基于LDPC码的跳频抗干扰性能

为了提高跳频通信的抗干扰性能,将低密度奇偶校验(LDPC)码与跳频通信相结合。通过对编码算法中的"贪婪算法"的复杂度简化和带偏移量的分层量化译码(LBP-OMS)算法的应用,提高了码字的纠错性能。实验表明,当某些频带受强噪声干扰时,改进后的信道编译码方法提高了跳频通信的抗干扰能力。

基于偏移最小和的LDPC译码改进算法

针对目前低密度奇偶校验(low-density parity-check,LDPC)码偏移最小和(offset min-sum,OMS)算法偏移因子选取不够准确的问题,提出了一种基于次序统计量的OMS(order statistics OMS,OR-OMS)算法。该算法使用两个不同的偏移因子对校验节点更新结果进行修正,一个偏移因子用于修正第一最小值结果,另一个偏移因子用于修正第二最小值结果。利用次序统计量进行理论分析,得出最优的两个偏移因子值。所提算法使用分层调度的消息传递方式,加快算法的收敛速度。仿真结果表明,该算法与传统的OMS算法相比,在误比特率(bite error rate,BER)为10^(-5)时所提算法译码性能可以获得约0.35 dB的增益,平均迭代次数最多能够降低34.28%,同时拥有更好的收敛性能。

5G低密度奇偶校验码的低复杂度偏移最小和算法

为了提高低密度奇偶校验(LDPC)码偏移最小和(OMS)算法的误码性能,基于5G NR标准提出了一种5G LDPC码的低复杂度OMS算法。针对传统算法中偏移因子值计算不够准确问题,使用密度进化获取更加精准的偏移因子值,用于校验节点更新,以增强OMS算法的性能;并使用线性近似方法对获得的偏移因子值进行近似处理,在保证译码性能的情况下降低了算法的复杂度。针对变量节点振荡现象对译码的影响,将节点更新前后的对数似然比(LLR)消息值加权处理,削减变量节点的振荡性,提高了译码器收敛速度。仿真结果表明,与归一化最小和(NMS)算法和OMS算法相比,在误比特率(BER)为10-5时所提算法译码性能可以获得0.3~0.5 dB的增益,平均迭代次数分别降低了48.1%和24.3%,同时与对数似然比-置信传播(LLR-BP)算法也只相差近0.1 dB。

一种基于循环神经网络的极化码BP译码算法

置信传播(BP)算法作为极化码最常用的软判决输出译码算法之一,具有并行传输、高吞吐量等优点,但其存在收敛较慢、运算复杂度高等缺陷。提出一种基于循环神经网络的偏移最小和近似置信传播译码算法。通过偏移最小和近似算法替代乘法运算,修改迭代过程中的消息更新策略,并运用改进的循环神经网络架构实现参数共享。仿真结果表明,相比传统BP译码算法,该译码算法在提升误码率(BER)性能的前提下,减少约75%的加法运算且收敛速度大幅提升,相比基于深度神经网络的BP译码算法,该算法在确保BER性能无显著下降的前提下,使用加法运算替代乘法运算,节省了约80%的存储空间开销。

基于密度进化理论改进的LDPC码偏移最小和算法

针对目前LDPC码偏移最小和算法的偏移因子的选取方式不够准确灵活等问题,提出了一种基于密度进化理论改进的最小和算法,称为DOMS算法。该算法首先根据密度进化理论计算BP算法和MS算法在每次迭代译码过程中,校验节点传递给变量节点的信息的概率质量函数,然后由两者的差值得出每次迭代对应的偏移因子β m,m表示第m次迭代。再对偏移因子序列β m做加权平均处理得到新的偏移因子β。通过使用该偏移因子,DOMS算法与经典的OMS算法相比,仿真结果表明大约可以取得0.2dB的增益。此外,当对比与BP算法译码性能相近的LMMSE Min Sum算法时,DOMS算法在获得相似译码性能的基础上,可以节省大约28.29%的逻辑元器件和34.33%的内存。