引入混洗策略和改进变量节点更新的最小和译码算法

低密度奇偶校验码属于一种线性的分组码,近年来得到了很大的关注。目前被广泛应用的最小和(MS)算法译码损失较多,而且该算法属于洪泛调度,译码收敛速度较慢。为此提出了引入混洗策略和改进变量节点更新的MS(shuffled-VNU-MS)译码算法,该改进算法在本次迭代中更新某列校验节点信息时,可以利用到前序列最新的变量节点信息,且变量节点信息是通过加权因子平均后的信息。仿真结果表明:当码长为256,码率为0.5,误码率为10-5时,本文改进的译码算法shuffled-VNU-MS相比MS算法,编码增益提高了约0.92 dB。当信噪比为0时,本文改进算法译码收敛速度相比MS算法提高了约52%。

引入行重参数的改进不规则LDPC码译码算法

低密度奇偶校验(LDPC)码是一种逼近香农极限的线性分组码,而好的非规则LDPC码其性能优于同码率的规则码。在非规则LDPC码的对数似然比置信传播(LLR-BP)译码算法中,由于行重大小的不同,校验节点对伪后验判决贡献的外部信息不同,为此提出一种基于行重的改进LLR-BP译码算法,该算法引入行权重系数,用以调整不同行重外部信息的作用,提高了系统的译码性能。仿真结果表明:在低信噪比时,改进的LLR-BP译码算法对译码性能与标准的LLR-BP译码算法的性能几乎相同;在中高信噪比时,改进的LLR-BP译码算法的误码性能优于LLR-BP译码算法,在码长为64,误码率是10-5时,改进LLR-BP译码算法较之传统LLR-BP译码算法的编码增益提高了0.15 dB。

引入层重升序调度策略的分层最小和译码算法

分层译码算法对校验矩阵进行分层,按层进行更新,加快了译码收敛速度,但由于每层的消息更新建立在上层的基础上,不可避免地引入了上层无关信息,降低了本层有效信息的比重。针对这一问题,提出一种引入层重升序调度策略的分层最小和(LS-MS-A)译码算法,该算法通过优先更新层重小的层,减少上层无关信息对本层有效信息的干扰,从而加快译码收敛速度。仿真结果表明:在保证系统可靠性的前提下,与分层最小和译码算法相比,当码长为256,码率为0.5时,LS-MS-A算法可以提高约9%的译码收敛速度;当码长为512,码率为0.75时,LSMS-A算法可提高约15%的译码收敛速度。