活动介绍

LDPC编码技术解析

立即解锁
发布时间: 2025-08-27 01:50:28 阅读量: 6 订阅数: 19
PDF

5G NR技术详解与展望

# LDPC 编码技术解析 ## 1. LDPC 解码器复杂度与基础矩阵特性 当基础矩阵中有更多元素为“0”时,LDPC 解码器的复杂度会降低,因为此时无需进行循环移位。对于基础矩阵的任意列,若每列的第一个非 1 元素为“0”,在更新前两列时就能得到原始顺序的系统位。不过,考虑到 LDPC 码的性能和实现复杂度,最终未采用将每列第一个非 1 元素固定为“0”的方案。 ## 2. 基础图的打孔方法 打孔一个或几个系统节点能显著提高 LDPC 码的阈值。为提升性能,被打孔的节点应与图的其余部分连接良好。选择打孔的系统节点数量时,需权衡误块率(BLER)性能(即降低阈值)和因添加打孔系统节点导致处理更长码字所需的额外解码器硬件。 系统位对应列权重较大的变量节点不传输,可进一步提升准循环 LDPC(QC - LDPC)码的性能。基础图打孔有以下四种候选方案: - 不考虑固定打孔。 - 打孔前 Z 个系统位。 - 打孔前 2Z 个系统位。 - 打孔最后 2Z 个系统位。 基于评估性能和矩阵结构设计考虑,为确保校验节点通过与前几个变量节点的全连接实现软信息的流畅传输,系统位矩阵最左列的列权重设计得很大。最终,NR 决定一开始打孔前 2Z 个系统位。 ## 3. 提升大小 对于每个基本图,可通过相应的基本矩阵,根据提升值 Z 将每个元素替换为对应的 Z×Z 循环移位矩阵,得到特定的奇偶校验矩阵。通过改变提升大小可支持不同的块大小。提升值还会通过内置并行性影响编码器/解码器的吞吐量和延迟,进而影响 LDPC 的性能和实现。一般来说,较大的移位大小会降低延迟,但也可通过并行处理多个校验/变量节点或使用多个独立解码器等技术进一步降低延迟,因此并非必须支持非常大的移位大小。 NR 考虑从候选集{256, 512, 1024, B320, B384}中选择最大提升值。其中,较大的 Z 值(如 Zmax = 1024)可能导致奇偶校验矩阵(PCM)的行数/列数非常小,从而影响性能。综合考虑吞吐量、延迟、性能和灵活性,NR 最终同意使用 Zmax = 384。 为支持 LDPC 码的灵活块大小,需设计多个提升大小。在选择提升大小的粒度时,不同公司有不同建议: - 一些公司提议粒度为 1(即 Zmin:1:Zmax)。 - 另一些公司从实现和资源利用角度出发,不建议连续的提升大小,而是建议在最小值和最大值之间以不同粒度提取提升大小,如{1: 1: 8, 8: 1: 16, 16: 2: 32, 32:4:64, 64:8:128, 128:16:256, 256:32:512},提升大小的粒度为 2L(L ≥ 0)。对于较大范围的提升大小,支持的提升大小粒度为 2L(L ≥ 3)。 对于 LDPC 码,若并行性是 2 的幂,例如可使用 Banyan 网络高效实现移位网络。对于分层解码器,当解码器并行性小于 Z 时,提升大小 Z 应等于解码器并行性的整数倍。若 Z 等于 2j(j 为正整数)的素数整数倍,可为并行性选择提供更多正整数因子。最终,NR 确定提升值的格式为 Z = a×2j,其中 a = {2, 3, 5, 7, 9, 11, 13, 15},j = {0, 1, 2, 3, 4, 5, 6, 7}。2j 的值尽可能用 Banyan 网络设计,引入因子 a 可减少填充位的数量。 为实现误块率性能和硬件面积效率的良好权衡,关键是减少解码器必须处理的提升大小 Z 的数量。不同公司提出了以下解决方案: - 一些公司提议对提升大小进行聚类或分组设计,每组由彼此接近的提升大小组成,使用相同的偏移系数设计。 - 一些公司建议根据 a 的不同值进行分组。在每组中,基于组内最大提升大小 Za,max 设计移位系数,以获得每组的相应移位系数表。组内其他提升大小 Z 的移位系数根据 Pm,n a;Z = Pm,n a modZ 获得,其中 Pa m,n 表示组移位系数表中的(m, n)移位系数。 - 一些公司提议构建基本偏移系数表,不同的提升大小可通过该表的模运算或整除运算得出。 考虑到 BLER 性能和实现,NR 根据 a 的不同值构建了总共八个偏移系数表(iLS = {0, 1, 2, 3, 4, 5, 6, 7})。每个偏移系数表支持的提升大小值如下表所示: | iLS | 提升大小值 Z | | --- | --- | | 0 | {2, 4, 8, 16, 32, 64, 128, 256} (a = 2) | | 1 | {3, 6, 12, 24, 48, 96, 192, 384} (a = 3) | | 2 | {5, 10, 20, 40, 80, 160, 320} (a = 5) | | 3 | {7, 14, 28, 56, 112, 224} (a = 7) | | 4 | {9, 18, 36, 72, 144, 288} (a = 9) | | 5 | {11, 22, 44, 88, 176, 352} (a = 11) | | 6 | {13, 26, 52, 104, 208} (a = 13) | | 7 | {15, 30, 60, 120, 240} (a = 15) | 在每个偏移系数表中,对应提升大小 Z 的偏移系数根据 Pm,n a;Z = Pm,n a modZ 计算。 ## 4. 码块分割和码块循环冗余校验(CRC)附加 ### 4.1 最大码块大小 信道编码器输入的最大码块大小 Kmax 是重要的设计参数,影响码块分割和解码器的实现复杂度。LTE 中 Turbo 码的最大码块大小为 6144 位,当码块大小大于 6144 位时进行分割。同样,NR LDPC 码也需定义最大码块大小以进行码块分割。对于 LDPC 码的最大码块大小,不同公司提出了以下设计方案: - Kmax = 12288 位(即一个 IP 数据包中的位数)。 - 从硬件实现角度看,选择 Kmax = 2n 更合理,建议使用 Kmax = 8192。 - 对于 LDPC 解码器,最大码块大小 Kmax 越大,内存消耗越高。因此建议 LDPC 码的最大码块大小与 LTE Turbo 码相似(即 6144 ≤ Kmax ≤ 8192)。 选择最大码块大小主要考虑性能和实现复杂度。一些公司发现 8K 和 12K 码块大小的性能差异可忽略不计。由于 LDPC 解码器的内存和更新逻辑数量与最大码块大小成正比,最大 12K 码块大小的 LDPC 解码器实现复杂度比最大 8K 码块大小增加 50%。结合基础图设计,NR 最终同意 LDPC 的最大块大小为 Kmax = 84
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

郑天昊

首席网络架构师
拥有超过15年的工作经验。曾就职于某大厂,主导AWS云服务的网络架构设计和优化工作,后在一家创业公司担任首席网络架构师,负责构建公司的整体网络架构和技术规划。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

黎曼zeta函数与高斯乘性混沌

### 黎曼zeta函数与高斯乘性混沌 在数学领域中,黎曼zeta函数和高斯乘性混沌是两个重要的研究对象,它们之间存在着紧密的联系。下面我们将深入探讨相关内容。 #### 1. 对数相关高斯场 在研究中,我们发现协方差函数具有平移不变性,并且在对角线上存在对数奇异性。这种具有对数奇异性的随机广义函数在高斯过程的研究中被广泛关注,被称为高斯对数相关场。 有几个方面的证据表明临界线上$\log(\zeta)$的平移具有对数相关的统计性质: - 理论启发:从蒙哥马利 - 基廷 - 斯奈思的观点来看,在合适的尺度上,zeta函数可以建模为大型随机矩阵的特征多项式。 - 实际研究结果:布尔加德、布

探索人体与科技融合的前沿:从可穿戴设备到脑机接口

# 探索人体与科技融合的前沿:从可穿戴设备到脑机接口 ## 1. 耳部交互技术:EarPut的创新与潜力 在移动交互领域,减少界面的视觉需求,实现无视觉交互是一大挑战。EarPut便是应对这一挑战的创新成果,它支持单手和无视觉的移动交互。通过触摸耳部表面、拉扯耳垂、在耳部上下滑动手指或捂住耳朵等动作,就能实现不同的交互功能,例如通过拉扯耳垂实现开关命令,上下滑动耳朵调节音量,捂住耳朵实现静音。 EarPut的应用场景广泛,可作为移动设备的遥控器(特别是在播放音乐时)、控制家用电器(如电视或光源)以及用于移动游戏。不过,目前EarPut仍处于研究和原型阶段,尚未有商业化产品推出。 除了Ea

从近似程度推导近似秩下界

# 从近似程度推导近似秩下界 ## 1. 近似秩下界与通信应用 ### 1.1 近似秩下界推导 通过一系列公式推导得出近似秩的下界。相关公式如下: - (10.34) - (10.37) 进行了不等式推导,其中 (10.35) 成立是因为对于所有 \(x,y \in \{ -1,1\}^{3n}\),有 \(R_{xy} \cdot (M_{\psi})_{x,y} > 0\);(10.36) 成立是由于 \(\psi\) 的平滑性,即对于所有 \(x,y \in \{ -1,1\}^{3n}\),\(|\psi(x, y)| > 2^d \cdot 2^{-6n}\);(10.37) 由

由于提供的内容仅为“以下”,没有具体的英文内容可供翻译和缩写创作博客,请你提供第38章的英文具体内容,以便我按照要求完成博客创作。

由于提供的内容仅为“以下”,没有具体的英文内容可供翻译和缩写创作博客,请你提供第38章的英文具体内容,以便我按照要求完成博客创作。 请你提供第38章的英文具体内容,同时给出上半部分的具体内容(目前仅为告知无具体英文内容需提供的提示),这样我才能按照要求输出下半部分。

量子物理相关资源与概念解析

# 量子物理相关资源与概念解析 ## 1. 参考书籍 在量子物理的学习与研究中,有许多经典的参考书籍,以下是部分书籍的介绍: |序号|作者|书名|出版信息|ISBN| | ---- | ---- | ---- | ---- | ---- | |[1]| M. Abramowitz 和 I.A. Stegun| Handbook of Mathematical Functions| Dover, New York, 1972年第10次印刷| 0 - 486 - 61272 - 4| |[2]| D. Bouwmeester, A.K. Ekert, 和 A. Zeilinger| The Ph

人工智能与混合现实技术在灾害预防中的应用与挑战

### 人工智能与混合现实在灾害预防中的应用 #### 1. 技术应用与可持续发展目标 在当今科技飞速发展的时代,人工智能(AI)和混合现实(如VR/AR)技术正逐渐展现出巨大的潜力。实施这些技术的应用,有望助力实现可持续发展目标11。该目标要求,依据2015 - 2030年仙台减少灾害风险框架(SFDRR),增加“采用并实施综合政策和计划,以实现包容、资源高效利用、缓解和适应气候变化、增强抗灾能力的城市和人类住区数量”,并在各级层面制定和实施全面的灾害风险管理。 这意味着,通过AI和VR/AR技术的应用,可以更好地规划城市和人类住区,提高资源利用效率,应对气候变化带来的挑战,增强对灾害的

区块链集成供应链与医疗数据管理系统的优化研究

# 区块链集成供应链与医疗数据管理系统的优化研究 ## 1. 区块链集成供应链的优化工作 在供应链管理领域,区块链技术的集成带来了诸多优化方案。以下是近期相关优化工作的总结: | 应用 | 技术 | | --- | --- | | 数据清理过程 | 基于新交叉点更新的鲸鱼算法(WNU) | | 食品供应链 | 深度学习网络(长短期记忆网络,LSTM) | | 食品供应链溯源系统 | 循环神经网络和遗传算法 | | 多级供应链生产分配(碳税政策下) | 混合整数非线性规划和分布式账本区块链方法 | | 区块链安全供应链网络的路线优化 | 遗传算法 | | 药品供应链 | 深度学习 | 这些技

元宇宙与AR/VR在特殊教育中的应用及安全隐私问题

### 元宇宙与AR/VR在特殊教育中的应用及安全隐私问题 #### 元宇宙在特殊教育中的应用与挑战 元宇宙平台在特殊教育发展中具有独特的特性,旨在为残疾学生提供可定制、沉浸式、易获取且个性化的学习和发展体验,从而改善他们的学习成果。然而,在实际应用中,元宇宙技术面临着诸多挑战。 一方面,要确保基于元宇宙的技术在设计和实施过程中能够促进所有学生的公平和包容,避免加剧现有的不平等现象和强化学习发展中的偏见。另一方面,大规模实施基于元宇宙的特殊教育虚拟体验解决方案成本高昂且安全性较差。学校和教育机构需要采购新的基础设施、软件及VR设备,还会产生培训、维护和支持等持续成本。 解决这些关键技术挑

利用GeoGebra增强现实技术学习抛物面知识

### GeoGebra AR在数学学习中的应用与效果分析 #### 1. 符号学视角下的学生学习情况 在初步任务结束后的集体讨论中,学生们面临着一项挑战:在不使用任何动态几何软件,仅依靠纸和笔的情况下,将一些等高线和方程与对应的抛物面联系起来。从学生S1的发言“在第一个练习的图形表示中,我们做得非常粗略,即使现在,我们仍然不确定我们给出的答案……”可以看出,不借助GeoGebra AR或GeoGebra 3D,识别抛物面的特征对学生来说更为复杂。 而当提及GeoGebra时,学生S1表示“使用GeoGebra,你可以旋转图像,这很有帮助”。学生S3也指出“从上方看,抛物面与平面的切割已经