基于交替方向乘子法(alternating direction method of multipliers,ADMM)的线性规划(liner programming,LP)译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略(flo...基于交替方向乘子法(alternating direction method of multipliers,ADMM)的线性规划(liner programming,LP)译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略(flooding,FL),该算法存在译码收敛速度过慢的问题。基于水平分层调度的交替方向乘子法的低密度奇偶校验(low density parity check,LDPC)码译码算法能够加速译码收敛速度,然而目前水平分层调度算法中的投影算法采用的为精确投影算法,复杂度较高。针对该问题,将近似投影算法和水平分层调度算法结合,提出基于近似投影的ADMM水平分层调度译码算法以提高译码的性能。仿真实验表明,相比其他算法,本文提出的算法的译码性能可提升0.1~0.3 dB,迭代次数可降低19%~40%,平均译码时间可减少21%~65%。展开更多
文摘基于交替方向乘子法(alternating direction method of multipliers,ADMM)的线性规划(liner programming,LP)译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略(flooding,FL),该算法存在译码收敛速度过慢的问题。基于水平分层调度的交替方向乘子法的低密度奇偶校验(low density parity check,LDPC)码译码算法能够加速译码收敛速度,然而目前水平分层调度算法中的投影算法采用的为精确投影算法,复杂度较高。针对该问题,将近似投影算法和水平分层调度算法结合,提出基于近似投影的ADMM水平分层调度译码算法以提高译码的性能。仿真实验表明,相比其他算法,本文提出的算法的译码性能可提升0.1~0.3 dB,迭代次数可降低19%~40%,平均译码时间可减少21%~65%。