[发明专利]一种低密度奇偶校验码的错误概率估计方法

说明书

技术领域

本发明涉及数字通信差错控制编码领域，尤其涉及一种低密度奇偶校验码的错误概率估计方法。

背景技术

信道编码是实现消息的可靠传输的有效途径。在数字通信系统中，衡量纠错码性能的指标是比特或码字的错误概率，比特或码字的错误概率反映了系统的可靠性。目前，获取编码通信系统错误概率的方法有三大类：解析法，计算机仿真方法及基于硬件平台的仿真方法。低密度奇偶校验（Low-Density Parity-Check，LDPC）码是一种性能接近香农极限的好码，其在高信噪比下的错误概率很低。针对码长为有限长的LDPC码的性能估计，现有的解析法应用起来非常困难，并且基于硬件平台的仿真方法的开发周期长、成本高、可移植性差，因此简单、可移植性强、灵活性高的仿真方法的应用获得了极大推广。

目前，蒙特卡罗（Monte Carlo，MC）法是纠错码性能估计中最常用的仿真方法。但是，LDPC码在高信噪比下的错误概率很低，运用MC法估计该类码的性能时，估计器方差的收敛速度缓慢，需要耗费大量的仿真时间。

针对该问题，为减小仿真时间，提出了重点采样（Importance Sampling，IS）法，该方法是一种能降低估计器方差的仿真方法，一定程度上解决了MC法在估计低错误概率时遇到的问题，已在LDPC码的性能仿真中获得了广泛应用，缩短了仿真时间。这种方法的思想在于选取一个合适的偏置分布，使导致译码错误的样本数在仿真总样本数中所占的比例升高，从而降低错误概率估计器的方差，缩短仿真时间。最早应用于LDPC码性能仿真中的IS法是经典IS法，在该方法中，偏置分布的获取依赖于分析码字结构及错误区域特性，当码字结构是非规则结构，且仿真中采用迭代译码时，上述分析变得十分困难，使得经典的IS法不能估计非规则结构的LDPC码的性能。

自适应重点采样（Adaptive Importance Sampling，AIS）方法是上述经典IS方法的改进方法，它无需分析LDPC码的码字结构，也不依赖具体的译码算法，能够在有限次的迭代过程中自适应地获得趋近于最优的偏置分布，因而能灵活应用于各种类型的LDPC码中。双自适应重点采样（Dual Adaptive Importance Sampling，DAIS）法和快速平坦直方图（Fast Flat Histogram）法是AIS法在纠错码性能估计领域中的发展和应用。该类方法利用一个预先定义的变量来控制偏置分布的更新，使偏置分布逐渐趋近于最优，从而获得系统的错误概率。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

AIS方法和DAIS方法在高信噪比下仍需要较大的仿真译码运算量，在运行低错误概率的仿真时需要较长的仿真时间。

发明内容

本发明提供了一种低密度奇偶校验码的错误概率估计方法，减少了仿真译码运算量，缩短了仿真时间。

本发明的特征是基于不同信噪比下属于同一个控制变量子区间内的条件错误概率相等这一现象，利用参考信噪比下的条件错误概率值计算输入信噪比下的联合概率值，进一步估计低密度奇偶校验码的错误概率。其中，控制变量是信道噪声各个分量的函数。

一种低密度奇偶校验码的错误概率估计方法，所述方法包括以下步骤：

(1)利用蒙特卡罗仿真方法确定参考信噪比SNR_ref；

(2)定义控制变量V(z)，将V的取值范围划分为若干个子区间；估计SNR_ref下噪声z落入V的第k个子区间的概率P_k，ref，第k个子区间内噪声导致译码错误的条件概率P_err|k，ref，以及在导致译码错误的所有噪声中，落入V的第k个子区间的噪声占总数的条件概率P_k|err，ref，并确定可信区间；

(3)输入待仿真的信噪比SNR_obj，判断输入信噪比SNR_obj是否小于SNR_ref，当SNR_obj≤SNR_ref，采用蒙特卡罗法估计系统的错误概率，流程结束；当SNR_obj>SNR_ref，执行步骤(4)；

(4)估计SNR_obj下噪声落入V的第k个子区间的概率P_k，obj；