权重优化的短码长LDPC译码器

摘要

近年来,无线通信中对于传输延迟的要求越来越高.降低信道编码的码长,可以在信息速率较低的情况下,显著降低传输延迟.低密度奇偶校验码(LDPC)是当前广泛采用的信道编码,在LDPC的码长较短时,由于Tanner图上的环较多,周长小,因此传统的置信度传播算法对符号似然比的近似较差,从而影响了编码的性能.提出了基于循环神经网络的BP-RNN译码器,采用机器学习中的工具优化Trellis图中边的权重,与传统BP译码器相比,提高了短码长LDPC的译码器性能,从而在低信息速率的传输中降低通信延迟.