CN103259545B - 基于振荡的准循环低密度奇偶校验码置信传播译码方法 - Google Patents

Abstract

基于振荡的准循环低密度奇偶校验码置信传播译码方法，在首次迭代中利用均值获取归一化因子α，β，在不同的信噪比下，动态地修正校验节点外信息值，来减少校验节点外信息值的波动，并联合硬判决译码中的位翻转方法减小震荡的发生，即可提高传输数据的译码性能，又能减小译码复杂度。结合软判决与硬判决的译码方法，得到较大的译码增益。利用低密度奇偶校验码硬判决译码与软判决译码的结合，利用软判决置信传播算法良好的编码增益，并充分运用硬判决译码方法减少累计的错误码字的影响，以实现译码器复杂度与译码效率的均衡状态。

Description

基于振荡的准循环低密度奇偶校验码置信传播译码方法

技术领域

本发明属于数字通信技术领域，具体涉及一种基于振荡的准循环低密度奇偶校验码置信传播译码方法。

背景技术

在一个通信***当中，信道译码针对大量数据在信道中传输遇到众多使得数据衰减性的干扰时，提高了整个***数据传输的稳定性。信号产生器会产生源信息，并对源信息进行编码，映射，经载波被发送到调制解调器，在接收端接收后，经过一系列的解调、译码操作，得到译码后的码字。

先进的信道译码技术是现今4G&5G通信***当中的核心技术之一，在近几十年的发展过程当中得到了飞速的发展，随着移动通信的发展，人们对信道译码不断提出了新的要求，虽然turbo码标志着人们构造其性能接近香农限的较好性能的开始，但其译码时延大，计算量大，存在错误平层。而低密度奇偶校验码是一个具有更低线性译码复杂度的信道编码及译码的好码。

低密度奇偶校验码由Robert Gallager在1962年在他的博士论文中首次提出，在20世纪90年代后期，由于低密度奇偶校验码较好的纠错能力，低密度奇偶校验码被MacKayand Neal重新认识，随后经过许多通信研究人员推广发展，现已经具有一套较为***的优化设计方法并具有更强大的纠错能力和更低的算法复杂度。

低密度奇偶校验码具有较好的灵活性，低的错误平层及较低的译码复杂度，它可以完成完全并行的操作和接近香农极限的纠错性能。低密度奇偶校验码被包含在IEEE802.11n/ac标准中，并作为可选码之一。根据校验矩阵的构造，可分为规则的低密度奇偶校验码，和不规则的低密度奇偶校验码，不规则的低密度奇偶校验码由于其不均匀分布的行重和列重，可以得到较好的译码性能，但是由于其随机性，使得译码复杂度增加。然而通过随机的构造技术来设计低密度奇偶校验码方法的缺乏导致在存储和访问较大的校验矩阵时也呈现出严重缺陷。具有较大环长的准循环低密度奇偶校验码结合高效率的译码技术可以减少译码复杂度并提升纠错性能。

准循环低密度奇偶校验由于其具有很好的代数结构，译码方法相对简单，可以很容易的用移位寄存器构造乘法电路和加法电路。因此，在DVB-S2,802.16e,802.11ac通信***当中得到广泛应用。

准循环低密度奇偶校验码由其校验基矩阵H_b定义，基矩阵中的元素由-1，0，1元素构成，经过扩展因子P扩展，这些在基矩阵中的元素被扩展为P×P的子零矩阵和同样大小的单位子矩阵，在基矩阵中的非零元素经过单位矩阵(P×P)转移一个值，这个值由与H_b同等维数的转移矩阵S_H中相应位置上的值所决定，而得到扩展，最终形成了稀疏校验矩阵H,准循环低密度奇偶校验码编码器和译码器的基本结构也仅仅由基本矩阵中的非负整数的位置所决定。因此准循环低密度奇偶校验码，很容易构造，易于硬件实现，其误码率性能曲线不会随着信噪比的增加而出现错误平层。

低密度奇偶校验码是由校验矩阵描述的线性分组码，校验矩阵H有少量为1，和大量为0的元素构成，包括一个包含所有校验节点的集合，一个包含所有信息节点的集合及连接校验节点和信息节点的边的集合，每行中非零元素的个数称为该行的行重，每列中非零元素的个数称为该列的列重。

低密度奇偶校验码的译码算法主要包括软判决译码算法，硬判决译码算法及基于可靠性的译码算法。软判决中，译码器将接收到的符号作为实数进行处理，因而保留了信道提供的全部信息，有很好的译码效率。低密度奇偶校验码的软判决译码算法大多数都是基于置信传播而开发的迭代算法。著名主要有其对数似然比置信传播算法，UMP置信传播译码算法及后续改进的一些归一化算法。硬判决译码在处理之前先将接收到的符号进行量化，量化后的元素集合与发送符号的集合相同，因此在简化译码器的同时也丢失了一部分信道信息，但其代数结构简单，易于硬件结构的实现。

起初，低密度奇偶校验码利用标准置信传播算法的对数似然比来进行译码处理，对于一个传输信息，首先经编码其进行编码，稀疏校验矩阵H＝[H_k×k H_k×(n-k)]，其中前k位为信息位，后n-k位为校验位，经过高斯消去，H＝[I_k×k R_k×(n-k)],码字m(1×k)被编码为x_n,x_n表示被编码的码字。

被编码码字x_n经二进制相移键控调制，由{0,1}映射为{+1，-1}，并经过v_n平均值为0，方差为1的加性高斯白噪声信道，y_n＝x_n+v_n，得到发送端的发送序列信息y_n.

其对数域的值越大，所传输的信号为0的概率就越大，反之，越小。对于信息节点，接收到的信号为初始化对数似然比值。

对数似然比置信传播译码算法运算复杂度高，需要大量的双曲正切函数和反双曲正切函数，及大量的乘法操作，运行复杂，不易于硬件的实现，尤其对于码字较长，若再需高次的迭代次数，译码会花去大量时间。

发明内容

本发明的目的在于提供一种基于振荡的准循环低密度奇偶校验码置信传播译码方法，解决现有技术存在的译码复杂度高，不易于实现的问题。

本发明的目的是这样实现的，基于振荡的准循环低密度奇偶校验码置信传播译码方法，包括：

步骤1，初始化各个变量节点传递给与其相连的各个校验节点的外信息值；初始化校验节点传递给与其相连的变量节点的外信息值；

步骤2，在迭代处理开始，首先对各个校验节点接收到与其相连的各个变量节点的外信息值进行计算，并根据首次迭代过程中计算出的归一化因子对外信息值进行有选择的归一化处理；

步骤3：在迭代处理过程中，计算各个变量节点从与其相连的所有校验节点中传递过来的外信息值，并传递给与其相连的校验节点；计算各个变量节点的后验概率值；根据各个变量节点的后验概率进行判定，若后验概率值大于0，该变量节点译为0，否则译为1；

步骤4：硬判决，判定是否译码成功。利用判决结果计算校验和，若校验和为0，则译码成功，否则，继续进行硬判决译码中的位翻转方法来处理被译码字，之后若达到最大迭代次数，译码结束。

本发明的特点还在于：

上述步骤2具体包括：

1、根据首次迭代中变量节点传递给校验节点的外信息值，用均方误差计算出两个归一化因子α，β，其中EX＝E(|L1|)，EY＝E(|EL2|)，L1，L2分别表示对数似然比置信传播译码算法和UMP置信传播译码算法在校验节点对与其相连的变量节点传递过来的外信息值的计算处理；

其中，bit表示除了上一次迭代中发送信息给该校验节点j的变量节点之外，当前与该校验节点相连的所有变量节点；M(i)表示该变量节点i包含的所有校验节点；根据首次迭代中得到EX，EY来得到α，β的值，在后续迭代的校验节点外信息值处理过程中使用；

2、对校验节点接收到的外信息值进行处理前，先进行判断，若本次迭代中校验节点计算出的外信息值的符号与上次迭代中校验节点计算出的外信息值符号相同则不进行归一化处理，其公式为若本次迭代中校验节点计算出的外信息值的符号与上次迭代中校验节点计算出的外信息值符号不同，根据步骤1中得到的两个归一化因子α，β,对校验节点接收到的外信息值进行修正处理，其公式表示如下：

上述步骤4具体为：

判定是否译码成功，利用判决结果计算校验和，若校验和为0，则译码成功；否则，被译码字中非零元素的个数等于稀疏矩阵中非零元素的个数，并且如果稀疏矩阵中非零元素的位置向量中不包括被译码字中的第i个位置，则该位翻转。

所引入的两个因子α，β，在首次迭代中利用均方误差来获取，在不同的信噪点下，显示出不同的值，并动态地适应外信息值的变化引起的震荡而做出纠正；且利用硬判决译码中的位翻转方法来处理对判定后被译码字中需被翻转的位。

两个因子α，β的算法如下：

用L1，L2分别表示在对数似然比置信传播算法中校验节点j接收到与其相连的变量节点传递过来的外信息值进行的处理过程和UMP置信传播算法中校验节点j接收到与其相连的变量节点传递过来的外信息值进行的处理过程，为了减少L1演化为L2的过程中的误差，定义函数如下：

Y＝αX+β

为了得到α，β的最优值，利用均方误差，来定义函数：

f(α,β)＝E(Y-(αX+β))²

利用微分的知识，分别对α，β求偏导数得到，

将求出的带入公式即可得到α的最优值；

将求出的带入公式Y＝αX+β,即可得到Y的最优值；

为了得到α，β的最优值，用以下公式求出L1,L2的均值：

如果在某校验节点在被更新的前次迭代外信息值的符号与后次迭代中计算出的外信息值的符号不同，即出现相反的情况，就认为，该校验节点是波动的，不稳定的，其二进制判定将被修改；

如果在该校验节点，信息被更新的前后符号没有变化，则信息被更新后外信息值的变化较小，如果信息被更新的前后符号有变化，则在后期的迭代中信息被更新后外信息值的变化较大，引入α，β这两个因子就是要减小这种波动，采取措施用公式描述如下：

如果

则

否则,

L^k-1r_ji'与L^kr_ji'表示在前次迭代和当前迭代中该校验节点从与它连接的所有变量节点i'中所获取的外信息值，当L^k-1r_ji'与L^kr_ji'的值的符号不相同时，对于当前迭代中该校验节点的外信息值的获取就无法确定，α，β正是起到了修正该校验节点值的作用，尽可能减少在后续迭代中引起波动。

本发明具有如下有益效果：

1、本发明在首次迭代中利用均值获取归一化因子α，β，在不同的信噪比下，动态地修正校验节点外信息值，来减少校验节点外信息值的波动，并联合硬判决译码中的位翻转方法减小震荡的发生，即可提高传输数据的译码性能，又能减小译码复杂度。

2、本发明结合软判决与硬判决的译码方法，得到较大的译码增益。

3、本发明利用低密度奇偶校验码硬判决译码与软判决译码的结合，利用软判决置信传播算法良好的编码增益，并充分运用硬判决译码方法减少累计的错误码字的影响，以实现译码器复杂度与译码效率的一种均衡状态。

附图说明

图1是本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法的***模块图；

图2是本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法的整体***流程图；

图3是本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法在准循环低密度奇偶校验码与不规则低密度奇偶校验码中的比特误差率性能曲线图；

图4是本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法在准循环低密度奇偶校验码与不规则低密度奇偶校验码中帧误差率性能曲线图；

图5是在准循环低密度奇偶校验码中，本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法与对数似然比置信传播译码算法，UMP置信传播译码算法在不同码率情况下的比特误差性能曲线图；

图6是在准循环低密度奇偶校验码中，本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法与概率似然比置信传播算法，UMP置信传播算法在不同迭代次数情况下的比特误差性能曲线图；

图7是在准循环低密度奇偶校验码中，本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法与概率似然比置信传播算法，UMP置信传播算法在不同迭代次数情况下的帧误差性能曲线图；

图8是在不规则低密度奇偶校验码中，本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法与概率似然比置信传播算法，UMP置信传播算法的迭代次数对比图。

具体实施方式

下面结合附图和具体实例对本发明做进一步的说明。

基于振荡的准循环低密度奇偶校验码置信传播信道译码方法，包括：

步骤1：初始化各变量节点传递给与其相连的各个校验节点的外信息值；初始化校验节点传递给与其相连的变量节点的外信息值；

步骤2：在迭代处理开始，首先对各个校验节点接收到外信息值进行计算，并根据首次迭代过程计算出的归一化因子对信息值进行有选择的归一化处理；

步骤3：在迭代处理过程中，计算各个变量节点接收到的外信息值，并传递给与其相连的校验节点；计算各个变量节点的后验概率值；根据各个变量节点的后验概率值进行判定，若后验概率值大于0，该变量节点被译为0，否则译为1；

步骤4：硬判决，判定是否译码成功，利用判决结果计算校验和，若校验和为0，则译码成功，否则，继续进行硬判决译码中位翻转方法的处理，之后若达到最大迭代次数，译码结束。

上述步骤2具体包括如下分步骤：

1、根据首次迭代中变量节点传递给校验节点的外信息值，用均方误差计算出两个归一化因子α，β，其中EX＝E(|L1|)，EY＝E(|EL2|)，L1，L2分别表示对数似然比置信传播译码算法和UMP置信传播译码算法在校验节点对与其相连的变量节点传递过来的外信息值的计算处理

其中，bit表示除了上一次迭代中发送信息给校验节点j的变量节点之外，当前与该校验节点相连的所有变量节点；M(i)表示该变量节点i包含的所有校验节点；根据首次迭代中得到EX,EY，EXY来得到α，β的值，在后续校验节点迭代的外信息值处理过程中使用；

2、对校验节点接收到的外信息值进行处理前，先进行判断，若本次迭代中校验节点计算出的外信息值与上次迭代中校验节点计算出的外信息值的符号相同则不进行归一化处理，其公式为若本次迭代中校验节点计算出的外信息值的符号与上次迭代中校验节点计算出的外信息值符号不同，根据本发明译码方法中步骤1中得到的两个归一化因子α，β，对校验节点接收到的外信息值进行修正处理，其公式表示如下

上述步骤4具体是：判定是否译码成功，利用判决结果计算校验和，若校验和为0，则译码成功；否则，被译码字中非零元素的个数等于稀疏矩阵中非零元素的个数，并且如果稀疏矩阵中非零元素的位置向量中不包括被译码字中的第i个位置，则该位翻转。

本发明首次迭代中利用均方误差来获取的两个因子α，β在不同的信噪点下呈现出不同的值，对校验节点外信息值的变化引起的震荡而做出纠正。利用硬判决译码中的位翻转方法，判定被译码字中的位是否需被翻转。

本发明的技术方案是利用低密度奇偶校验码硬判决译码与软判决译码的结合，充分运用硬判决减少累计的错误码字的影响，及利用软判决置信传播算法良好的编码增益来实现译码器复杂度与译码效率的一种均衡状态。

针对本发明译码方法中软判决译码中的置信传播译码算法，是基于UMP置信传播译码算法的一种改进算法，首先，引进2个归一化因子α，β，这两个因子在每个信噪点下的首次迭代中被获取，并随着信噪点的不同而不同。

用L1，L2分别表示在对数似然比算法和UMP置信传播译码算法中校验节点j对与其相连的变量节点传递过来的值进行的处理，为了减少L1演化为L2的过程中的误差，定义函数如下：

Y＝αX+β

为了得到α，β的最优值，我们利用均方误差，来定义函数：

f(α,β)＝E(Y-(αX+β))²

利用微分的知识，分别对α，β求偏导数得到，的值。

将求出的带入公式即可得到α的最优值。

将求出的带入公式Y＝αX+β,便可得到Y的最优值。

为了得到α，β的最优值，必须把L1，L2的均值求出，可用以下公式：

在早期迭代当中，外信息值符号的变化很容易影响后期迭代中引用该外信息值的值，在校验节点，连接到该点的所有变量节点的外信息值都将会收到影响。为了加速准循环低密度奇偶校验码的译码聚合和方便描述校验节点外信息值符号的变化，给予这样一个判定：波动判决：如果在某校验节点，前一次迭代中其外信息值被更新的符号及后次迭代时其外信息值的符号发生了变化，即出现相反的情况，我们就认为，该校验节点是波动的，不稳定的，其二进制判定将被修改。

如果在该校验节点，信息被更新的前后符号没有变化，意味着信息被更新后外信息值的变化较小，如果信息被更新的前后符号有变化，则在后期的迭代中信息被更新后外信息值的变化较大，引入α，β这两个因子就是要减小这种波动，采取措施用公式描述如下：

如果

则

否则,

L^k-1r_ji'与L^kr_ji'分别表示在前次迭代和当前迭代中该校验节点从与它连接的所有变量节点i'中所获取的外信息值，当L^k-1r_ji'与L^kr_ji'的值的符号不相同时，对于当前迭代中该校验节点的信息值的获取就无法确定，α，β正是起到了修正该校验节点值的作用，尽可能减少在后续迭代中引起波动。

接下来是对硬判决部分的修正。对于在校验节点所出现的波动，只在校验节点进行修正是不够的，有些错误很可能会被遗漏，因此，硬判决中位翻转方法被运用到最后的判决部分。

步骤4具体为：如果所求得的码字C满足CH'＝0，则C被认为是有效码字；否则，如果被译码字中非零元素的个数等于稀疏矩阵中非零元素的个数，并且稀疏矩阵中非零元素的位置向量不包括被译码字中第i个位置，则该位翻转。

在本方法中，引入的α，β两个因子在不同的信噪比下，显示出不同的值，在首次迭代中利用均值获取，并被运用到其他后续迭代中。

低密度奇偶校验码根据稀疏矩阵的特点可以分为规则低密度奇偶校验码和不规则低密度奇偶校验码，其最大的区别在于所有校验节点度数是否相同且所有变量节点度数是否也相同，若所有的变量节点的列重和校验节点的行重都相同，称为规则低密度奇偶校验码，如果校验节点中只要有某两个校验节点或者变量节点度数不同，则称非规则低密度奇偶校验码。对于非规则低密度奇偶校验码，其度数很大程度上决定了其性能。相比规则的低密度奇偶校验码，非规则的低密度奇偶校验码具有更好的度数分布，但规则码具有更好的译码性能。准循环低密度奇偶校验码可以很容易的利用移位寄存器构造乘法电路和除法电路来实现，而且由于其很好的代数结构，译码方法也相对简单。在本发明置信传播译码算法中，我们用规则的准循环低密度奇偶校验码，能更好的体现本发明置信传播译码算法的性能。假设列重为3，行重为L，环长至少为6，扩展因子为P,在满足P≥3L²/4的情况下，P可更改，来构造不同的准循环低密度奇偶校验码校验矩阵H。对与本次发明算法性能对比中提到的不规则低密度奇偶校验码，定义列重为3，行重>3,消除4环的稀疏校验矩阵H。

图1描述了一个本发明基于振荡的准循环低密度奇偶校验码置信传播译码方法的***模块图，随机产生的数据经过信息编码，再经过信道编码，到调制器经二进制相移键控调制，有发送端发出被调制信息，经过加性高斯白噪声信道，接收端接受信息后经过解调器解调，再经相应的译码器译码的一个过程。本发明译码方法所主要描述的就是用改进的置信传播算法进行信道译码，最终信源解码后，得到译码后的最终信息。

图2描述的是基于振荡的准循环低密度奇偶校验码置信传播译码方法的整体流程图。经过编码的n位信息{0,1}调制为{+1,-1}，通过均值为0，方差为N₀/2的加性高斯白噪声信道。

译码开始，先设置最大迭代次数及初始化变量节点和校验节点信息，而后就进入到迭代处理过程，依次计算校验节点、变量节点接收到的外信息值，变量节点后验概率的计算，根据各个变量节点的后验概率进行判定，若后验概率值大于0，该变量节点被译为0，否则译为1，接着判断CH'校验和是否为0，若为0，则说明译码成功，否则根据被译码字的各个位置是否在稀疏矩阵H的非零元素的位置序列中，来判定该码字中的某个位置是否需要被翻转。直至达到最大迭代次数。最终得到m个原信息数据，译码完成。

图3，图4是码长为960，环长为8码率为1/2构造的准循环低密度奇偶校验码，最大迭代次数为10，最大帧纠错次数为30，本发明译码方法在准循环低密度奇偶校验码及不规则低密度奇偶校验码中的比特误差率和帧误差率性能曲线图。从图3，图4可知，本发明算法比传统对数似然比(LLR)置信传播算法，UMP置信传播算法要性能好。从信噪点分别为1.5，2.2开始，本发明译码方法的比特误差率和帧误差率在规则的准循环低密度奇偶校验码中比在不规则的低密度奇偶校验码中性能好。且在比特误差率近似10-⁵时，本发明译码算法性能要好0.1分贝。

图5是列重为3，行重为6的构造的准循环低密度奇偶校验码，在码率为1/2，3/7，环长为6，扩展因子为80，最大迭代次数为10，本发明译码方法与对数似然比(LLR)置信传播算法，UMP置信传播算法的比特误差性能曲线图。根据扩展因子P满足P≥3L²/4时，选取合适的P，从图中可以看出，码率为3/7的本发明基于振荡估计的置信传播信道译码方法的曲线图在信噪值较大时比码率为1/2的曲线图性能好。

图6，图7是列重为3，行重为6的构造的准循环低密度奇偶校验码，在码率为1/2，环长为6，扩展因子为80，迭代次数为20，10时，本发明译码方法与对数似然比置信传播算法，UMP置信传播算法的比特误差率和帧误差率性能曲线。从图中可知，本发明译码方法的性能明显比传统的对数似然比(LLR)置信传播算法，UMP置信传播算法要优异，且它们之间的差距大概是10^-1，在迭代次数为10，信噪点为2.2分贝时，本发明译码算法的帧误差率的性能明显优于对数似然比(LLR)置信传播算法。随着迭代次数的增加，比特误差率和帧误差率的性能曲线有了很大改善。与图3，4相比，码长与环长对算法的性能有重要的影响。

图8描述了列重为3，行重>3，码率为1/2，图中1，2分别表示码长为2000，4000的不规则低密度奇偶校验码，本发明译码方法与对数似然比置信传播算法，UMP置信传播算法的迭代次数对比图。在低信噪点，本发明译码方法相比于传统的对数似然比置信传播算法需要较少的迭代，而且聚合速度很快。

本发明译码方法充分利用硬判决译码方法和软判决译码方法的优势，针对在校验节点信息修正前后符号的改变而引来的外信息值的震荡变化，而进行归一化修正以后，用硬判决译码的位翻转方法来减少修正后遗漏的累积码字的错误，同时利用软判决译码方法的良好的编码增益，来取得性能与复杂度的一种均衡状态。随着码长和迭代次数的增加，本发明译码方法相比于传统的置信传播算法，显示出优异的特性。虽然在准循环低密度奇偶校验码中，本发明译码方法显示出了稍高的复杂度，但与对数似然比置信传播算法相比，由于准循环低密度奇偶校验码很容易利用移位寄存器在硬件中实现，所以性能优于传统译码方法。更重要的是，从性能曲线图看，未出现错误平层，能降低复杂度的同时也提高了性能，是一种较优的设计方案。

Claims (4)

1.基于振荡的准循环低密度奇偶校验码置信传播译码方法，其特征在于，包括：

步骤1：初始化各变量节点传递给与其相连的各个校验节点的外信息值；初始化校验节点传递给与其相连的变量节点的外信息值；

步骤2：在迭代处理开始，首先对各个校验节点接收到与其相连的各个变量节点的外信息值进行计算，并根据首次迭代过程计算出的归一化因子对信息值进行有选择的归一化处理；

步骤3：在迭代处理过程中，计算各个变量节点从与其相连的所有校验节点中传递过来的外信息值，并传递给与其相连的校验节点；计算各个变量节点的后验概率值；根据各个变量节点的后验概率值进行判定，若后验概率值大于0，该变量节点译为0，否则译为1；

步骤4：硬判决，判定是否译码成功，利用判决结果计算校验和，若校验和为0，则译码成功，否则，继续进行硬判决译码中的位翻转方法来处理被译码字，之后若达到最大迭代次数，译码结束，

其中，所述步骤2具体包括：

1)根据首次迭代中变量节点传递给校验节点的外信息值，用均方误差计算出两个归一化因子α，β，根据推导， 其中EX＝E(|L1|)，EY＝E(|L2|)，L1，L2分别表示对数似然比置信传播译码算法和UMP置信传播译码算法在校验节点j对与其相连的变量节点传递过来的外 信息值的计算处理；

其中，bit表示除了上一次迭代中发送信息给该校验节点j的变量节点之外，当前与该校验节点相连的所有变量节点；M(i)表示该变量节点i包含的所有校验节点；根据首次迭代中得到EX，EY来得到α，β的值，在后续校验节点迭代的外信息值处理过程中使用；

2)对校验节点接收到的外信息值进行处理前，先进行判断，若本次迭代中校验节点计算出的外信息值符号与上次迭代中校验节点计算出的外信息值符号相同则不进行归一化处理，其公式为 若本次迭代中校验节点计算出的外信息值符号与上次迭代中校验节点计算出的外信息值符号不同，根据所述步骤1中得到的两个归一化因子α，β，对校验节点接收到的外信息值进行修正处理，其公式表示如下：

所述步骤4具体为：

判定是否译码成功，利用判决结果计算校验和，若校验和为0，则译码成功；否则，被译码字中非零元素的个数等于稀疏矩阵中非零元素的个数，并且如果稀疏矩阵中非零元素的位置向量中不包括被译码字中的第i个位置，则该位翻转。

2.如权利要求1所述的基于振荡的准循环低密度奇偶校验码置 信传播译码方法，其特征在于，所述两个因子α，β，在首次迭代中利用均方误差来获取，在不同的信噪点下，显示出不同的值而动态的适应外信息值的变化引起的振荡而做出纠正；且利用硬判决中的位翻转算法来处理对判定后被译码字中需被翻转的位。

3.如权利要求2所述的基于振荡的准循环低密度奇偶校验码置信传播译码方法，其特征在于，所述两个因子α，β的算法如下：

用L1,L2分别表示在对数似然比置信传播算法和UMP置信传播算法中校验节点j对跟它连接的变量节点传递过来的值进行的处理，为了减少L1演化为L2的过程中的误差，定义函数如下：

Y＝αX+β

为了得到α，β的最优值，利用均方误差，来定义函数：

f(α,β)＝E(Y-(αX+β))²

利用微分的知识，分别对α，β求偏导数得到，

将求出的带入公式即可得到α的最优值；

将求出的带入公式Y＝αX+β,即可得到Y的最优值；

为了得到α，β的最优值，用以下公式求出L1,L2的均值：

即得L1,L2的均值。

4.如权利要求3所述的基于振荡的准循环低密度奇偶校验码置信传播译码方法，其特征在于，如果在某校验节点在被更新的前次迭代外信息值的符号与后次迭代中计算出的外信息值的符号不同，即出现相反的情况，就认为，该校验节点是波动的，不稳定的，其二进制判定将被修改；

如果在该校验节点，信息被更新的前后符号没有变化，则信息被更新后外信息值的变化较小，如果信息被更新的前后符号有变化，则在后期的迭代中信息被更新后外信息值的变化较大，引入α，β这两个因子就是要减小这种波动，采取措施用公式描述如下：

如果

则

否则,

L^k-1r_ji'与L^kr_ji'表示在前次迭代和当前迭代中该校验节点从与它连接的所有变量节点i'中所获取的外信息值，当L^k-1r_ji'与L^kr_ji'的值的符号不相同时，对于当前迭代中该校验节点的外信息值的获取就无法确定，α，β正是起到了修正该校验节点值的作用，尽可能减少在后续迭代中引起波动。