陈海强 王瑶玲 韦文娟 蒋炳旭 孙友明 黎相成 覃团发

(广西大学计算机与电子信息学院 南宁 530004)

(广西多媒体通信与网络技术重点实验室 南宁 530004)

1 引言

与2元低密度奇偶校验码(Low Density Parity Check code, LDPC)相比较，构建在 q阶有限域上的多元LDPC码[1]具有更加优秀的译码性能，特别在码长较短、码率较大时，其优势更加明显。然而，多元LDPC码的性能增益往往是以高译码复杂度作为代价换取的。降低多元LDPC译码复杂度的主要思路是降低Tanner图上参与运算的节点数量以及每个节点的运算操作。经典的降低复杂度的多元LDPC译码算法包括基于概率域的和积(Q-ary Sum Product Algorithm, QSPA)算法[2,3]以及基于扩展最小和(Extended Min-Sum, EMS)的译码算法[4]及其改进版本[5-8]。此外，基于大数逻辑(Majority-LoGic Decoding, MLGD)的简化译码算法[9-12]，也能达到降低译码复杂度的目的。

基于符号翻转的译码算法(Symbol Flipping Decoding, SFD)是另一类重要的简化译码算法，能在性能和复杂度之间进行有效的折中。最初的SFD算法是文献[13]提出的广义Gallager算法B(Gallager’s Algorithm B, AlgB)及其改进版算法(weighted-Algorithm B, wtd-AlgB)。AlgB算法具有很低的译码复杂度，但性能较差；wtd-AlgB算法结合了汉明距离和多数逻辑(plurality-logic)准则，获得一定的性能增益。其他传统的SFD算法还包括文献[14]的并行符号翻转算法(Parallel Symbol Flipping Decoding algorithm, PSFD)以及基于投票机制的符号翻转算法[15,16]等。2017年，Wang等人[17]提出了基于距离和预测机制的符号翻转(Distance-Symbol Flipping Decoding with Prediction, D-SFDP)算法，与传统的SFD算法不一样，D-SFDP算法不仅考虑了符号翻转之前的信息，还把翻转后引起的目标函数变化考虑进来，以此预测和翻转迭代过程中的硬判决符号。与非预测的符号翻转算法相比，D-SFDP算法能获得明显的性能提升。……