极化码理论及算法研究4-巴氏参数、GA算法以及matlab仿真

最新推荐文章于 2025-03-12 13:25:43 发布

为城w

最新推荐文章于 2025-03-12 13:25:43 发布

阅读量1.5w

点赞数 54

分类专栏：极化码理论和编译码技术学习文章标签： matlab 数字通信 2/3/4/5g 算法经验分享

本文链接：https://blog.csdn.net/weixin_44179427/article/details/106394838

版权

极化码理论和编译码技术学习专栏收录该内容

7 篇文章

订阅专栏

巴氏参数、GA算法以及matlab仿真

1、内容目录
2、极化码编码
3、总结

1、内容目录

开篇1-内容介绍&参考文献
概述2-什么是极化码？
原理3-Arikan原版论文学习总结
编码算法4-巴氏参数、GA算法以及matlab仿真
译码算法5-SC算法及matlab仿真
译码算法6-SCL、CA-SCL及matlab仿真

2、极化码编码

通过对上一节内容的学习，我们初步认识了极化码和极化效应，在本节中，我将对极化码的编码原理、方式和对应的MATLAB仿真代码进行介绍，希望会对大家有帮助。

2.1、引言

所谓极化码编码，就是利用极化效应来进行信道编码，使其能够达到对称信道容量I(W)的编码方法。极化码编码的基本思想就是针对N个极化信道，建立一种信息位的选择方式，使每一个信息比特都可以独立地通过一个并行的极化信道,并且仅在信道对称容量I(W) ≈1 或者巴氏参数Z(W)≈0 的信道上发送我们实际要传输的信息比特；在剩下的极化信道上，可传输一些收发双方都已知的比特，这个集合被称为冻结集，冻结集传输的比特称为冻结位。
在进行实际编码的过程中，首先对信息序列进行预处理，得到长度为K的输入信息比特，K是小于等于N的；然后根据已经选出的信息集，将输入信息比特在长度为N的极化码序列（N位极化码序列就是上节中通过信道极化效应所得到的，而信息比特只映射到了信道I（W）值排名前K位的极化码序列序号对应的位置上）上进行一一映射，而剩余的N-K位冻结位按照预定义的值统一为“0”或者“1”，冻结位的值对于信道传输效果并没有影响。之后再将信源序列送入我们所设计的极化码编码器，完成编码工作。

2.2、极化码编码原理

2.2.1、陪集码

在学习极化码编码之前，先引入陪集码的概念，极化码是陪集码的一种特例。定义陪集码的长度为N，N= $2^n$ ,n≥0，对于所有长度的陪集码，采用同一种编码规则进行编码
在这里插入图片描述
上式中 $G_N$ 就是上一节中定义的极化码生成矩阵。这里我们设集合A是集合 {1,2,…,N} 的任意一个子集，则可以将上式写为

在上式中， $u_A$ 表示以集合A中的元素为序号的比特信息， $A^c$ 表示以集合 {1,2,…,N} 为定义域，集合A在该定义域中的补集。矩阵 $G_N(A)$ 是取生成矩阵 $G_N$ 相应的的行向量，组成一个子矩阵，上述行向量由集合A的元素一一确定。

若已知集合A，向量 $u_A^c$ 已经进行预定义，需要传送的信息向量 $u_A$ 也已知，我们可以建立一个从信息序列 $u_A$ 到码字序列 $x_1^N$ 的映射关系，我们将这个映射关系称为陪集码。陪集码以 $G_N(A)$ 为生成矩阵，由固定的向量所决定，把这一类码都称为 $G_N$ 陪集码。一个陪集码 $G_N$ （N，K，A， $u_A^c$ ）中，N是极化码长度，K是信息位的长度，也表示集合A的大小，码率表示为R=K/N，集合A称为是信息位集合， $u_A^c$ 称为冻结比特集合。

例如，定义一个参数集为（4,2，{2,4}，（1,0）），其编码情况如下：
在这里插入图片描述
当输入信息序列为（ $u_2$ , $u_4$ ）=(1,1) 时，生成的码字序列为 $x_1^4$ =(1,1,0,1)。
(注：上式中的加号都表示模2加法运算)

2.2.2、极化码的构造

陪集码的编码过程是对极化码的编码过程的一种简单预演，在后面的介绍中，你会发现极化码的编码过程与陪集码的编码过程有异曲同工之妙。接下来为大家介绍如何构造极化码，即如何通过数学计算，得到我们所需要的信息位集合A。
为了得到信息位集合A，我们需要用到前面介绍过的两个信道参数，信道容量I(W)与巴氏参数Z(W)，通过对N个极化信道的信道参数进行计算，我们选取“前K个最可靠极化信道”来传输需要传输的信息，其余位都作为冻结位。
目前比较常见的构造方法有：都有巴氏参数（Bhattacharyya parameter）法、蒙特卡洛（Monte Carlo）构造方法、密度进化（DE）构造方法、高斯近似（Gaussian
approximation, GA）构造方法、极化重量（PW）构造方法等。在目前存在的算法中，一般不计算I（W）的值，因为它非常难算；大部分构造算法都是利用计算参数Z（W）来进行判决，但除了二进制删除信道（BEC）以外，只能计算Z（W）的近似值。
在本节的介绍中，我选取了代表性的两种构造算法，来进行详细分析和算法设计。第一种是针对BEC信道，计算精确的Z（W）值来进行极化码构造；第二种是针对高斯信道（AWGN），采用高斯近似构造方法，近似求取信道参数。

巴氏参数构造算法

巴氏参数构造方法是E.Arikan在他的论文[1]中，针对二进制删除信道（BEC）所提出的一种构造方式。已知巴氏参数
在这里插入图片描述
它表示最大似然译码的错误概率上界。Arikan在他的论文[1]中证明，对一个二进制删除信道来说，假设其删除概率为epsilon，信道分裂后得到的虚拟比特信道的巴氏参数
{ Z（ $W_N^i$ ）}可以通过以下递归方式计算：在这里插入图片描述
上述递归的初始条件是
Z（ $W_N^j$ ）表示信道 $W_N$ 分裂后的第 j 个子信道对应的巴氏参数。有上述可知，每一个子信道的巴氏参数都可以有上述递归算式进行精确计算得出。信道容量与巴氏参数之间的换算关系为：I（W1(1)）=1- Z( $W_N^j$ ）。

下列算法给出了BEC信道下求K个最可靠子信道的步骤：

输入极化码长度N和BEC信道删除概率。
信道巴氏参数初始化：
利用下列公式，计算出每一个子信道 $W_N^i$ 的巴氏参数：
将计算后的N个子信道的巴氏参数进行排序，将巴氏参数值最小的K个信道序号选择为信息位。

基于上述算法，在matlab进行仿真，下图两张图分别给出不同码长下的BEC信道的极化现象。
在这里插入图片描述

                                              码长N=512的极化码的信道极化现象

在这里插入图片描述

                                               码长N=1024的极化码的信道极化现象

由以上两图中可以发现，当信道索引在0-0.5N之间时，对应的大部分子信道的信道容量趋于“0”；当信道索引在0.5N-N之间时，对应的大部分子信道的信道容量趋于“1”；当信道索引在0.5N附近时，对应子信道的信道容量取值是不确定的。因此我们选择该种方式构造极化码时，可以按照码率，从下标索引比较大的地方开始排序选择，可以节省构造时间。
代码如下：

% 二进制删除信道的极化码构造(以信道容量为衡量标准)
% function IWi=BEC(N,epsilon)
N=256;
epsilon=0.5;  % 删除概率
n=log2(N);
IWi=zeros(n+1,N);
IWi(1,1)=1-epsilon;
for i=1:n
    k=2^(i-1);
    for j=1:k
        tmp=IWi(i,j);
        IWi(i+1,2*j-1)=tmp^2;
        IWi(i+1,2*j)=2*tmp-tmp^2;  
    end 
end
scatter((1:N),IWi(n+1,1:N),'.b');
axis([0 N 0 1]);
xlabel('Channel index');
ylabel('Symmetric capacity');

高斯近似构造（GA）算法

GA算法是针对AWGN信道所采取的一种极化码构造算法。在AWGN信道下，由于Z（W）参数不能直接算出，只能得到近似的结果，再选择出性能比较好的信道来。假设我们在发送端发送码字序列X，将该码字进行二进制相移键控（BPSK）调制得到码字序列S， $s_i$ =1-2 $x_i$ ，经过高斯信道加噪后，在接收端收到码字序列Y。则该高斯信道的信道容量为
在这里插入图片描述
其中信道转移概率W（y | x）为

其中π是圆周率，e是自然底数，x∈X是发送端信源码字的一个比特信息，y∈Y是接收端接收序列的一个比特信息， $δ^2$ 是 AWGN信道的噪声方差，它的值可以根据定义的高斯信道信噪比来计算，计算方程为：在这里插入图片描述
其中R是码率，SNR为信噪比，其单位为分贝（dB）。
在 AWGN 信道中，接收端根据接收的yi进行译码，信息比特的对数似然比(Log Likelihood Ratio,LLR)为

该对数似然比为服从高斯分布的随机变量，因为 $y_i$ 服从参数为 N(1, $δ^2$ ) 的高斯分布，所以 2y/ $δ^2$ 服从高斯分布在这里插入图片描述
由此可知该对数自然比满足方差为均值的二倍关系，即LLR(y)~N(2/ $σ^2$ ,4/ $σ^2$ )。在SC译码过程中，信息比特的对数似然比为：将上式中的简写成 $LLR_N^i$ ，由前面的叙述可知 $LLR_N^i$ 是服从高斯分布的随机变量，其高斯分布参数满足方差为均值二倍。下面我们将计算对数似然比的均值，该均值可以很好的近似上述所求的对数似然比，以此来代表等效比特信道的可靠性。下面是该均值的计算方法：
在这里插入图片描述
其中：

由于上述公式中含有太多的复杂运算，使得计算起来代价很大，复杂度很高，因此需要有一个近似的简单算式来表示上述结果的值。因此后来科学家Chung定义了一种近似方程，可比较好的近似表示上述方程的值。即AGA-chung公式，如下所示：
在这里插入图片描述
上述递归计算的初始条件是E( $LLR_1^1$ )=2/ $δ^2$ 。在所有的信道中，选取具有最大LLR均值的极化信道作为传输信息比特的信道。下列给出了在高斯信道下进行高斯近似构造极化码的算法。

输入：高斯信道的噪声方差σ2，信源序列的长度N。
初始化：E( $LLR_1^1$ )=2/ $δ^2$
利用上述公式计算N个子信道的对数似然值LLR的期望值
输出N个对数似然值LLR的期望
选取期望值最大的K个作为信息位集合,剩余N-K个位作为冻结位集合。

基于上述算法，在matlab进行仿真，下列两张图像为不同码长下的AWGN信道极化现象。

在这里插入图片描述

                                             码长N=512，sigma=0.5,AWGN信道极化现象

在这里插入图片描述

                                            码长N=1024，sigma=0.5,AWGN信道极化现象

由以上两图可发现，当信道索引比较小时，其对应的信道对数似然比的期望值也比较小；当信道索引比较大时，其对应的信道对数似然比的期望值也比较大；当信道索引处于中间值时，其对应的信道对数似然比的期望值呈阶梯式上升趋势。因为，当我们在选择信息位时，可以按对数似然比的期望按降序排序，去前K位信道索引为信息位。
代码如下

%GA构造算法主函数
N=512;
sigma=0.5;
u = zeros(1, N);
u(1) = 2/sigma^2;
for i = 1:log2(N)
    j = 2^(i - 1);
    for k = 1:j
        tmp = u(k);
        u(k) = phi_inverse(1 - (1 - phi(tmp))^2);
        u(k + j) = 2 * tmp;
    end
end
u = bitrevorder(u);
scatter((1:N),u(1:N),'.b');
axis([0 1.1*N 0 4*N]);
xlabel('Channel index');
ylabel('E(LLRi)');

％ｐｈｉ函数
function y = phi(x)
if (x >= 0)&&(x <= 10)
    y = exp(-0.4527*x^0.859 + 0.0218);
else
    y = sqrt(pi/x) * exp(-x/4) * (1 - 10/7/x);
end

％ｐｈｉ的反函数
function x = phi_inverse(y)
%部分用闭合表达式，部分用数值解法，速度进一步提升！
if (y <= 1.0221) && (y >= 0.0388)
    x = ((0.0218 - log(y))/0.4527)^(1/0.86);
else
    x0 = 0.0388;
    x1 = x0 - (phi(x0) - y)/derivative_phi(x0);
    delta = abs(x1 - x0);
    epsilon = 1e-3;
    
    while(delta >= epsilon)
        x0 = x1;
        x1 = x1 - (phi(x1) - y)/derivative_phi(x1);
        %当x1过大，放宽epsilon
        if x1 > 1e2
            epsilon = 10;
        end       
        delta = abs(x1 - x0);
    end
    x = x1;
end
end

2.3、极化码编码

极化码编码过程采用非系统极化码编码。非系统编码的意思是码字序列中不直接包含信息比特，其编码的渐进复杂度为O（N $log_2$ N）。在这个编码方案下，取消了比特奇偶置换操作，即在计算时取消BN，只研究了在这里插入图片描述

设A是通过任意一个码构造算法得到的可靠极化信道的集合，此时码长为N，信息比特数为K=|A|。在长度为N的信源序列 $u_1^N$ =（u1,u2，…,uN）中，把K个信息比特放在i∈A的元素上，其余N-K个元素叫冻结比特，在本次仿真中，我们总是令冻结比特为1。在这里插入图片描述是 $u_1^N$ 对应的码字，计算 $x_1^N$ 的过程就是极化码的非系统编码过程。在计算的过程中，矩阵之间的相乘，具体到行列相乘，采用的是模2加法运算，最后得到的矩阵中只有0/1两个参数。

3、总结

本节主要叙述了极化码的编码原理，过程，算法和对应的代码，针对两种不同的信道条件，我们选择了两种经典的极化码的构造算法来进行描述。其实极化码的编码算法的难度主要就集中在如何构造极化码，从极化信道中选择出信息位集合来，剩下的步骤就很容易理解和实现。相信通过本节的学习，大家可以对极化码的编码过程有一个很直观的理解和认识，在下一节中，我会为大家介绍常见的极化码译码算法。如果有不懂或者错误的地方，欢迎大家批评指正。
最后，新人博主写帖子不易，如果你觉得对你有帮助，多多点赞分享关注打赏，给我更多创作动力。祝大家都能有所学，有所获，加油！