CN113037299A - 基于迭代译码的ldpc码稀疏校验矩阵重建方法和装置 - Google Patents

Abstract

本发明提出一种基于迭代译码的LDPC码稀疏校验矩阵重建方法和装置，其中，方法包括：通过利用接收数据进行校验向量的获取并进行稀疏化处理；利用稀疏校验向量进行软判决译码纠正码字中的错误比特，通过不断迭代，直至识别出全部的稀疏校验向量，最终完成稀疏校验矩阵的重建。能够在高误码情况下完成LDPC码稀疏校验矩阵的重建、能够在数据量较少的情况下完成含误码LDPC码稀疏校验矩阵重建、并且，能够在不需要预先知道校验向量位数的情况下完成LDPC码稀疏矩阵的重建。

Description

基于迭代译码的LDPC码稀疏校验矩阵重建方法和装置

技术领域

本发明涉及信号处理领域中非协作通信信号处理技术领域，尤其涉及一种基于迭代译码的LDPC码稀疏校验矩阵重建方法和装置。

背景技术

LDPC码具有编译码简单，接近香农限的优异特性，近年来在卫星通信、微波通信等领域得到了广泛的应用。现有研究主要集中在闭集识别中，对于开集识别的研究相对较少，而LDPC码开集识别的最终目的是重建稀疏校验矩阵。

相关技术中，针对有误码情况下LDPC码稀疏校验矩阵重建问题，提出了一种删除错误码字的重建算法，该算法有一定的容错性，但是所需的数据量较大，且不能充分利用含误码的码字信息，造成数据浪费。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于迭代译码的LDPC码稀疏校验矩阵重建方法，以实现能够在高误码情况下完成LDPC码稀疏校验矩阵的重建、能够在数据量较少的情况下完成含误码LDPC码稀疏校验矩阵重建、并且，能够在不需要预先知道校验向量位数的情况下完成LDPC码稀疏矩阵的重建。

本发明的第二个目的在于提出一种基于迭代译码的LDPC码稀疏校验矩阵重建装置。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种基于迭代译码的LDPC码稀疏校验矩阵重建方法，包括：获取疑似校验向量集合；对所述疑似校验向量集合进行判决得到校验向量集合，并对所述校验向量集合进行稀疏化处理得到稀疏化校验向量；从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和所述稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于所述最大迭代次数；若所述计数结果小于所述最大迭代次数，则根据所述修正后的码字分析序列对所述稀疏化校验向量进行更新，直至所述稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

为达上述目的，本发明第二方面实施例提出了一种基于迭代译码的LDPC码稀疏校验矩阵重建装置，包括：获取模块，用于获取疑似校验向量集合；第一处理模块，用于对所述疑似校验向量集合进行判决得到校验向量集合，并对所述校验向量集合进行稀疏化处理得到稀疏化校验向量；第二处理模块，用于从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和所述稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于所述最大迭代次数；更新处理模块，用于若所述计数结果小于所述最大迭代次数，则根据所述修正后的码字分析序列对所述稀疏化校验向量进行更新，直至所述稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述第一方面实施例所述的方法。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面实施例所述的方法。

本发明的实施例，至少具有如下的技术效果：

是在有误码情况下，结合迭代译码算法，对错误码字信息进行纠错，利用少量数据完成含误码LDPC码的稀疏校验矩阵重建。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的基于迭代译码的LDPC码稀疏校验矩阵重建方法的流程图；

图2是本发明基于迭代译码的LDPC码稀疏校验矩阵重建方法的总体流程图；

图3是本发明实施例中重建得到的稀疏校验矩阵与标准校验矩阵的比较曲线图；

图4是本发明实施例中不同码长条件下得到的重建性能比较曲线图；

图5是本发明实施例中不同码率条件下得到的重建性能比较曲线图；

图6是本发明实施例中不同码字个数条件下得到的重建性能比较曲线图；

图7是本发明实施例中不同码字个数条件下对迭代次数的对比曲线图；

图8是根据本发明一个实施例的基于迭代译码的LDPC码稀疏校验矩阵重建装置的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

为解决上述技术问题，本发明是通过以下技术方案实现的：通过利用接收数据进行校验向量的获取并进行稀疏化处理；利用稀疏校验向量进行软判决译码纠正码字中的错误比特，通过不断迭代，直至识别出全部的稀疏校验向量，最终完成稀疏校验矩阵的重建。

本发明的内容是在有误码情况下，结合迭代译码算法，对错误码字信息进行纠错，利用少量数据完成含误码LDPC码的稀疏校验矩阵重建。

下面参考附图描述本发明实施例的基于迭代译码的LDPC码稀疏校验矩阵重建方法和装置。

图1为本发明实施例所提供的一种基于迭代译码的LDPC码稀疏校验矩阵重建方法的流程示意图。

如图1所示，该基于迭代译码的LDPC码稀疏校验矩阵重建方法包括以下步骤：

步骤101，获取疑似校验向量集合。

本实施例中，所述的利用利用接收数据进行校验向量的获取并进行稀疏化处理方法为：假设接收到含有M个码字的硬判决序列v＝(v₁,v₂,…,v_M)，根据码字序列的码长n，随机选取n个码字构造码字分析矩阵

其中v_n×n是码字矩阵，I_n×n为n阶单位阵，根据线性分组码的性质，对分析矩阵v_s进行二元域高斯列消元，得到下阶梯型矩阵

其中A_n×k为列满秩矩阵，O_n×(n-k)为全零阵，根据对偶空间理论，此时Q_n×(n-k)为v_n×n的对偶矩阵，即v_n×n×Q_n×(n-k)＝0，此时得到的Q_n×(n-k)中的列向量为v_n×n的校验向量，同时是硬判决序列v＝(v₁,v₂,…,v_M)的疑似校验向量集合

步骤102，对疑似校验向量集合进行判决得到校验向量集合，并对校验向量集合进行稀疏化处理得到稀疏化校验向量。

可以理解，若给定向量h_j ^T，根据校验关系可以得到：

其中τ为码字序列误码率，w(h)为h_j ^T汉明重量，

为码字c_i校验空间。

对于M个码字c＝(c₁,c₂,…,c_M)，定义统计量

若

则统计量Z的取值接近于

若

则统计量Z的取值接近于

当M足够大时，二项分布趋向于正态分布，由中心极限定理可以得到

其中，

表示正态分布，因此只要合理的设置判决门限T就能有效的区分两种Z分布，即

基于最小错误判决准则，定义判决门限T＝argmin(P_fa+P_nd)，其中，P_fa为虚警概率，P_nd为漏警概率。对疑似校验向量进行判决得到校验向量集合

此时得到的校验向量为非稀疏校验向量，需要进行稀疏化处理。

步骤103，从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于最大迭代次数。

步骤104，若计数结果小于最大迭代次数，则根据修正后的码字分析序列对稀疏化校验向量进行更新，直至稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

在本发明的一个实施例中，通过2阶行变换算法进行稀疏化处理得到稀疏化校验向量，2阶行变换稀疏化算法的思想是，在一次循环中，通过固定校验矩阵H₁ ^T中的某一个校验向量h_i,1≤i≤n-k，随机挑选一个校验向量h_j,i≠j,1≤j≤n-k，计算

其中

表示二进制加法，并计算h_i,j的行重w_i,j，将计算结果w_i,j存储在集合W_i'＝{w_i,1,w_i,1,…,w_i,j},i≠j，1≤j≤n-k中，W_i'中包含n-k-1个元素，判断h_i的行重

是否小于W_i'中的最小值，若

则对H₁ ^T中的校验向量进行更新，令最小值对应的h_i,j替换h_i，结束当前校验向量h_i的行变换，更换固定的行向量继续上述操作，直至i＝n-k，一次循环结束，此时的校验矩阵得到一定稀疏化处理，需要进行多次循环，直至H₁ ^T的校验向量不再更新，此时稀疏化完成。通过多次迭代运算可以完成校验向量稀疏化过程，得到的稀疏化校验向量

可以用来对软判决码字序列为r_i＝(r_i,0,r_i,1,…,r_i,n-1)进行译码。

所述的利用稀疏校验向量进行软判决译码纠正码字中的错误比特方法为：接收到的软判决码字序列为r_i＝(r_i,0,r_i,1,…,r_i,n-1)，定义后验对数似然比：

后验概率P(c_i＝0|r_i),P(c_i＝1|r_i)，1≤i≤n，表达式如下

因此

根据Tanner图中的节点集合，用v_i→j来表示变量节点v_i向校验节点u_j传输的LLR信息，用u_j→i来表示校验节点u_j向变量节点v_i传输的LLR信息，定义：

用d(v_i)来表示变量节点v_i的相邻节点总数，用d(u_j)来表示校验节点u_j的相邻节点总数，可以得到：

进行变换可以得到

通过上述，可以根据得的稀疏校验向量对错误码字进行纠正，因为每次获得的稀疏校验向量个数有限，因此通过一次译码仅能纠正部分错误码字。纠正码字分析矩阵中的误码信息，的到译码后的码字序列

然后再次对

进行处理获取校验向量，不断迭代，直至校验向量个数不再发生变化，结束迭代，输出当前计算得到的稀疏化校验矩阵。

也即是说，参照图2，本发明的实施例的实现过程如下：

(1)初始化，根据硬判决码字序列硬判决序列v＝(v₁,v₂,…,v_M)，根据码长n随机挑选n个码字，构造码字分析矩阵

设置最大迭代次数t_max，并令迭代次数t＝1。

(2)利用获取疑似校验方法获取对偶向量，根据判决门限筛选出非稀疏校验向量，得到校验向量集合

(3)进行校验向量的稀疏化处理，将稀疏化校验向量储存在矩阵

(4)根据LLR-BP软判决译码算法，利用矩阵

对软判决码字序列r＝(r₁,r₂,…,r_M)进行译码，对错误码字进行修正，得到译码结果

将码字分析序列更换为

t＝t+1。

(5)若t≤t_max，返回(2)，若矩阵

的秩不再变化，结束循环，输出重建的稀疏化校验矩阵

若t>t_max，结束循环，输出

图3是实施例中重建得到的稀疏校验矩阵与标准校验矩阵的比较。仿真参数设置如下，根据IEEE802.16e协议下的码长n＝576码率R＝1/2的LDPC码进行编码，码字个数M＝1000，误码率τ＝2.4×10^-3。重建得到的稀疏校验矩阵与标准校验向量进行对比，重建得到的稀疏校验矩阵与标准校验矩阵相比仅仅是校验向量的排列顺序发生了变化，因此，稀疏校验矩阵重建成功。

图4是实施例中不同码长条件下得到的重建性能比较，仿真参数设置如下根据IEEE802.16e协议下的码长n＝576、672、768和864，码率R＝1/2的4种LDPC码进行编码，码字个数M＝1000，误码率τ取值范围为0.00007～0.003，间隔0.000025取值，在不同误码率下进行100次的蒙特卡洛仿真实验，以100次仿真实验的识别率，作为性能的判断标准，码长n＝576，误码率τ>0.001475时识别率开始降低。码长n＝672，误码率τ>0.001175时识别率开始降低。码长n＝768，误码率τ>0.0009时识别率开始降低。当码长n＝864时，误码率τ>0.0008时识别率开始降低。在相同的码字个数、码率及相同的误码率情况下，码长越长，单个码字中含有错误比特的个数明显高于短码码字，当错误比特较多时，将导致校验向量识别算法无法识别出校验向量，进而无法对错误码字进行译码纠错，将不能完成稀疏校验矩阵的重建。

图5是实施例中不同码率条件下得到的重建性能比较，仿真参数设置如下，根据IEEE802.16e协议下码长n＝576和672，码率R＝1/2、R＝2/3A、R＝3/4A和5/6的8种LDPC码进行编码，码字个数M＝1000，误码率τ取值范围为0.0001～0.003，在不同误码率下进行100次的蒙特卡洛仿真实验，以100次仿真实验的识别率作为性能的判断标准，当码长n＝576，码率R＝1/2时，误码率τ>0.001425，识别率开始降低，当码长n＝576，码率R＝2/3A时，误码率τ>0.001125，识别率开始降低。当码长n＝576，码率R＝3/4A时，误码率τ>0.000775，识别率开始降低。当码长n＝576，码率R＝5/6时，误码率τ>0.0005，识别率开始降低。当码长n＝672，码率R＝1/2时，误码率τ>0.001175，识别率开始降低。当码长n＝672，码率R＝2/3A时，误码率τ>0.001，识别率开始降低。当码长n＝672，码率R＝3/4A时，误码率τ>0.00065，识别率开始降低。当码长n＝672，码率R＝5/6时，误码率τ>0.000375，识别率开始降低。在相同码长情况下，码率越大，校验位越少，码字的抗误码能力越差，在相同误码率情况下，利用迭代译码算法进行纠错时效果变差。

图6是实施例中不同码字个数条件下得到的重建性能比较，根据IEEE802.16e协议下的码长n＝576码率R＝1/2和R＝2/3A的2种LDPC码进行编码，设置三种不同的码字个数，分别为M＝1000、1500和2000，当码率R＝1/2时误码率τ取值范围为0.001～0.003，间隔0.000025取值，当码率R＝2/3A时误码率τ取值范围为0.001～0.0025，间隔0.000025取值，在不同误码率下进行100次的蒙特卡洛仿真实验，以100次仿真实验的识别率作为性能的判断标准，码率R＝2/3A时，码字个数为1000与码字个数为1500的识别性能在误码率τ取值范围为0.00115～0.0014时，识别性能有明显差距，码字个数为1500与码字个数为2000之间无明显的识别性能差距。码率R＝1/2时，码字个数为1000与码字个数为1500的识别性能在误码率τ取值范围为0.002～0.002325时，识别性能有明显差距，码字个数为1500与码字个数为2000之间无明显的识别性能差距，因为算法在实验过程中每次参与校验向量获取的码字个数仅***长有关，通过实验可以证明算法对数据量的依赖度较小，可以在少量数据情况下完成稀疏校验矩阵的重建

图7是实施例中不同码字个数条件下对迭代次数的对比，仿真参数设置如下，根据IEEE802.16e协议下的码长n＝576，码率R＝1/2的LDPC码进行编码，码字个数M＝1000、M＝12500、M＝1500和M＝2000，误码率τ＝1.4×10^-3，进行100次的蒙特卡洛仿真实验，以100次仿真实验结果的重建率，作为识别性能的判断标准，重建率为识别出的稀疏校验向量个数与真实校验向量个数之比，当码字个数为1000，完成稀疏校验矩阵的重建需要迭代31次，当码字个数为1250，完成稀疏校验矩阵的重建需要迭代23次，当码字个数为1500，完成稀疏校验矩阵的重建需要迭代16次，当码字个数为2000，完成稀疏校验矩阵的重建需要迭代15次。在最初的迭代过程中，码字个数对校验向量的获取影响不明显，随着迭代次数的增加，校验向量的获取能力与码字个数成正比，在码字个数较少时，参与校验向量获取算法的码字个数有限，需要多次迭代才能将全部校验向量获取完毕，在码字个数较多时，每次参与迭代的码字重复的可能性较低，因此迭代次数较少便可以识别出全部的校验向量，如字个数为1000与码字个数为1500重建迭代次数差异较大，但是随着码字个数的增加到一定程度，校验向量获取能力差异将不会特别明显，如码字个数为1500与码字个数为2000的重建迭代次数仅相差一次。

综上，本发明实施例的基于迭代译码的LDPC码稀疏校验矩阵重建方法，通过利用接收数据进行校验向量的获取并进行稀疏化处理；利用稀疏校验向量进行软判决译码纠正码字中的错误比特，通过不断迭代，直至识别出全部的稀疏校验向量，最终完成稀疏校验矩阵的重建。能够在高误码情况下完成LDPC码稀疏校验矩阵的重建、能够在数据量较少的情况下完成含误码LDPC码稀疏校验矩阵重建、并且，能够在不需要预先知道校验向量位数的情况下完成LDPC码稀疏矩阵的重建。

为了实现上述实施例，本发明还提出一种基于迭代译码的LDPC码稀疏校验矩阵重建装置。

图8为本发明实施例提供的一种基于迭代译码的LDPC码稀疏校验矩阵重建装置的结构示意图。

如图8所示，该基于迭代译码的LDPC码稀疏校验矩阵重建装置包括：获取模块810、第一处理模块820、第二处理模块830和更新处理模块840。

其中，获取模块810，用于获取疑似校验向量集合；

第一处理模块820，用于对所述疑似校验向量集合进行判决得到校验向量集合，并对所述校验向量集合进行稀疏化处理得到稀疏化校验向量；

第二处理模块830，用于从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和所述稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于所述最大迭代次数；

更新处理模块840，用于若所述计数结果小于所述最大迭代次数，则根据所述修正后的码字分析序列对所述稀疏化校验向量进行更新，直至所述稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

需要说明的是，前述对基于迭代译码的LDPC码稀疏校验矩阵重建方法实施例的解释说明也适用于该实施例的基于迭代译码的LDPC码稀疏校验矩阵重建装置，此处不再赘述。

为了实现上述实施例，本发明还提出一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所描述的基于迭代译码的LDPC码稀疏校验矩阵重建方法。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所描述的基于迭代译码的LDPC码稀疏校验矩阵重建法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上述实施例所描述的基于迭代译码的LDPC码稀疏校验矩阵重建方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于迭代译码的LDPC码稀疏校验矩阵重建方法,其特征在于，包括以下步骤：

获取疑似校验向量集合；

对所述疑似校验向量集合进行判决得到校验向量集合，并对所述校验向量集合进行稀疏化处理得到稀疏化校验向量；

从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和所述稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于所述最大迭代次数；

若所述计数结果小于所述最大迭代次数，则根据所述修正后的码字分析序列对所述稀疏化校验向量进行更新，直至所述稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

2.如权利要求1所述的方法，其特征在于，还包括：

若所述计数结果大于等于所述最大迭代次数，则将最后一次重建更新后的稀疏化校验向量作为所述稀疏化校验矩阵。

3.如权利要求1所述的方法，其特征在于，所述获取疑似校验向量集合，包括：

在硬判决码字序列硬判决序列，根据码长随机挑选多个码字构造码字分析矩阵，并设置所述码字分析矩阵的最大迭代次数；

对所述码字分析矩阵进行二元域高斯列消元，得到下阶梯型矩阵，并根据所述下阶梯型矩阵得到疑似校验向量集合。

4.如权利要求1所述的方法，其特征在于，所述对所述疑似校验向量集合进行判决得到校验向量集合，包括：

基于最小错误判决准则，根据虚警概率和漏警概率确定判决门限；根据所述判决门限对所述疑似校验向量集合中的疑似校验向量进行判决得到所述校验向量集合。

5.如权利要求1所述的方法，其特征在于，所述对所述校验向量集合进行稀疏化处理得到稀疏化校验向量，包括：

通过2阶行变换算法对所述校验向量集合进行稀疏化处理得到稀疏化校验向量。

6.如权利要求4所述的方法，其特征在于，所述根据虚警概率和漏警概率确定判决门限，包括：

根据预设计算公式对所述虚警概率和漏警概率计算确定判决门限，其中，所述预设计算公式为：

T＝argmin(P_fa+P_nd)

其中，P_fa为虚警概率，P_nd为漏警概率。

7.如权利要求5所述的方法，其特征在于，所述通过2阶行变换算法对所述校验向量集合进行稀疏化处理得到稀疏化校验向量，包括：

固定所述校验向量集合中的一个固定校验向量；

开始对所述固定校验向量行变换操作，其中，所述行变换操作包括：

随机挑选所述校验向量集合中的多个随机校验向量；

对所述固定校验向量和每个所述随机校验向量二进制加法计算，并获取计算结果向量的行重，并将所述行重结果存储在预设的行重集合中；

判断所述固定校验向量的行重是否小于所述行重集合中的最小值；

若小于，则将所述校验向量集合中的所述固定校验向量替换为所述计算结果向量，完成对所述固定校验向量的行变换操作；

对所述校验向量集合中的每个固定校验向量执行所述行变换操作，得到所述稀疏化校验向量。

8.一种基于迭代译码的LDPC码稀疏校验矩阵重建装置,其特征在于，包括：

获取模块，用于获取疑似校验向量集合；

第一处理模块，用于对所述疑似校验向量集合进行判决得到校验向量集合，并对所述校验向量集合进行稀疏化处理得到稀疏化校验向量；

第二处理模块，用于从第一次迭代开始对迭代次数计数，在每次迭代时，根据LLR-BP软判决译码算法和所述稀疏化校验向量，对软判决码字序列进行译码并对错误码字进行修正，得到修正后的码字分析序列，并判断当前迭代的计数结果是否等于所述最大迭代次数；

更新处理模块，用于若所述计数结果小于所述最大迭代次数，则根据所述修正后的码字分析序列对所述稀疏化校验向量进行更新，直至所述稀疏化校验向量的个数不再变化，则此时得到稀疏化完成的稀疏化校验矩阵。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一所述的方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images