最美情侣中文字幕电影,在线麻豆精品传媒,在线网站高清黄,久久黄色视频

歡迎光臨散文網(wǎng) 會員登陸 & 注冊

LDPC 低密度奇偶校驗(yàn)碼的軟判決譯碼算法淺析(二)--降低運(yùn)算量

2022-08-05 00:20 作者:樂吧的數(shù)學(xué)  | 我要投稿

本系列文章列表:

LDPC低密度奇偶校驗(yàn)碼的比特翻轉(zhuǎn)譯碼淺析

LDPC 低密度奇偶校驗(yàn)碼的軟判決譯碼算法淺析(一)

LDPC 低密度奇偶校驗(yàn)碼的軟判決譯碼算法淺析(二)--降低運(yùn)算量

LDPC 低密度奇偶校驗(yàn)碼的軟判決譯碼算法淺析(三)--算法和代碼

LDPC 軟判決算法之似然比形式 (一)

LDPC 軟判決算法之似然比形式 (二)--算法和代碼

LDPC 軟判決算法之似然比形式 (三) tanh-lambda 規(guī)則

-----------------------------------------------------


這篇文章以及對應(yīng)錄制的視頻,是對上面文章和視頻的進(jìn)一步完善。
在上面的文章和視頻中,對 LDPC 軟判決譯碼算法 的背后思想和數(shù)學(xué)公式做了一個(gè)初步的推導(dǎo),大致明白了 LDPC 軟判決譯碼算法的流程,但是,其中還有一個(gè)細(xì)節(jié)需要進(jìn)一步優(yōu)化,這個(gè)優(yōu)化主要是為了降低運(yùn)算量的。

錄制了一個(gè)小視頻來講解這個(gè)文章:https://www.bilibili.com/video/BV1B24y1Z7BY/

本篇文章和對應(yīng)的視頻,屬于 “續(xù)集”,建議看完前面的文章和視頻后再看。

在前面的文章中,我們根據(jù)各個(gè)比特的概率,來估算各個(gè)校驗(yàn)方程成立的概率,得出如下的公式:


r_%7Bmn%7D(x)%3Dp(z_m%3D0%7Cc_n%3Dx%2Cr)%20%3D%0A%20%20%20%20%20%20%5Csum_%7B%5C%7B%20%5C%7B%20x_%7B%5Cgrave%7Bn%7D%7D%2C%5Cspace%20%5Cgrave%7Bn%7D%20%5Cin%20N_%7Bm%2Cn%7D%5C%7D%3A%20x%3D%5Csum_l%20x_l%5C%7D%7D%0A%20%20%20%20%20%20%5Cquad%20%5Cprod_%7Bl%20%5Cin%20N_%7Bm%2Cn%7D%7Dp(c_l%3Dx_l%7Cr)--------%E5%85%AC%E5%BC%8F(1)

這個(gè)公式看起來很嚇人!
首先,這個(gè)公式的含義是計(jì)算校驗(yàn)方程成立的概率,即校驗(yàn)方程? $z_m=0$ 成立的概率,給定的條件是 第 n 個(gè) 比特的值已知,以及收到的數(shù)據(jù) r ,這里的 r 是一個(gè)向量。

其次,這個(gè)方程的右邊,涉及到的是這個(gè)校驗(yàn)方程中含有的比特取值 0 或者 1 的概率,把這些比特相關(guān)的概率做相乘及求和等動作,完成對校驗(yàn)方程成立的概率的估計(jì)。

下面還是用例子來說明比較好。

假設(shè) LDPC 用的校驗(yàn)矩陣如下,本篇文章都是以這個(gè)校驗(yàn)矩陣為例子(這個(gè)例子與前面文章的例子是相同的)。


A%20%3D%20%5Cbegin%7Bbmatrix%7D%0A%20%201%26%201%20%26%201%20%26%200%20%26%200%20%26%201%20%26%201%20%26%200%20%26%200%20%26%201%5C%5C%0A%20%201%26%200%20%26%201%20%26%200%20%26%201%20%26%201%20%26%200%20%26%201%20%26%201%20%26%200%5C%5C%0A%20%200%26%200%20%26%201%20%26%201%20%26%201%20%26%200%20%26%201%20%26%200%20%26%201%20%26%201%5C%5C%0A%20%200%26%201%20%26%200%20%26%201%20%26%201%20%26%201%20%26%200%20%26%201%20%26%200%20%26%201%5C%5C%0A%20%201%26%201%20%26%200%20%26%201%20%26%200%20%26%200%20%26%201%20%26%201%20%26%201%20%26%200%0A%5Cend%7Bbmatrix%7D

我們譯碼出來的碼字表示成向量形式:
c%3D%5Cbegin%7Bbmatrix%7D%0A%20%20c_1%20%26%20c_2%20%26%20c_3%20%26%20c_4%20%26%20c_5%20%26%20c_6%20%26%20c_7%20%20%26%20c_8%20%26%20c_9%20%26%20c_%7B10%7D%0A%5Cend%7Bbmatrix%7D

這個(gè)譯碼出來的碼字,不是指發(fā)送的正確的碼字,是表示我們待譯碼出來的,例如,我們可能想評估??c_1%3D1 的可能性(概率)。

我們把接收到的數(shù)據(jù)表示為一個(gè)向量:
r%3D%5Cbegin%7Bbmatrix%7D%0A%20%20r_1%20%26%20r_2%20%26%20r_3%20%26%20r_4%20%26%20r_5%20%26%20r_6%20%26%20r_7%20%20%26%20r_8%20%26%20r_9%20%26%20r_%7B10%7D%0A%5Cend%7Bbmatrix%7D


?5 個(gè)校驗(yàn)方程為:

%5Cbegin%7Beqnarray%7D%0Az_1%20%26%3D%20c_1%20%2B%20c_2%20%2B%20c_3%20%2B%20c_6%20%2B%20c_7%20%2B%20c_%7B10%7D%20%5C%5C%0Az_2%20%26%3D%20c_1%20%2B%20c_3%20%2B%20c_5%20%2B%20c_6%20%2B%20c_8%20%2B%20c_%7B9%7D%20%5C%5C%0Az_3%20%26%3D%20c_3%20%2B%20c_4%20%2B%20c_5%20%2B%20c_7%20%2B%20c_9%20%2B%20c_%7B10%7D%20%5C%5C%0Az_4%20%26%3D%20c_2%20%2B%20c_4%20%2B%20c_5%20%2B%20c_6%20%2B%20c_8%20%2B%20c_%7B10%7D%20%5C%5C%0Az_5%20%26%3D%20c_1%20%2B%20c_2%20%2B%20c_4%20%2B%20c_7%20%2B%20c_8%20%2B%20c_%7B9%7D%0A%5Cend%7Beqnarray%7D


?假如我們在考慮比特 2 取值 為 1 的概率,那么上面公式 (1) 中的?c_n%3Dx 就是 n=2, x=1,? c_2%3D1,? 進(jìn)一步假如咱們考慮的是第一個(gè)校驗(yàn)方程,則公式 (1) 中的 %20z_m%20%3D%20z_1,N_%7Bm%2Cn%7D 就是一個(gè)下標(biāo)的集合,表示第 m個(gè)校驗(yàn)方程中,含有的比特的下標(biāo),但是不包括下標(biāo) n 的。在這個(gè)具體的例子中,就是 m=1 個(gè)校驗(yàn)方程中,除了比特 n=2 之外的那些比特的下標(biāo), N_%7Bm%2Cn%7D%3DN_%7B1%2C2%7D%3D%5C%7B1%2C3%2C6%2C7%2C10%5C%7D.

重寫公式(1)

r_%7B12%7D(1)%3Dp(z_1%3D0%7Cc_n%3D1%2Cr)%20%3D%0A%20%20%20%20%20%20%5Csum_%7B%5C%7B%20%5C%7B%20x_%7B%5Cgrave%7Bn%7D%7D%2C%5Cspace%20%5Cgrave%7Bn%7D%20%5Cin%20%5C%7B1%2C3%2C6%2C7%2C10%5C%7D%5C%7D%3A%201%3D%5Csum_l%20x_l%5C%7D%7D%0A%20%20%20%20%20%20%5Cquad%20%5Cprod_%7Bl%20%5Cin%20%5C%7B1%2C3%2C6%2C7%2C10%5C%7D%7Dp(c_l%3Dx_l%7Cr)--------%E5%85%AC%E5%BC%8F(1)


求和的部分,是對所有能使第 m=1 個(gè)校驗(yàn)方程成立的那些比特,都要做一次求和,總共有以下這么多情況:

因?yàn)?c_2%3D1了,所以,要使第 m=1 個(gè)校驗(yàn)方程成立,則其它 5 個(gè)比特,需要有奇數(shù)個(gè) 1,即?c_1%2C%20c_3%2C%20c_6%2C%20c_7%2C%20c_%7B10%7D 這 5 個(gè)比特中應(yīng)該有奇數(shù)個(gè) 1.

則含有 1 個(gè) 1 的有 5 種情況:
%5C%7Bc_1%2C%20c_3%2C%20c_6%2C%20c_7%2C%20c_%7B10%7D%5C%7D%20%3D%20%20%5C%5C%0A%5C%7B0%2C0%2C0%2C0%2C1%5C%7D%20%20%5C%5C%0A%5C%7B0%2C0%2C0%2C1%2C0%5C%7D%20%20%5C%5C%0A%5C%7B0%2C0%2C1%2C0%2C0%5C%7D%20%20%5C%5C%0A%5C%7B0%2C1%2C0%2C0%2C0%5C%7D%20%20%5C%5C%0A%5C%7B1%2C0%2C0%2C0%2C0%5C%7D含有 3 個(gè) 1 的有 10 種情況:

%5C%7Bc_1%2C%20c_3%2C%20c_6%2C%20c_7%2C%20c_%7B10%7D%5C%7D%20%3D%20%20%5C%5C%0A%5C%7B0%2C1%2C1%2C1%2C0%5C%7D%20%20%5C%5C%0A%5C%7B0%2C1%2C1%2C0%2C1%5C%7D%20%20%5C%5C%0A%5C%7B0%2C1%2C0%2C1%2C1%5C%7D%20%20%5C%5C%0A%5C%7B0%2C0%2C1%2C1%2C1%5C%7D%20%20%5C%5C%0A%5C%7B1%2C0%2C1%2C1%2C0%5C%7D%20%20%5C%5C%0A%5C%7B1%2C0%2C1%2C0%2C1%5C%7D%20%20%5C%5C%0A%5C%7B1%2C0%2C0%2C1%2C1%5C%7D%20%20%5C%5C%0A%5C%7B1%2C1%2C0%2C1%2C0%5C%7D%20%20%5C%5C%0A%5C%7B1%2C1%2C0%2C0%2C1%5C%7D%20%20%5C%5C%0A%5C%7B1%2C1%2C1%2C0%2C0%5C%7D


含有 5 個(gè) 1 的就 1 種情況:
%5C%7Bc_1%2C%20c_3%2C%20c_6%2C%20c_7%2C%20c_%7B10%7D%5C%7D%20%3D%20%20%5C%7B1%2C1%2C1%2C1%2C1%5C%7D%20%20


總計(jì) 16 種情況。

對這 16 種情況中的任何一種,都需要再做一個(gè)連乘。例如:%5C%7Bc_1%2C%20c_3%2C%20c_6%2C%20c_7%2C%20c_%7B10%7D%5C%7D%20%3D%20%20%5C%7B0%2C1%2C1%2C0%2C1%5C%7D%20%20, 需要做的連乘為:

p(c_1%3D0%7Cr)p(c_3%3D1%7Cr)p(c_6%3D1%7Cr)p(c_7%3D0%7Cr)p(c_%7B10%7D%3D1%7Cr)


所以,總的計(jì)算量就是 16x4=64個(gè)乘法(還有幾乎可以忽略的15個(gè)加法):

r_%7B12%7D(1)%3Dp(z_1%3D0%7Cc_n%3D1%2Cr)%20%3D%20%20%5C%5C%0A%20%20%20%20p(c_1%3D0%7Cr)p(c_3%3D0%7Cr)p(c_6%3D0%7Cr)p(c_7%3D0%7Cr)p(c_%7B10%7D%3D1%7Cr)%20%2B%20%5C%5C%0A%20%20%20%20p(c_1%3D0%7Cr)p(c_3%3D0%7Cr)p(c_6%3D0%7Cr)p(c_7%3D1%7Cr)p(c_%7B10%7D%3D0%7Cr)%20%2B%5C%5C%0A%20%20%20%20%5Ccdots%20%5Ccdots%20%5C%5C%0A%20%20%20%20p(c_1%3D1%7Cr)p(c_3%3D0%7Cr)p(c_6%3D0%7Cr)p(c_7%3D0%7Cr)p(c_%7B10%7D%3D0%7Cr)%2B%20%5C%5C%0A%20%20%20%20p(c_1%3D0%7Cr)p(c_3%3D1%7Cr)p(c_6%3D1%7Cr)p(c_7%3D1%7Cr)p(c_%7B10%7D%3D0%7Cr)%2B%20%5C%5C%0A%20%20%20%20p(c_1%3D0%7Cr)p(c_3%3D1%7Cr)p(c_6%3D1%7Cr)p(c_7%3D0%7Cr)p(c_%7B10%7D%3D1%7Cr)%2B%5C%5C%0A%20%20%20%20%5Ccdots%20%5Ccdots%20%5C%5C%0A%20%20%20%20p(c_1%3D1%7Cr)p(c_3%3D1%7Cr)p(c_6%3D1%7Cr)p(c_7%3D0%7Cr)p(c_%7B10%7D%3D0%7Cr)%2B%5C%5C%0A%20%20%20%20p(c_1%3D1%7Cr)p(c_3%3D1%7Cr)p(c_6%3D1%7Cr)p(c_7%3D1%7Cr)p(c_%7B10%7D%3D1%7Cr)

其實(shí),從上面的計(jì)算,我們也可以看到很多冗余的,例如上面第一個(gè)連乘和第二個(gè)連乘中,前三個(gè)元素相乘都是相同的,可以只計(jì)算一次。那么,我們?nèi)绾蝸韮?yōu)化掉這些冗余呢?牛人們推導(dǎo)出了一個(gè)簡潔的公式。

先引入一個(gè)臨時(shí)函數(shù):

%5Cxi%20(k)%3D%5Csum_%7Bi%3D1%7D%5Ek%20x_%7BN_%7Bm%2Cn%7D(i)%7D


求和公式中下標(biāo)有點(diǎn)多,不容易看清楚,求和是對 x 求和,只是下標(biāo)不同,下標(biāo)為:N_%7Bm%2Cn%7D(i) ,以前面的例子看,這個(gè)N_%7Bm%2Cn%7D%3DN_%7B1%2C2%7D%3D%7B1%2C3%2C6%2C7%2C10%7D
則: N_%7Bm%2Cn%7D(1)%20%3D%201%2C%20N_%7Bm%2Cn%7D(2)%3D3%2CN_%7Bm%2Cn%7D(3)%3D6%2CN_%7Bm%2Cn%7D(4)%3D7%2CN_%7Bm%2Cn%7D(5)%3D10


所以,例如當(dāng) k = 3時(shí):

%5Cxi%20(3)%20%3D%20x_1%2Bx_3%2Bx_6


其中,x_1 表示的是?c_1 的取值。

我們把?N_%7Bm%2Cn%7D 中元素的個(gè)數(shù)記為 L.

那么,可以形成一個(gè)如下所示的圖:


%5Cxi%20(L)%3Dx (其中 x 是??c_n 的取值),則這種情況是被考慮到進(jìn)來的,否則,這種組合就不用考慮,不用展開連乘并參與到累加中。繼續(xù)上面的例子,因?yàn)?N_%7Bm%2Cn%7D%3DN_%7B1%2C2%7D%3D%7B1%2C3%2C6%2C7%2C10%7D, 所以 L=5.

%5Cxi%20(L)%3D%5Cxi%20(5)%3Dx_1%2Bx_3%2Bx_6%2Bx_7%2Bx_%7B10%7D


要考慮的 c_2%3Dx%3D1,所以,%5Cxi%20(5)%3D1 的組合是我們需要考慮的,也就是凡是滿足?x_1%2Bx_3%2Bx_6%2Bx_7%2Bx_%7B10%7D%3D1 的組合是我們需要考慮的,這就是前面 “不厭其煩” 列出來的那 16 種情況的公式表達(dá)。

下面開始推導(dǎo)關(guān)鍵的遞推公式,利用這個(gè)遞推公式,就可以簡化計(jì)算,消除計(jì)算過程中的冗余了(這里先用上面的例子來講解,最后再總結(jié)成通用的公式)

首先令 %5Cxi%20(0)%20%3D%200%20
那么?%5Cxi(1)%20%3D%20x_1 ,就依賴于%20x_1 的取值

然后 %5Cxi(2)%20%3D%20%5Cxi(1)%20%2B%20x_3, 就依賴于 x_3的取值

然后 %5Cxi(3)%20%3D%20%5Cxi(2)%20%2B%20x_6, 就依賴于?x_6 的取值

然后 %5Cxi(4)%20%3D%20%5Cxi(3)%20%2B%20x_7, 就依賴于?x_7 的取值

最后 %5Cxi(5)%20%3D%20%5Cxi(4)%20%2B%20x_%7B10%7D, 就依賴于 x_%7B10%7D的取值.

為了書寫方便,我們再引入一個(gè)記號? W_k(x)%3Dp(%5Cxi(k)%3Dx), 表示在上面圖形的第 k 步,或者說加到第 k 個(gè)數(shù)時(shí) 結(jié)果為 x 的概率。在例子中 x =1 ,那么

W_1(1)%3Dp(%5Cxi(1)%3D1)? 表示的是?x_1%3D1 的概率

W_2(1)%3Dp(%5Cxi(2)%3D1)? 表示的是%20%5Cxi(1)%2Bx_3%3Dx_1%2Bx_3%3D1 的概率
%0AW_3(1)%3Dp(%5Cxi(3)%3D1)? 表示的是?%5Cxi(2)%2Bx_6%3Dx_1%2Bx_3%2Bx_6%3D1 的概率

W_4(1)%3Dp(%5Cxi(4)%3D1)?表示的是 %5Cxi(3)%2Bx_7%3Dx_1%2Bx_3%2Bx_6%2Bx_7%3D1的概率
%0AW_5(1)%3Dp(%5Cxi(5)%3D1)? 表示的是 %5Cxi(4)%2Bx_%7B10%7D%3Dx_1%2Bx_3%2Bx_6%2Bx_7%2Bx_%7B10%7D%3D1的概率

因?yàn)槭?從 0 開始的,所以,W_0(0)%3D1%EF%BC%8CW_0(1)%3D0,即在? 0 節(jié)點(diǎn)上,等于 0 的概率是 1, 等于 1 的概率是 0.

我們來看一下:

節(jié)點(diǎn) 1 上 等于 0 的情況有兩種:

?? ??? ??? ?節(jié)點(diǎn) 0 上等于 0,且 x_1%3D1
?? ??? ??? ? 節(jié)點(diǎn) 0 上等于 1,且 x_1%3D0


W_1(1)%3Dp(%5Cxi(1)%3D1)%20%3D%20W_0(0)p(x_1%3D1)%2BW_0(1)p(x_1%3D0)
同理:
%0AW_1(0)%3Dp(%5Cxi(1)%3D0)%20%3D%20W_0(0)p(x_1%3D0)%2BW_0(1)p(x_1%3D1)


那么:
W_2(1)%3Dp(%5Cxi(2)%3D1)%20%3D%20W_1(0)p(x_3%3D1)%2BW_1(1)p(x_3%3D0)%20%20%5C%5C%0A%0AW_2(0)%3Dp(%5Cxi(2)%3D0)%20%3D%20W_1(0)p(x_3%3D0)%2BW_1(1)p(x_3%3D1)



依次類推,則:

W_5(1)%3Dp(%5Cxi(5)%3D1)%20%3D%20W_4(0)p(x_%7B10%7D%3D1)%2BW_4(1)p(x_%7B10%7D%3D0)%20%20%5C%5C%0A%0AW_5(0)%3Dp(%5Cxi(5)%3D0)%20%3D%20W_4(0)p(x_%7B10%7D%3D0)%2BW_4(1)p(x_%7B10%7D%3D1)
用上面兩個(gè)式子相減:

W_5(0)-W_5(1)%3D%5BW_4(0)-W_4(1)%5D%5Bp(x_%7B10%7D%3D0)-p(x_%7B10%7D%3D1)%5D

同理可得:

W_4(0)-W_4(1)%3D%5BW_3(0)-W_3(1)%5D%5Bp(x_%7B7%7D%3D0)-p(x_%7B7%7D%3D1)%5D%20%20%5C%5C%0AW_3(0)-W_3(1)%3D%5BW_2(0)-W_2(1)%5D%5Bp(x_%7B6%7D%3D0)-p(x_%7B6%7D%3D1)%5D%20%20%5C%5C%0AW_2(0)-W_2(1)%3D%5BW_1(0)-W_1(1)%5D%5Bp(x_%7B3%7D%3D0)-p(x_%7B3%7D%3D1)%5D%20%5C%5C%0AW_1(0)-W_1(1)%3D%5BW_0(0)-W_1(0)%5D%5Bp(x_%7B1%7D%3D0)-p(x_%7B1%7D%3D1)%5D其中:

W_0(0)-W_1(0)%20%3D%201


把遞推公式逐級代回去,則有:

W_5(0)-W_5(1)%3D%0A%20%20%20%20%5Bp(x_%7B10%7D%3D0)-p(x_%7B10%7D%3D1)%5D*%5Bp(x_%7B7%7D%3D0)-p(x_%7B7%7D%3D1)%5D*%5Bp(x_%7B6%7D%3D0)-p(x_%7B6%7D%3D1)%5D*%5C%5C%0A%20%20%20%20%5Bp(x_%7B3%7D%3D0)-p(x_%7B3%7D%3D1)%5D*%5Bp(x_%7B1%7D%3D0)-p(x_%7B1%7D%3D1)%5D


W_5(0)%20%3D%20r_%7B12%7D(0)%2C%20%5Cquad%20W_5(1)%3Dr_%7B12%7D(1)


r_%7B12%7D(0)%20-%20r_%7B12%7D(1)%20%20%3D%0A%20%20%20%20%5Bp(x_%7B10%7D%3D0)-p(x_%7B10%7D%3D1)%5D*%5Bp(x_%7B7%7D%3D0)-p(x_%7B7%7D%3D1)%5D*%5Bp(x_%7B6%7D%3D0)-p(x_%7B6%7D%3D1)%5D*%5C%5C%0A%20%20%20%20%5Bp(x_%7B3%7D%3D0)-p(x_%7B3%7D%3D1)%5D*%5Bp(x_%7B1%7D%3D0)-p(x_%7B1%7D%3D1)%5D%20

又有 r_%7B12%7D(0)%20%2B%20r_%7B12%7D(1)%3D1


則可以把?r_%7B12%7D(0)%20%2C%20%5Cquad%20r_%7B12%7D(1) 都解出來。

為了書寫方便,我們令:

%5Cdelta%20r_%7B12%7D%20%3D%20r_%7B12%7D(0)%20-%20r_%7B12%7D(1)%20%20%3D%0A%20%20%20%20%5Bp(x_%7B10%7D%3D0)-p(x_%7B10%7D%3D1)%5D*%5Bp(x_%7B7%7D%3D0)-p(x_%7B7%7D%3D1)%5D*%5Bp(x_%7B6%7D%3D0)-p(x_%7B6%7D%3D1)%5D*%5C%5C%0A%20%20%20%20%5Bp(x_%7B3%7D%3D0)-p(x_%7B3%7D%3D1)%5D*%5Bp(x_%7B1%7D%3D0)-p(x_%7B1%7D%3D1)%5D%20


則解出來的結(jié)果可以表示為:

r_%7B12%7D(0)%3D%5Cfrac%7B1%2B%5Cdelta%20r_%7B12%7D%7D%7B2%7D%20%20%5C%5C%0Ar_%7B12%7D(1)%3D%5Cfrac%7B1-%5Cdelta%20r_%7B12%7D%7D%7B2%7D


我們來看一下計(jì)算量,有 4 個(gè)乘法,6 個(gè)加減法,以及一個(gè)除以 2(可以右移實(shí)現(xiàn)),相比之前的 64 個(gè)乘法,運(yùn)算量小了很多。



前面,用具體的例子先做了一個(gè)推導(dǎo)。從具體例子的推導(dǎo)和分析中,我們可以得到更一般的遞推公式。

令:
W_k(x)%20%3D%20p(%20%5Cxi(k)%20%3D%20x)


遞推公式為:
W_k(0)%20%3D%20W_%7Bk-1%7D(0)%20p(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D0)%20%2B%20W_%7Bk-1%7D(1)%20p(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D1)%20%20%20%5C%5C%0AW_k(1)%20%3D%20W_%7Bk-1%7D(1)%20p(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D0)%20%2B%20W_%7Bk-1%7D(0)%20p(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D1)


兩式相減,則:

W_k(0)%20-%20W_k(1)%20%3D%20%5BW_%7Bk-1%7D(0)%20-%20W_%7Bk-1%7D(1)%5D%5Bp(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D0)%20-%20p(x_%7BN_%7Bm%2Cn%7D(k)%7D%3D1)%5D


這個(gè)遞推公式一直推下去,則有:

W_k(0)%20-%20W_k(1)%20%3D%20%5Cprod_%7Bi%3D1%7D%5E%7Bk%7D%5Bp(x_%7BN_%7Bm%2Cn%7D(i)%7D%3D0)%20-%20p(x_%7BN_%7Bm%2Cn%7D(i)%7D%3D1)%5D


那么,若 L 是?%20%20N_%7Bm%2Cn%7D%20 中元素的個(gè)數(shù),則:

W_L(0)%20-%20W_L(1)%20%3D%20%5Cprod_%7Bi%3D1%7D%5E%7BL%7D%5Bp(x_%7BN_%7Bm%2Cn%7D(i)%7D%3D0)%20-%20p(x_%7BN_%7Bm%2Cn%7D(i)%7D%3D1)%5D-------%E5%85%AC%E5%BC%8F(2)


前面咱們所有的推導(dǎo),其實(shí)都隱含這一個(gè)背景條件:“就是在收到數(shù)據(jù) r 的條件下“。把這個(gè)條件加上變成條件概率,則:

W_L(x)%20%3D%20p(%20%5Cxi(L)%20%3D%20x)%20%3D%3D%3D%3D%E3%80%8BW_L(x)%3Dp(%20%5Cxi(L)%20%3D%20x%7Cr)%20%3D%20p(z_m%3D0%7Cc_n%3Dx%2Cr)%3Dr_%7Bmn%7D(x)


另外,

p(x_%7BN_%7Bm%2Cn%7D(i)%7D)%20%20%3D%20p(c_%7BN_%7Bm%2Cn%7D(i)%7D%3Dx_%7BN_%7Bm%2Cn%7D(i)%7D%7Cr)%20%3D%20q_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(x_%7BN_%7Bm%2Cn%7D(i)%7D)


則公式(2)遞推公式就推導(dǎo)為:

r_%7Bmn%7D(0)%20-%20r_%7Bmn%7D(1)%20%3D%20%5Cprod_%7Bi%3D1%7D%5E%7BL%7D%5Bq_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(0)%20-%20q_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(1)%5D


又因?yàn)?br>
r_%7Bmn%7D(0)%20%2B%20r_%7Bmn%7D(1)%20%3D%201


所以,容易把?r_%7Bmn%7D(0)%20 和?r_%7Bmn%7D(1) 解出來。

r_%7Bmn%7D(0)%20%3D%20(1%2B%5Cprod_%7Bi%3D1%7D%5E%7BL%7D%5Bq_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(0)%20-%20q_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(1)%5D%20)%20%5Cspace%20%2F2%20%20%5C%5C%0Ar_%7Bmn%7D(1)%20%3D%20(1-%5Cprod_%7Bi%3D1%7D%5E%7BL%7D%5Bq_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(0)%20-%20q_%7Bm%2CN_%7Bm%2Cn%7D(i)%7D(1)%5D%20)%20%5Cspace%20%2F2


所以,運(yùn)算量大致等于 L-1 次乘法.

這樣,我們就得到了公式 (1) 簡化算法。

LDPC 低密度奇偶校驗(yàn)碼的軟判決譯碼算法淺析(二)--降低運(yùn)算量的評論 (共 條)

分享到微博請遵守國家法律
九江市| 绥德县| 五台县| 吉水县| 灵台县| 江北区| 内江市| 宁陵县| 礼泉县| 卢氏县| 藁城市| 屯昌县| 唐河县| 资中县| 登封市| 射洪县| 沽源县| 开平市| 读书| 新丰县| 集安市| 和林格尔县| 理塘县| 田林县| 金门县| 东平县| 温州市| 奉新县| 新兴县| 通榆县| 永寿县| 青神县| 赣州市| 上杭县| 平原县| 屏东县| 江陵县| 石林| 茌平县| 阿克陶县| 灵宝市|