3=m_1+m_2$

二 SISO decoder for SPC(3,2)

这里面以 $L_1$ 为例：

一部分信息来自于chanel 本身 $r_1$ ,称为intrinsic

另一部分信息来自于其它channel $r_2,r_3$ ,称为extrinsic

2.1 先看 instrinsic:

$L_1=log\frac{P_r(c_1=0|r_1)}{p_r(c_1=1|r_1)}$

$L_2=log\frac{P_r(c_2=0|r_2)}{p_r(c_2=1|r_2)}$

$L_3=log\frac{P_r(c_3=0|r_3)}{p_r(c_3=1|r_3)}$

概率比取对数即：

$L_1= log\frac{p_1}{p_1^{-}}$

$L_2= log\frac{p_2}{p_2^{-}}$

$L_3= log\frac{p_3}{p_3^{-}}$

2.2 extrinsic

给定 $r_2,r_3$ , $P_1=P_r(c_1=0|r_2,r_3)$ 为多少？(条件概率）

通过上图可以看到

$P_1=P_2P_3+(1-P_2)(1-P_3)$

$=P_2P_3+P_2^{-}P_3^{-}$

$P_1^{-}=1-P_1=P_2P_3^{-}+P_3P_2^{-}$

因为：

$P_1-P_1^{-}=P_2(P_3-P_3^{-})+P_2^{-}(P_3^{-}-P_3)$

$=(P_2-P_2^{-})(P_3-P_3^{-})$

$P_1+P_1^{-}=(P_2+P_2^{-})(P_3+P_3^{-})$

所以

$\frac{P_1-P_1^{-}}{P_1+P_1^{-}}=\frac{P_2-P_2^{-}}{P_2+P_2^{-}}*\frac{P_3-P_3^{-}}{P_3+P_3^{-}}$

$\frac{1-\frac{p_1^{-}}{P_1}}{1+\frac{p_1^{-}}{P_1}}=\frac{1-\frac{p_2^{-}}{P_2}}{1+\frac{p_2^{-}}{P_2}}*\frac{1-\frac{p_3^{-}}{P_3}}{1+\frac{p_3^{-}}{P_3}}$

根据前面的LLR定义，以及tanh的性质

$L_{ext,1}=log \frac{P_1}{P_1^{-}}$ ，     $-L_{ext,1}=log \frac{P_1^{-}}{P_1}$

   $tanh(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$

   $=\frac{1-e^{-2x}}{1+e^{-2x}}$

上面等价于

$tanh(\frac{L_{ext,1}}{2})=tanh(\frac{L_{2}}{2})tanh(\frac{L_{3}}{2})$

三 properties

在前面LDPC,Polar 中我们知道

$\left\{\begin{matrix} if L_i>0, \hat{c_i}=0\\ if L_i<0, \hat{c_i}=1 \end{matrix}\right.$

3.1 求extrsinc正负号

tanh 有个重要特性

$if : x>0,tanh(x)>0; if: x<0,tanh(x)<0$

所以 $sgn(L_{lext,1})=sgn(L_2)sgn(L_3)$

3.2 求extrsinc大小

我们先对上面求log

$logtanh\frac{|L_{ext,1}|}{2}=logtanh\frac{|L_{2}|}{2}+logtanh\frac{|L_{3}|}{2}$

$|log tanh\frac{|L_{ext,1}|}{2}|=|log tanh\frac{|L_{2}|}{2}|+|log tanh\frac{|L_{3}|}{2}|$ （因为logtanh|x|肯定小于0，所以|a+b|=|a|+|b|）

设

$f(x)=|log tanh|\frac{x}{2}||$

则

$f(L_{ext,1})=f(L_2)+f(L_3)$

$|L_{ext,1}|=f(f(L_2)+f(L_3))$

,具体证明可以参考补充章节

3.3 repetion

$L_i=L_i+L_{ext,i}$

就是两个概率相加，一个是来于channel 本身，一个来自其它信道的信息

3.4 $L_{ext,i}$ 简化求解法

$s= f(|L_1|)+f(|L_2|)+f(|L_3|))$

$p=sgn(L_1)sgn(L_2)sgn(L_3)$

$e= s-f(|L_1|)$

$L_ext,1=f(e)*p*sgn(L_1)$

这个也是最常用的，其它 $L_2,L_3$ 也是一样的求解法，在LDPC里面就用的这种

四补充章节

首先可以

4.1 $f^{-}(x)=f(f(x))$

证明：

$y=|log tanh\frac{|x|}{2}|$

$-|y|=logtanh\frac{|x|}{2}$ (等式右边肯定小于0）

$e^{-|y|}=\frac{1-e^{-|x|}}{1+e^{-|x|}}$

$e^{-|x|}=\frac{1-e^{-|y|}}{1+e^{-|y|}}$

$-|x|=logtanh\frac{|y|}{2}$

$|x|= |logtanh\frac{|y|}{2}|$

$f^{-}(x)=f(f(x))$

其中

$f(x)=|logtanh\frac{|x|}{2}|$

它的符号右前门的sgn 函数获得

4.2 tanh(x)

$x>0, tanh(x)>0$

$x<0, tanh(x)<0$

所以：

$sgn(L_{ext,1})=sgn(L_2)sgn(L_3)$

4.3 logx 图像

4.4 tanh 图像

4.4 回顾一下polar ，用的是min sum,是一样的，前面的tanh 计算量大。

明朝百晓生

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
SISO Decoder for SPC (补充章节1)

前言：这后面4个章节主要讲解LDPC,Polar 涉及到的函数原理 SISO: Soft Input and Soft Output一 SPC(signle parity check code)简单回顾一下 SPC 码,这里以（3,2）为例信息长度为2个bit, 码字为3个bit,1个奇偶校验bit发送的原始信息为 m编码矩阵G二 LLR 三 LLR extrinsic定义码字为0的概率............
复制链接

扫一扫

专栏目录