基于GPU的LDPC增强准最大似然译码器并行实现

增强准最大似然(EQML)译码器对于码长较短的低密度奇偶校验(LDPC)码的译码性能优于传统置信传播(BP)译码器,可较好满足5G移动通信的高可靠性要求,但由于其计算结构复杂导致译码速度大幅降低。为提高EQML译码器的译码速度,提出一种基于GPU的EQML译码器并行化加速方案,压缩并存储不规则LDPC码的奇偶校验矩阵,通过对传统BP译码算法进行重新排序以最大化利用Kernel中的线程,并对再处理过程中的每个阶段进行多码字并行译码,实现内存访问优化及流并行译码。实验结果表明,基于GPU的EQML译码器在保持纠错性能的同时,相比基于CPU的EQML译码器的译码速度约提升了2个数量级。

连续变量量子密钥分发数据协调加速运算的GPU实现

针对当前连续变量量子密钥分发系统数据协调运算速度低等问题,用GPU实现了基于LDPC的SEC协议下数据协调算法的并行化加速运算,提出用静态双向十字链表的方法高效存储大规模稀疏校验矩阵,从而保证在不牺牲协调效率的前提下提高了译码速率。仿真实验结果表明,在信道信噪比为4.9 d B以上、2×105个连续变量序列可靠协调以及协调效率为91.71%的情况下,基于Geforce GT 650 MB的GPU和2.5 GHz、8 GB内存的CPU硬件平台,译码速率可达16.4 kbit/s,相对于仅CPU平台,计算速度提高15倍以上。