0 引言

    隨著移動互聯(lián)網和物聯(lián)網的不斷發(fā)展，第五代移動通信(Fifth-Generation Mobile Communication Technology，5G)面臨移動通信爆發(fā)式增長^[1-2]。5G技術不僅需要大幅度提升頻譜利用效率，而且需要具備支持海量設備連接的能力^[3-6]。由于低密度奇偶校驗(Low Density Parity Check，LDPC)碼具有高可靠性、快速收斂性及較強抗突發(fā)錯誤能力^[7-8]，可以提高系統(tǒng)有效性^[9-10]，使得3GPP RAN1會議在2016年確定在5G移動通信中使用LDPC碼作為移動帶寬eMBB業(yè)務數據的長碼塊編碼方案。

    本文對2004年由王鵬提出的LDPC碼迭代編碼算法^[11]進行改進，轉變?yōu)檫m用于多元LDPC碼的編碼算法，稱為多元迭代編碼算法；2005年，Hu Xiaoyu提出了漸進邊增長（Progressive Edge Growth，PEG）構造算法^[12]，該算法譯碼性能好，但編碼復雜度較高。本文針對PEG算法具有高編碼復雜度這一缺點，提出改進的PEG算法，即irPEG算法；結構化構造算法，即QC-LDPC構造算法^[13]，該算法復雜，譯碼性能差于隨機構造算法，但復雜度大幅度下降，硬件實現(xiàn)性強。本文提出一種改進的QC-LDPC算法，使校驗矩陣具有下三角結構，降低復雜度，加快收斂速度，構造出無短環(huán)的校驗矩陣。然后，從編碼復雜度和糾錯性能兩方面考慮，基于多元迭代編碼算法，提出混合構造算法，即HC構造算法，將隨機構造和結構化構造算法結合，irPEG算法構造基矩陣，改進的QC-LDPC算法生成循環(huán)移位矩陣和有限域系數矩陣，消除短環(huán)影響，設置校驗矩陣個數，從中選取最優(yōu)校驗矩陣。該算法既具有隨機構造的隨機性，又保持結構化構造的低復雜度，降低結構化構造對誤碼性能帶來的損失，是比較折中的算法。

1 多元迭代編碼算法

    在圖1中對角線上的元素全部為GF(q)域上的非“0”元素，并且剩余的非“0”元素全部對應于對角線左邊。若構造出的多元LDPC校驗矩陣具有圖1的結構，則在編碼過程中可直接采用迭代編碼算法編碼。

其中，l∈[0，n-k-1]，h_i，j表示校驗矩陣H中第i行j列上的元素，且k=n-m。由式(1)知，多元迭代編碼算法過程為利用校驗矩陣H中各行約束關系，采用后項迭代算法，逐次計算每個校驗位符號值。

    對迭代編碼算法改進，將二元迭代編碼時采用的與(AND)和異或(XOR)運算，改進為GF(q)域上乘法和加法運算。同時多元迭代編碼算法的運算過程中引入了GF(q)域上除法運算。對運算量簡化，將對角線上元素設置為1，式(1)改為式(2)。

2 混合構造算法

2.1 irPEG構造算法

    針對PEG算法具有較高編碼復雜度的缺點，提出一種具有下三角結構非規(guī)則的PEG算法，即irPEG算法。該算法從編碼方案、構造校驗矩陣方面改進，以降低編碼復雜度，提升糾錯性能。具體步驟如下：

    (1)確定基矩陣中各參數

    行列數、變量節(jié)點度分布序列，并且初始化基矩陣的信息，包括與變量節(jié)點相互連接的校驗節(jié)點的集合以及它的補集。

    (2)構造基矩陣對角線右側下三角部分

    首先采用后項迭代算法從最后一列變量節(jié)點構造，根據變量節(jié)點度分布^[14]向前連接校驗節(jié)點。每列中第一個非“0”元素位置必須與對角線上校驗節(jié)點連接，其余非“0”元素需添加在對角線左側。尋找所有與該變量節(jié)點連接的校驗節(jié)點集合，從中篩選度數最小的校驗節(jié)點集合。若該集合含有多元素，則從中刪除構成短環(huán)的校驗節(jié)點，隨機連接剩余某校驗節(jié)點，若只有一個元素，則直接連接該校驗節(jié)點。

    (3)構造基矩陣的前n-m列

    從第n-m個變量節(jié)點依次向前構造。根據初始化變量節(jié)點度分布序列選擇度數最小的校驗節(jié)點，保證每行行重相比于平均行重相差不大。刪除構成短環(huán)的校驗節(jié)點后，從剩余校驗節(jié)點中隨機連接。

    由于構造出的矩陣具有下三角結構，構造時在滿足式(4)度分布的基礎上，將矩陣最后一列列重設置為1，校驗部分對角線上元素均為1，下三角部分均為0元素。由此可見，可以利用式(2)直接采用后多元迭代編碼算法進行編碼。

2.2 混合構造算法

    雖然irPEG算法結合多元迭代編碼算法可大大降低編碼復雜度，但更適用于中短碼硬件實現(xiàn)，對于長碼來說，硬件實現(xiàn)復雜度依然較高。此時犧牲多元LDPC碼一定糾錯性能，在改進的QC-LDPC算法的基礎上使其具有下三角結構，同時采用irPEG算法構造基矩陣W_J×L，提高多元LDPC碼隨機性，降低結構化構造對糾錯性能帶來的損失。將改進的QC-LDPC構造算法與irPEG算法結合，稱為混合構造算法，即HC構造算法。HC構造算法步驟如下：

    (1)irPEG算法構造基矩陣W_J×L。

    給定多元LDPC碼度分布，根據irPEG算法構造出具有下三角結構二元基矩陣，大小為J×L。

    (2)確定有限域元素系數矩陣Gc_J×L，根據基矩陣非“0”元素位置，在(0，q-1)間隨機選擇gc_j，l值。

    (3)基矩陣W_J×L確定循環(huán)移位系數矩陣S_J×L。

    將循環(huán)移位系數矩陣S_J×L對角線上系數設為0，隨機選擇移位系數s_j，l，通過W_J×L結合避免長度為2ⁱ的充分必要條件，如式(5)所示，確定移位系數矩陣S_J×L中移位系數s_j，l。

其中，0表示p×p維的零矩陣，P表示p×p維的單位陣，碼長為n=p×L，碼率為r=(1-J/L)。HC構造算法的流程圖如圖2所示。

3 編碼復雜度分析

    PEG算法、irPEG算法、HC算法的編碼復雜度如表1所示。其中，w是生成矩陣的平均列重，n是碼長，k是信息位長。

    在存儲復雜度方面，HC算法構造的LDPC碼存儲矩陣時存儲一個p×p維目標方陣P、一個J×L維多元系數矩陣GcJ×L及一個J×L循環(huán)移位系數矩陣S_J×L。irPEG算法構造同樣大小校驗矩陣，存儲一個p×J×p×L大小的校驗矩陣?？梢姡琀C算法與irPEG算法相比具有更簡單的矩陣存儲結構。

    在編碼復雜度方面，PEG算法采用高斯消去編碼算法，irPEG算法和HC算法采用多元迭代編碼算法。高斯消去編碼復雜度包含預處理，運算復雜度為o(n³)，編碼復雜度為o(n²)，整個編碼過程需wn次乘法，(w-1)n次加法。多元迭代編碼算法整個編碼過程用到(w-1)(n-k)次加法，w(n-k)次乘法。

    irPEG算法和HC算法能直接構造出下三角校驗矩陣，避免了校驗矩陣預處理的同時保證了校驗矩陣的稀疏性。因此，w相對于n可以看成非常小的常數，實現(xiàn)多元LDPC碼的線性復雜度編碼，與傳統(tǒng)的構造算法相比，大幅度地降低了編碼的復雜度。

4 仿真結果及分析

    仿真參數設置：度分布服從式(4)的多元LDPC碼，矩陣通過PEG算法和irPEG算法生成，在十六進制1/2碼率（Code1）和3/4碼率（Code2）下進行仿真，Code1時，信息位長為512 bit；Code2時，信息位長為176 bit。譯碼采用Mixed Log-FFT-BP譯碼算法^[15]，迭代次數25，BPSK調制，AWGN信道。

    圖3和圖4分別為Code1和Code2時不同碼率下的糾錯性能。由圖3和圖4可知，irPEG算法與PEG算法誤碼率相比，性能相差不大，表明irPEG算法構造具有下三角結構的多元LDPC碼在大幅度降低硬件實現(xiàn)復雜度的同時，具有較強的糾錯能力。

    對Code1和Code2譯碼時間進行測量，保持仿真環(huán)境一致性，如表2和表3所示。由表2可知，irPEG算法時間明顯比PEG算法少，當誤比特數較少時，時間節(jié)省量少于50%，隨著誤比特數增加，時間節(jié)省量穩(wěn)定在50%，因此，irPEG算法耗費時間僅為PEG算法50%。Code2在信噪比為4 dB時的仿真測試結果如表3所示，同樣表明譯碼所需時間減少一半。

    參數設置如下：碼率1/2、2/3、3/4、4/5、6/7，矩陣通過PEG和HC生成，十六進制(Code3)下仿真，1/2碼率時，基矩陣16列，目標矩陣P為24×24單位陣；2/3碼率時，基矩陣18列，P為16×16單位陣；3/4碼率時，基矩陣16列，P為16×16單位陣；4/5碼率時，基矩陣20列，P為12×12單位陣；6/7碼率時，基矩陣14列，P為16×16單位陣，固定信息位長768 bit。圖5為Code3情況時，PEG算法與HC算法在不同碼率下的誤比特率性能。

    由圖5可知，HC算法與PEG算法構造的多元LDPC碼在低信噪比時沒有明顯差別；在高信噪比下HC算法性能略差于PEG算法構造的多元LDPC碼，因此兩種算法具有一致的編碼增益。

5 結論

    本文提出基于多元LDPC碼迭代編碼算法的混合校驗矩陣構造算法，首先對迭代編碼算法改進，使其適用于多元LDPC碼；然后采用后項迭代法使PEG算法具有下三角結構，并將其作為混合構造算法基矩陣；最后采用改進后具有下三角的QC-LDPC碼算法生成循環(huán)移位矩陣和有限域系數矩陣，設置校驗矩陣的個數，從中選取最優(yōu)的校驗矩陣，該校驗矩陣消除了短環(huán)影響，形成混合構造算法。仿真結果表明，本文提出的算法可以更好地適用于5G移動通信系統(tǒng)且滿足譯碼算法的需求，對于高速通信設備來說是一種很好的候選校驗矩陣構造算法。

參考文獻

[1] TANG B，YANG S H.An LDPC approach for chunked network codes[J].IEEE-ACM Transactions on Networking，2018，26(1)：605-617.

[2] MENG J H，ZHAO D F，TIAN H，et al.Sum of the Magnitude for hard decision decoding algorithm based on loop update detection[J].Sensors，2018，18(1)：236.

[3] ZHANG C，HUANG Y H，SHEIKH F.Advanced baseband processing algorithm[J].Circuits, and Implementations for 5G Communication.IEEE Journal on Emerging and Selected Topics in Circuits and Systems，2017，7(4)：477-490.

[4] DJORDJEVIC I B.Multidimensional OAM-Based secure high-speed wireless communications[J].IEEE Access，2017，5(4)：16416-16428.

[5] MALANDRINO F，CHIASSERINI C F，KIRKPATRICK C.Cellular network traces towards 5G：using，analysis and generation[J].IEEE Transactions on Mobile Computing，2018，17(3)：529-542.

[6] SOTELO M，MARCO A，MAESTRE V，et al.Reasoning and knowledge acquisition framework for 5G network analytics[J].Sensors，2017，17(10)：2405.

[7] YU Y，CHEN W.Design of low complexity non-binary LDPC codes with an approximated performance-complexity tradeoff[J].IEEE Communications Letters，2012，16(4)：514-517.

[8] SONG L Y，HUANG Q，WANG Z L.Two enhanced reliability-based decoding algorithm for nonbinary LDPC codes[J].IEEE Transactions on Communications，2016，64(2)：479-489.

[9] ZHAO S C，MA X.Construction of high-performance array-based non-binary LDPC codes with moderate rates[J].IEEE Communications Letters，2016，20(1)：13-16.

[10] XIA T，WU H C.Blind identification of nonbianry LDPC codes using average LLR of syndrome a posteriori proba-bility[J].IEEE Communications Letters，2013，17(7)：1301-1304.

[11] 王鵬，王新梅.LDPC碼的快速編碼研究[J].西安電子科技大學學報，2004，6(31)：934-938.

[12] Hu Xiaoyu，EVANGELOS E，DIETER M A.Progressive edge growth tanner graphs[J].IEEE Transactions on Information Theory，2005，51(1)：995-1001.

[13] DRAGOI V，KALACHI H T.Cryptanalysis of a public key encryption scheme based on QC-LDPC and QC-MDPC codes[J].IEEE Transactions on Information Theory，2018，22(2)：264-267.

[14] TONG N N.Research of encode and decode algorithm optimization and application for non-binary LDPC codes[D].Harbi：Harbin Engineering University，2014.

[15] SONG H，CRUZ J R.Reduced-complexity decoding of Qary LDPC codes for magnetic recording[J].IEEE Transactions on Magnetics，2003，39(2)：1081-1087.

作者信息:

孟嘉慧，趙旦峰，張  良

(哈爾濱工程大學 信息與通信工程學院，黑龍江 哈爾濱150001)