基于5G系统的自适应参数量化LDPC编译码matlab性能仿真

目录1.引言2.算法测试效果3.算法涉及理论知识概要3.1 自适应参数量化译码原理3.2 自适应参数量化完整实现步骤4.核心程序5.完整算法代码文件获得1.引言5G通信系统采用LDPC码作为数据信道的编码方案该码具备码长灵活、译码并行度高的优势适配5G高速率传输需求。在硬件实现LDPC译码时浮点译码虽然拥有最优误码性能但硬件资源开销巨大无法工程落地因此固定点量化成为硬件实现的必选方案。普通固定量化会受到信噪比变化带来的对数似然比动态范围波动影响低信噪比条件下信道噪声大对数似然比幅值偏小高信噪比条件下噪声减弱对数似然比幅值显著增大固定位宽的量化会出现幅值饱和或者量化精度不足的问题造成译码性能大幅损失。2.算法测试效果传统固定定点量化方案在高信噪比区域对数似然比动态范围超限发生饱和误码性能相比浮点译码存在明显的性能损失。采用本文自适应参数量化方案后低信噪比下保留完整信道缩放系数维持译码精度高信噪比切换输入为接收采样规避饱和失真。仿真结果表明自适应参数量化译码的误码、误帧性能显著优于固定量化方案同时性能略优于迭代缩放的归一化最小和量化译码而硬件开销远小于迭代缩放方案。该机制在有限的量化比特条件下缩小定点译码与浮点译码的性能差距适合5G系统LDPC译码器的硬件工程实现。3.算法涉及理论知识概要3.1 自适应参数量化译码原理定点量化一般使用(q,f)定点格式描述q代表总量化比特数f代表小数部分比特数。总比特数确定时小数比特越多量化精度越高但可表示数据动态范围越小小数比特减少可表示幅值范围变大但量化步长增大精度下降。传统固定量化方案全程使用同一套定点格式无法同时兼顾动态范围与量化精度。低信噪比时噪声方差sigma^2数值大2*rv/sigma^2幅值整体偏小此时优先保证量化精度采用完整的信道先验对数似然比2*rv/sigma^2作为译码器输入使用小数位更多的定点格式完成量化。当信道信噪比超过预设阈值之后噪声方差变小2*rv/sigma^2的动态范围超出定点格式可表示区间发生饱和失真此时放弃完整信道缩放系数直接将接收信号rv作为变量节点初始输入降低对数似然比的整体幅值压缩信号动态范围避免饱和问题仅需要切换量化定点格式就可以在有限比特下保留有效信息。自适应参数量化的核心就是设置信噪比阈值C根据实时信道信噪比与阈值C的大小关系动态切换变量节点初始先验信息yv的计算方式表达式为阈值C不是理论推导得到需要针对5G‑LDPC的码率、扩展因子通过大量蒙特卡洛仿真确定。在本文面向的5G系统场景下通过多组仿真对比不同阈值下的误码率、误帧率曲线确定最优阈值C0.4dB。当信噪比低于阈值信道噪声较强保留完整信道缩放增益获取足够的译码精度信噪比高于阈值直接使用接收采样rv压缩对数似然比动态范围规避定点饱和带来的性能损失。该方案不需要在迭代内部引入迭代相关的缩放因子、多级移位运算仅依靠多路选择器完成输入的切换相比迭代过程中对内外信息做迭代式缩放的方案不会带来大量加法器、移位器硬件开销仅仅需要信道模块输出信噪比估计值作为多路选择器控制信号硬件实现代价很低。3.2 自适应参数量化完整实现步骤步骤1信道接收与信噪比估计接收端完成5G‑LDPC码的BPSK解调获取经过AWGN信道污染的接收采样序列rv同时信道估计模块完成信道信噪比估计得到当前时刻信道SNR数值将估计结果作为自适应切换的控制信号。步骤2自适应选择初始先验对数似然比将估计信噪比和预设阈值C0.4dB做比较。SNR0.4dB按照yv2*rv/sigma^2计算初始对数似然比若SNR0.4dB直接取接收采样值令yvrv。之后对yv做定点饱和量化低信噪比条件采用高小数位定点格式高信噪比切换为适配\(r_v\)幅值的定点格式超出定点可表示区间的数据执行截断饱和处理限制对数似然比最大、最小幅值。步骤3校验节点迭代更新读取来自各个邻接变量节点经过量化后的外信息Lnc计算输入信息符号乘积Scv求取除目标边之外全部输入绝对值的最小值乘以归一化补偿系数alpha得到校验节点输出外信息Rcv对输出结果执行定点饱和处理防止迭代过程中数值溢出。步骤4变量节点迭代更新汇总全部邻接校验节点输出的量化外信息执行加法运算减去对应变量节点的初始量化先验信息yv得到变量节点发送至各个校验节点的外信息Lvc加法运算后做饱和截断维持在定点数表示范围之内。步骤5后验信息计算、硬判决与迭代终止判断累加全部校验节点传递到变量节点的外信息叠加初始先验信息得到后验对数似然比Lv根据符号完成比特硬判决。校验输出码字是否满足全部奇偶校验方程若全部校验式成立立刻终止迭代输出译码比特若不满足则判断当前迭代次数。未达到最大迭代次数则回到步骤3继续迭代更新达到最大迭代次数直接输出判决比特结束译码流程。4.核心程序% start simulating for indx list_indx snr list_snr(indx); sum_err_nms_pun 0; sum_bits 0; for indx_block 1:MAX_BLOCK [C,snr,indx_block] % get tbs_bits tbs_bits randi(2, 1, ldpc_param.B) - 1; % code block segmentation [cbs_bits] nr15_ldpc_cbs(tbs_bits, ldpc_param); % encode [coded_bits, punctured_bits] nr15_fec_ldpc_encoder_mex(cbs_bits,ldpc_param); % rate matching [rmed_bits] nr15_fec_ldpc_rate_matching(coded_bits,ldpc_param); % map mapped_sigs -2.*rmed_bits1; % through channel received_sigs awgn(mapped_sigs,snr10*log10(code_rate/0.5)); % get llr sigma2 1/10^((snr10*log10(code_rate/0.5))/10); llr0 2*received_sigs./sigma2; %量化参数 if snrC q 6; f 1; else q 6; f 2; end llr qbit(llr0,q,f); % rate dematching dermed_llr nr15_fec_ldpc_rate_dematching(llr,ldpc_param); % statistics of one block sum_bits sum_bits K; if (sum_err_nms_pun MIN_ERR || flag_nms_pun 0) break; end end list_ber_nms_pun(indx) sum_err_nms_pun/sum_bits; end Csave{ij}list_ber_nms_pun; end figure; semilogy(list_snr,list_ber_nms_pun,b-o); grid on xlabel(SNR); ylabel(error); save Q1nms.mat list_snr list_ber_nms_pun Csave Cs5.完整算法代码文件获得完整程序见博客首页左侧或者打开本文底部GZH名片V关注后回复码X154V