构造好的LDPC码校验矩阵和设计性能优异的译码算法是LDPC码研究领域的重点。
常见的LDPC码一般分为两类,一类是随机LDPC码,一般由随机化方法构造;另一类是准循环LDPC码,一般由半随机方
法或者基于代数的结构化方法构造。常见的LDPC码的迭代译码方法包括基于硬判决的译码和基于软判决的译码。接下来将介绍
几种具有代表性的LDPC码构造方法以及经典的硬判决和软判决译码方法。
1 . PEG构造和QC-PEG构造
渐进边增长(progressive edge growth, PEG)算法[1][2][3]是一种著名的基于图的随机化LDPC码构造方法,其主要做法是依
次对每个变量节点添加边连接校验节点来构建出所要的Tanner图,在每次添加边的时候使当前变量节点的本地围长(当前变量节
点所参与的最短的环的长度)尽可能地大。这样虽然不能保证最终Tanner图对应的LDPC码是最优的,但是其性能一般也非常优
异。
一个LDPC码的校验矩阵对应着唯一的一个Tanner图,PEG算法根据给定的码长、码率以及度分布,从头开始构建Tanner
图。假设需要构建的Tanner图的校验节点数为m,变量节点数为n,变量节点vj相连的所有边所构成的集合记为,那么容易得
到所有的边的集合。记与vj相连的第k条边为,
。以vj为根节点将Tanner图展开,把
在其展开的树上能达到l层的校验节点集合记为,与之相应的补集为
,有
,Nc为所有校验节点的集合。
其展开过程如下图1-1所示。
图1-1 k层树图展开
根据PEG算法[2][3]的思想,逐个地为每个变量节点选择合适的校验节点,然后在他们之间建立边,这里的索引从0开始,算法
的具体步骤描述如下:
1.1 选择一个变量节点vj(一般就按索引的顺序)。如果当前需要添加的是此节点的第0条边,则找到当前Tanner图中具有最低度
数的校验节点ci,将vj 和 ci 连起来就可得到此节点的第0条边。如果变量节点vj已经 添加过边,则首先以vj为根节点把当前