為提升非規(guī)則準(zhǔn)循環(huán)低密度奇偶校驗碼的譯碼性能和降低譯碼器實現(xiàn)難度,文章提出了一種基于度數(shù)歸一化最小和（BD-NMS）算法和一種改進的譯碼結(jié)構(gòu)。首先分析了最優(yōu)歸一化因子變化規(guī)律,得到其在不同度數(shù)下的分布特性,依據(jù)分布特性對度數(shù)分層,最后利用密度演化和加權(quán)向量得到各層歸一化因子。文章所提譯碼結(jié)構(gòu)中,校驗節(jié)點以提升值為單位分組,每組以2的整數(shù)次冪為單位分子層,子層按順序依次更新。仿真結(jié)果與復(fù)雜度分析表明,文章所提譯碼結(jié)構(gòu)資源消耗和復(fù)雜度更低;BD-NMS算法擁有更為優(yōu)異的譯碼性能和收斂速度,在誤碼率為10^-6時譯碼性能比密度演化最小和（DE-MS）算法提升了0.19 dB左右,增加的復(fù)雜度只包括比較運算,易于硬件實現(xiàn)。 

【文章來源】：光通信研究. 2020,(06)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

5G NR協(xié)議QC-LDPC碼的

圖3所示為變量節(jié)點后驗信息更新結(jié)構(gòu),D0i0,…和D1i0,…信息值來自第i組校驗節(jié)點處理單元;RAM0～RAMd的存儲空間為L,RAMd存放第d·L～(d+1)L-1個變量節(jié)點的后驗信息,存放地址與校驗節(jié)點更新過程中APU輸出值一致。在上述譯碼結(jié)構(gòu)的基礎(chǔ)上,擴大RAM數(shù)據(jù)端口的位寬能夠進一步增加并行度,提升譯碼速度。為降低復(fù)雜度,位寬擴大倍數(shù)應(yīng)等于2τ,τ=0,1,2,…,同時子層數(shù)、地址和RAM的大小縮小1/2τ,flag位寬擴大2τ倍。

圖4所示為兩種碼率下各個算法的譯碼性能,由圖可知,本文所提BD-NMS算法比其他算法擁有更好的譯碼性能。圖4(a)使用的碼字類型為(19 968,3 840),在BER為10-6量級時,BD-NMS算法的譯碼性能比DE-NMS算法提高了0.19 dB左右;圖4(b)使用的碼字類型為(4 032,960),在BER為10-6量級時,BD-NMS算法譯碼性能比DE-NMS算法大約提高了0.12 dB。圖5所示為各個算法在不同信噪比下的平均迭代次數(shù)。仿真過程中,由于噪聲隨機性以及校驗矩陣短圈特性的影響,同一信噪比下迭代次數(shù)存在波動現(xiàn)象,故其平均值為小數(shù)。由圖可知,所提算法和結(jié)構(gòu)下的譯碼收斂速率比其他算法更快,且在信噪比等于1.9 dB左右時迭代次數(shù)差值達(dá)到最大。


本文編號：2990188