LDPC碼和積譯碼的動態(tài)調(diào)度算法.pdf

1、低密度奇偶校驗(LDPC)碼是一類可以逼近香農(nóng)容量限的線性分組碼。LDPC和積譯碼中信息更新的次序稱為調(diào)度，它直接影響譯碼的收斂速度、誤碼性能和譯碼復雜度。在常見的泛洪調(diào)度(flooding)中，所有變量節(jié)點和校驗節(jié)點在一次迭代中更新，并將更新的信息傳遞給相鄰節(jié)點。泛洪實現(xiàn)相對簡單，但收斂速度一般。而在動態(tài)調(diào)度中，譯碼器根據(jù)邊的殘余值進行有選擇的更新，這樣不僅加快收斂，還能改善錯誤平臺。動態(tài)調(diào)度的主要問題是貪婪性和較大的復雜度。

2、　　 首先，針對貪婪性，提出了基于相對殘余的動態(tài)調(diào)度(Relative-Residual-BasedDynamic Schedule，RRDS)算法，在擁有相同殘余值的節(jié)點中，優(yōu)先更新低可靠度的節(jié)點，即相對殘余值大的節(jié)點，從而使選擇更有針對性，降低貪婪程度。仿真表明，與目前性能優(yōu)異的VC-RBP(variable to check residual belief propagation)相比，RRDS調(diào)度算法具有更快的收斂速度和更低的

3、錯誤平臺，并且適用于多種LDPC碼。
　　 其次，提出了基于節(jié)點的CN-RRDS(check-node-wise RRDS，CN-RRDS)和VN-RRDS(variable-node-wise RRDS)算法，以降低RRDS算法的復雜度。RRDS算法中，搜索空間是節(jié)點間的邊，從中找出具有最大相對殘余值的邊，然后更新相連的節(jié)點，與此不同，基于節(jié)點的RRDS的搜索空間是節(jié)點。由于Tanner圖中節(jié)點數(shù)遠小于邊數(shù)，基于節(jié)點進行搜索會

4、大幅度縮短搜索時間。仿真結(jié)果表明，該算法的性能接近RRDS且保留了對LDCP碼的普適性特點。
　　 最后，提出了Min-sum VN-RRDS(MVN-RRDS)和Min-sum CN-RRDS(MCN-RRDS)調(diào)度算法。采用Min-sum算法計算相對殘余值，進一步降低運算復雜度。仿真結(jié)果表明，這兩種算法的收斂速度均好于VC-RBP，錯誤平臺更低，且適于多種類型的LDPC碼。由于變量節(jié)點包含更多的校驗信息，基于變量節(jié)點的算法均