随着通信技术的发展,通信终端逐渐采用软件的方式来兼容多种通信制式和协议。针对以计算机中央处理器(CPU)作为运算单元的传统软件无线电架构,无法满足高速无线通信系统如多进多出(MIMO)等宽带数据的吞吐率要求问题,提出了一种基于图形...随着通信技术的发展,通信终端逐渐采用软件的方式来兼容多种通信制式和协议。针对以计算机中央处理器(CPU)作为运算单元的传统软件无线电架构,无法满足高速无线通信系统如多进多出(MIMO)等宽带数据的吞吐率要求问题,提出了一种基于图形处理器(GPU)的低密度奇偶校验(LDPC)码译码器的加速方法。首先,根据GPU并行加速异构计算在GNU Radio 4G/5G物理层信号处理模块中的加速表现的理论分析,采用了并行效率更高的分层归一化最小和(LNMS)算法;其次,通过使用全局同步策略、合理分配GPU内存空间以及流并行机制等方法减少了译码器的译码时延,同时配合GPU多线程并行技术对LDPC码的译码流程进行了并行优化;最后,在软件无线电平台上对提出的GPU加速译码器进行了实现与验证,并分析了该并行译码器的误码率性能和加速性能的瓶颈。实验结果表明,与传统的CPU串行码处理方式相比,CPU+GPU异构平台对LDPC码的译码速率可提升至原来的200倍左右,译码器的吞吐量可以达到1 Gb/s以上,特别是在大规模数据的情况下对传统译码器的译码性有着较大的提升。展开更多
为了进一步提高通信系统的可靠性,提出一种联合信源信道译码(JSCD)方案。该方案利用一个软输入软输出(SISO)译码器对可变长码(VLC)实施软译码。SISO-VLC译码器利用信源符号的先验信息,采用BCJR算法,得到压缩比特的后验概率。该方案将VL...为了进一步提高通信系统的可靠性,提出一种联合信源信道译码(JSCD)方案。该方案利用一个软输入软输出(SISO)译码器对可变长码(VLC)实施软译码。SISO-VLC译码器利用信源符号的先验信息,采用BCJR算法,得到压缩比特的后验概率。该方案将VLC与低密度奇偶校验(LDPC)码串行级联,在译码端SISO-VLC译码器将外信息传递给LDPC译码器,实现信源信道联合译码。在加性高斯白噪声环境下,对该方案的误码率和误符号率进行评估,并与分离信源信道译码(SSCD)比较。仿真结果表明,在一定复杂度的情况下,该方案在低信噪比下具有很高的可靠性;与SSCD相比,能获得0.2 d B的编码增益。展开更多
针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。研究结果表明,该方法对码长...针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。同时表明在加性高斯白噪声(AWGN)信道和置信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3 d B。展开更多
为降低LDPC(低密度奇偶校验码)码错误平层,提出一种基于环分类搜索的APPS-LDPC(数列分割移位的LDPC)码构造算法。该算法具有码长、码率和列重的任意可设性,同时该类码的Tanner图围长至少为8。循环移位因子可以通过简单的代数表达式描述...为降低LDPC(低密度奇偶校验码)码错误平层,提出一种基于环分类搜索的APPS-LDPC(数列分割移位的LDPC)码构造算法。该算法具有码长、码率和列重的任意可设性,同时该类码的Tanner图围长至少为8。循环移位因子可以通过简单的代数表达式描述,从而降低内存需求。仿真结果表明,当误码率达到10-5时,APPS-LDPC码(496,248)相对于PEG-LDPC(渐进边增长LDPC)码获得了约1.9 d B的性能提升;随着信噪比的升高,两条译码性能曲线之间的差距将更大。此外,列重为3的APPS-LDPC码(6144,5376)在信噪比4.6 d B以后并未出现明显的错误平层。该构造算法与PS-LDPC码相比,在误码率达到10-8时大约获得0.25 d B增益;与围长为4和6的PEG构造算法相比,在错误平层区域其译码性能极优;同时相较于此两者,其构造复杂度和耗时也展现出一定优势。通过基于Tanner图的诱捕集分析方法,统计APPS-LDPC码(496,248)中由8环组成的部分小型诱捕集并不存在,从而证明了其错误平层降低的原因。展开更多
空间耦合低密度奇偶校验(spatially coupled low density parity check,SC-LDPC)码在次最优迭代译码算法下能够达到最大后验概率(maximum a posterior,MAP)译码性能,但其优异的性能需要在码长很长迭代次数很多时才能实现。当采用传统迭...空间耦合低密度奇偶校验(spatially coupled low density parity check,SC-LDPC)码在次最优迭代译码算法下能够达到最大后验概率(maximum a posterior,MAP)译码性能,但其优异的性能需要在码长很长迭代次数很多时才能实现。当采用传统迭代译码算法时,实现的复杂度将以指数增加,无法应用。为有效降低译码复杂度,滑窗译码算法被应用于空间耦合LDPC码的译码,但由于引入窗口截断,会造成译码性能的损失。针对上述问题,结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而加快译码收敛速度,提升译码性能。仿真结果表明:当传输在加性高斯白噪声信道时,所提的深度迭代译码算法在相同迭代次数下的译码性能均优于传统迭代译码算法和滑窗译码算法。展开更多
文摘随着通信技术的发展,通信终端逐渐采用软件的方式来兼容多种通信制式和协议。针对以计算机中央处理器(CPU)作为运算单元的传统软件无线电架构,无法满足高速无线通信系统如多进多出(MIMO)等宽带数据的吞吐率要求问题,提出了一种基于图形处理器(GPU)的低密度奇偶校验(LDPC)码译码器的加速方法。首先,根据GPU并行加速异构计算在GNU Radio 4G/5G物理层信号处理模块中的加速表现的理论分析,采用了并行效率更高的分层归一化最小和(LNMS)算法;其次,通过使用全局同步策略、合理分配GPU内存空间以及流并行机制等方法减少了译码器的译码时延,同时配合GPU多线程并行技术对LDPC码的译码流程进行了并行优化;最后,在软件无线电平台上对提出的GPU加速译码器进行了实现与验证,并分析了该并行译码器的误码率性能和加速性能的瓶颈。实验结果表明,与传统的CPU串行码处理方式相比,CPU+GPU异构平台对LDPC码的译码速率可提升至原来的200倍左右,译码器的吞吐量可以达到1 Gb/s以上,特别是在大规模数据的情况下对传统译码器的译码性有着较大的提升。
文摘为了进一步提高通信系统的可靠性,提出一种联合信源信道译码(JSCD)方案。该方案利用一个软输入软输出(SISO)译码器对可变长码(VLC)实施软译码。SISO-VLC译码器利用信源符号的先验信息,采用BCJR算法,得到压缩比特的后验概率。该方案将VLC与低密度奇偶校验(LDPC)码串行级联,在译码端SISO-VLC译码器将外信息传递给LDPC译码器,实现信源信道联合译码。在加性高斯白噪声环境下,对该方案的误码率和误符号率进行评估,并与分离信源信道译码(SSCD)比较。仿真结果表明,在一定复杂度的情况下,该方案在低信噪比下具有很高的可靠性;与SSCD相比,能获得0.2 d B的编码增益。
文摘针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。同时表明在加性高斯白噪声(AWGN)信道和置信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3 d B。
文摘为降低LDPC(低密度奇偶校验码)码错误平层,提出一种基于环分类搜索的APPS-LDPC(数列分割移位的LDPC)码构造算法。该算法具有码长、码率和列重的任意可设性,同时该类码的Tanner图围长至少为8。循环移位因子可以通过简单的代数表达式描述,从而降低内存需求。仿真结果表明,当误码率达到10-5时,APPS-LDPC码(496,248)相对于PEG-LDPC(渐进边增长LDPC)码获得了约1.9 d B的性能提升;随着信噪比的升高,两条译码性能曲线之间的差距将更大。此外,列重为3的APPS-LDPC码(6144,5376)在信噪比4.6 d B以后并未出现明显的错误平层。该构造算法与PS-LDPC码相比,在误码率达到10-8时大约获得0.25 d B增益;与围长为4和6的PEG构造算法相比,在错误平层区域其译码性能极优;同时相较于此两者,其构造复杂度和耗时也展现出一定优势。通过基于Tanner图的诱捕集分析方法,统计APPS-LDPC码(496,248)中由8环组成的部分小型诱捕集并不存在,从而证明了其错误平层降低的原因。
文摘空间耦合低密度奇偶校验(spatially coupled low density parity check,SC-LDPC)码在次最优迭代译码算法下能够达到最大后验概率(maximum a posterior,MAP)译码性能,但其优异的性能需要在码长很长迭代次数很多时才能实现。当采用传统迭代译码算法时,实现的复杂度将以指数增加,无法应用。为有效降低译码复杂度,滑窗译码算法被应用于空间耦合LDPC码的译码,但由于引入窗口截断,会造成译码性能的损失。针对上述问题,结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而加快译码收敛速度,提升译码性能。仿真结果表明:当传输在加性高斯白噪声信道时,所提的深度迭代译码算法在相同迭代次数下的译码性能均优于传统迭代译码算法和滑窗译码算法。
