一种基于OOK调制的非对称信道下的优化LDPC码度分布联合搜寻方法与流程

本发明涉及光通信技术领域，具体涉及应用光电二极管(PIN)作为光电探测器OOK(On-Off Keying，二进制启闭键控，简称OOK)调制的自由空间光通信系统中的LDPC码度分布优化方案，具体是一种基于OOK调制的非对称信道下的优化LDPC码度分布联合搜寻方法。

背景技术：

自由空间光(FSO)通信作为新型通信方式，具有高带宽、高速率、灵活、经济的特点。在自由空间光通信系统中，由于大气中各种气体分子和气溶胶粒子的吸收和散射效应造成的光衰减以及大气湍流运动造成的光强度起伏等不利因素的存在，致使信道条件急剧恶化。通过引入差错控制编码技术，可以较好的补偿大气激光通信的信道失真。低密度奇偶校验码(Low Density Parity Check Code，简称LDPC)是现今的信道纠错编码中性能最优的一种。原本受限于运算复杂度而未能得到广泛应用的LDPC码，随着近年来硬件技术的发展，得到了解放。已有研究人员构造出了仅距离香农限0.0045dB的LDPC码，这是目前已经证明的距离香农限最近的信道纠错编码。近年来，LDPC码在深空通信、光纤通信、卫星数字视频、数字水印、磁/光/全息存储、移动和固定无线通信、电缆调制/解调器和数字用户线(DSL)中得到广泛应用。如802.11a、802.11n、802.3an、802.16e、DVB-S2等标准都采用了LDPC码。LDPC码已成为3G甚至4G通信系统中编码方案的首选。

光电二极管是自由空间光通信系统中最常用的一种光电探测器之一，用于完成光信号向电信号的转换。PIN响应接收光场的输出由两部分组成，一部分是单位时间内PIN响应吸收光子产生的电子，其概率分布用泊松分布建模，另一部分是后续电子器件的热噪声，散弹噪声和表面暗电流所产生的电子，其服从Gaussian分布，因此，PIN输出电子数的精确分布是这两个随机变量的卷积，其分布一般用Gaussian模型来进行表述，其统计特征跟器件参数以及信道状态有关。在OOK调制下，当传输不同符号时，信道处于不同的状态，通信的质量也不一样，所以信道是非对称的。

光电二极管输出的电子统计模型在低密度奇偶校验码的设计和译码过程中是至关重要的。但是在现有系统中，低密度奇偶校验码的码字生成矩阵都是在二进制对称信道下的白高斯(White Gaussian)噪声模型中进行设计，其结果是导致该模型条件下设计的最优LDPC码在OOK调制非二进制对称信道模型下无法达到最优，最终导致通信系统的性能恶化。

度分布是构造LDPC码码字生成矩阵的关键参数。为了设计适用于自由空间光通信系统中非对称信道下OOK调制的LDPC码，首先要找出适用于OOK调制非二进制对称信道模型下的最优LDPC码度分布。完成这个工作主要面临两个问题：信道中噪声特征准确建模，以及度分布优化搜索算法。信道噪声特征模型建模准确，使得设计者可以对LDPC码度分布在接近实际的噪声模型中模拟的密度进化分析，从而准确评估其克服实际噪声的能力。合适的优化搜索算法，能够使得搜寻到好的度分布的时间缩短，并获得真正意义上的全局最优度分布。所以有必要建立准确的信道噪声模型以及性能优异的基于全局度分布优化搜索算法来提升LDPC码在此类信道中编译码性能。

技术实现要素：

为了有效克服OOK调制自由空间光通信系统中大气湍流的影响，充分发挥LDPC码的优异纠错性能性能，保证通信系统的可靠性，本发明提供一种基于OOK调制的非对称信道下的优化LDPC码度分布联合搜寻方法。

本发明解决其技术问题所采用的技术方案是：

一种基于OOK调制的非对称信道下的优化LDPC码度分布联合搜寻方法，包括如下步骤：

第1步：根据信道(实际应用环境与光接收机)参数，依照OOK调制下的PIN光电转换模型计算出符合信道模型的噪声特征参数，再由噪声参数，根据贝叶斯公式计算出发送不同符号(X＝0或X＝1)与光电转换过程后输出电子数(y)的条件概率P(X|y)，并由不同符号的此概率计算得对数似然比值函数LLR(y)，再由其反函数LLR^-1(y)＝y(LLR)及其导数dy(LLR)/d(LLR)，代入条件概率P(y|X)中计算出关于对数似然比LLR的条件概率P(LLR|X)作为该信道条件下的初始变量消息空间的密度分布；

第2步：将随机生成的或是预先设定的若干种LDPC码度分布按照预先设定的配比分成4组，即4个种群Group1，Group2，Group3和Group4，每个种群中的每个度分布作为个体，分别用第1步得到的初始变量消息空间密度分布P(LLR|X)进行非对称密度进化，并分别评估其性能，如误码率，迭代次数，纠错率等；若有任何一种度分布的性能优于预先设定的一个性能标准，则跳出评估与更新的重复过程，回到第1步，调整信道参数，使信道条件变差；

第3步：根据用非对称密度进化评估出来的性能指标，对所有种群中的每一个个体，以各自种群为集群，Group1进行遗传算法更新，Group2进行差分进化更新，Group3进行粒子群进化更新，Group4进行模拟退火更新(此即更新过程)，然后对更新得到的所有个体进行码率检查，若更新得到的度分布个体的编码速率与原先设定编码速率的误差大于设定的误差范围，则在度分布定义域内以更新个体为原点用菱形搜索法搜索到距离此更新个体欧氏距离最近、且与原先设定的编码速率的误差小于设定值的新个体，以这个找到的新个体替换掉这个码率误差不符合设定的更新个体(此即检查过程)，修正完毕后，记录当前4个种群；

第4步：回到第2步，重新评估、更新以及检查第3步重复更新后所得的新的4个种群Group1’，Group2’，Group3’和Group4’，更新得到的当前4个种群中的所有个体中性能最佳的个体Sbest,j，j为个体标号，对于每个种群若迭代次数L≥Lk，则停止迭代，其他种群若还未完成迭代，则其他种群继续迭代，直至所有种群都完成对应的Lk次迭代，若在当前重复的过程中，有任一个最佳个体的误码率Sbest,j已经满足用户的需求，则停止整个优化过程，该个体即为搜索到的性能优异的LDPC码度分布，结束搜索，否则将继续第5步；

第5步：4个种群Group1～Group4按照预先设定，分别重复各自设定的迭代后Lk，其中k为种群标号，随机打乱种群，即重新将度分布分成4组，并随机插入之前记录下的当前性能最优个体Sbest,j，然后回到第4步。

本发明的优点或有益效果：

(1)根据OOK调制下的光电二极管精确的光电转换模型来计算LDPC码度分布初始变量消息空间的密度分布，并在该模型下，进行LDPC码度分布的迭代密度进化，因此能够更准确的评估LDPC码在该信道下的编译码性能；

(2)采用联合进化更新方法，同时使用遗传进化、差分进化、粒子群进化、模拟退火算法进行优化搜索，通过考虑了各种算法的权重配比，并定期进行打乱种群和插入优异个体的操作，从种群规模和迭代更新次数两方面调整各种算法的权重，能够发挥联合搜索的全局优势，规避单种算法的局限性，提高搜索效率。增强了搜索算法全局性与稳健性；

(3)利用基于欧氏距离的码率误差修正，限制了搜索空间，使得搜索得以有效进行。

附图说明

图1为实施例中LDPC码优化度分布搜寻方法流程图；

图2为实施例中LDPC码优化度分布搜寻方法结构图。

具体实施方式

下面结合附图1和附图2以及实施例对本发明内容作详细描述，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。

实施例：

下面参考附图1来描述本发明实施例提出的一种基于OOK调制的非对称信道下的优化LDPC码度分布联合搜寻方法，其中，通过使用以下四种更新算法进行联合搜寻LDPC码的优化度分布，这四种更新算法分别为：

(1)遗传算法：在N1个个体中，按照交叉率mg选择mg N1个个体，若mg N1为奇数则从这mg N1个个体中随机去掉一个，使最终得到的个体总数为偶数个，再将此mg N1个个体随机平分成两组，分别作为父系和母系，将两组个体分别按照其Ej的值由低到高进行排序，以得到两组有序的个体，然后一一配对，即使性能(误码率)相仿的父系与母系进行配对，然后每组配对产生两个新的子代个体，子代个体中，其作为4维向量，雄性子代个体1和3维取自父系，而2和4维取自母系，雌性子代个体2和4维取自父系，而1和3维取自母系，并且，若是个体不符合度分布约束，则丢弃该配对，另外随机选择父系与母系进行配对，然后，按照变异率cg从所有新得到的子代个体中随机选择2cg mg N1个子代个体，对这2cg mg N1个子代个体额外加上一个符合均值为0方差为0.1的高斯随机数进行变异，最后对配对新产生的子代个体以及经过变异的子代个体进行非对称密度进化评估其误码率，再按照各自的误码率由低到高进行排序，选择前N1个个体作为新的个体；

(2)差分进化：在N2个个体中，随机选择2个个体进行相减，得出来的差乘以差分变异率md，再加上第2个种群中上一次更新中误码率最低的个体，若为第一次则随机选一个，然后加法运算之后的结果即为一个新的个体，若是个体不符合度分布约束，则丢弃该个体，重新操作，如此重复N2次，便产生了N2个新个体；

(3)粒子群进化：在N3个个体中，对于每一个个体sj，分别用全局学习率lg乘以本种群曾经出现过的所有个体中误码率最低的个体，用自我学习率ls乘以本个体sj之前曾经出现过的误码率最低的那一次评估的个体，用邻居学习率ln分别乘以sj-1与sj+1，再将以上四个结果相加，便可以得到新的sj个体，若是个体不符合度分布约束，则丢弃该个体，重新操作；如此对每一个sj都进行更新；

(4)模拟退火更新：在N4个个体中，对于每一个个体sj，将其加上一个符合均值为0方差为0.1的高斯随机数，得到一个新个体，若是个体不符合度分布约束，则丢弃该个体，重新操作，然后用非对称密度进化评估其误码率，若新个体误码率不小于原个体的误码率，则丢弃该新个体，重新操作，若新个体误码率小于原个体的误码率，则按照exp(ΔEj/T)的概率，随机选择是否接受新的个体来替代原个体，其中ΔEj为这一次更新的个体的误码率与上一次的个体的误码率的差，T为温度，其初始值设置为T0，在每次进行退火操作时都对当下的温度值T乘以Cs得到新的温度值T，直到T值下降到Tl，退火过程结束，然后将T值重新恢复到T0；如此得到新的个体。

如图1所示为适用于采用OOK调制的，PIN光电检测器精确统计模型下，搜索变量节点度值为：2、3、4、10，校验节点度值为7和8，码率R0＝0.5，码率误差Δ＝0.01，目标误码率为E＝10^-6的LDPC码度分布的方案流程图，具体包括以下过程步骤：

步骤(1)：配置遗传进化参数：交叉率mg＝0.8、变异率cg＝0.8；差分进化参数：差分变异率md＝0.9；粒子群进化参数：全局学习率lg＝0.6、自我学习率ls＝0.3、邻居学习率ln＝0.05；模拟退火算法的参数：模拟退火初始温度T0＝1、退火系数Cs＝0.95、模拟退火最低温度Tl＝0.01，设定非对称密度进化参数：最大密度进化迭代次数：Ld＝1000；

配置基于PIN光电检测器的信道参数，计算初始变量消息空间的密度分布，信道参数分别为：量子效率η＝0.7，普朗克常数h＝6.6×10^-34，光波频率v＝1.93×10¹⁴Hz，消光比ae＝0.1，背景光Pb＝3×10^-14W，入射光Ps＝3×10^-13W，码元速率Ts＝5×10^-10s，暗电流is＝2×10^-9A，电子电荷e＝1.6×10^-19C，玻尔兹曼常数kb＝1.38×10^-23，接收机电路寄生电容Cp＝2×10^-13F，接收机工作温度T＝300K，其中，考虑到传输抖动和噪声抑制的原因，取接受接收机带宽f＝0.7/Ts＝1.4×10⁹(Hz)，考虑到接收机作为低通滤波器的单峰缓降特性，取噪声带宽B＝0.5πf＝2.2×10⁹(Hz)，并且，有接收机电路输入阻抗Rf＝1/2πCpf＝568.7(Ω)；

光电转换后输出的总电子数y的概率密度为：

其中，X表示二进制码元0和1，

根据光子统计模型与光电转换模型，Gaussian模型的均值和方差有：

设：

m0＝n0+m′，m1＝n1+m′ (4)

则，接收机输出电子数的对数似然比LLR为：

则初始变量消息空间密度分布为

步骤(2)：配置种群总规模即总个体数目N＝80，并随机生成或是读取设定的N个度分布，其中，度分布为一个4维向量，这4个分量分别代表：变量节点度值为2的度分布系数、变量节点度值为3的度分布系数、变量节点度值为4的度分布系数、校验节点度值为7的度分布系数，它们的约束关系有三个：前三个变量节点度值的系数之和小于1，所有这些系数都不小于0且不大于1，它们的编码速率在0.49到0.51之间，按照设定的配比对N进行分组(种群)，分成的4个种群分别为Group1，Group2，Group3和Group4，有Nk＝wkN,k＝1,2,3,4，k为种群标号，wk为每个种群的分配权重，分别取值为0.2，0.4，0.2，0.2，则N1＝16,N2＝32,N3＝16,N4＝16，设定Lk为每个种群的分别迭代次数，分别取值为10，20，10，10，每个个体代入初始变量消息空间密度分布P(LLR|X)中进行非对称密度进化计算，以误码率E作为需要评估的性能，通过非对称密度进化迭代Lk次之后，得到误码率Ej，j代表个体标识号，并且，更新并记录当下信道参数下的所找到的性能最优个体Sbest,j及其误码率Ebest,j，若经过非对称密度进化所评估的任意Ej，有Ej≤E，其中E为设定的误码率10^-6，则回到步骤(1)，修改信道参数，即减少入射光功率Ps至原来的95％，使得信道状况变差，并且按照现有的种群再进行评估，否则继续进行步骤(3)；

步骤(3)：对4个种群，按照Ej，以及在式(2)中设定的参数，各组分别进行种群更新，Group1进行遗传算法更新，Group2进行差分进化更新，Group3进行粒子群进化更新，Group4进行模拟退火更新，更新后检查每一个个体，若其编码速率R有|R-R0|＞Δ，则判断其码率误差大于设定值，需要修正，并用菱形搜索距离更新出来的个体欧氏距离最近且编码速率在0.49～0.51之间的个体，进行替换，对每一个更新的个体检查并修正完毕后，完成一次评估与更新迭代，并记录(刷新)当前整个种群；

步骤(4)：重复步骤(2)评估、更新与修改过程，检查每一次重复更新后所得的新的4个种群Group1’，Group2’，Group3’和Group4’，更新得到的当前性能最佳的个体Sbest,j，对于每个种群，若迭代次数L≥Lk，则停止迭代，其他种群若还未完成迭代，则其他种群继续迭代，直至所有种群都完成对应的Lk次迭代，若在当前重复的过程中，有任一个体的误码率Ebest,j已经满足用户的需求，则停止整个优化过程，该个体即为搜索到的性能优异的LDPC码度分布，结束搜索，否则将继续步骤(5)；

步骤(5)：若4个种群都已完成迭代，则对迭代之后的所有度分布个体随机打乱顺序，重新按(2)分组，并随机插入4个Sbest,j替换掉4个个体，回到步骤(4)，重复评估与更新过程。

如此反复，便能不断搜索在极差信道仍能发挥设定性能标准的度分布。按照上述步骤，可以得到了一个当入射光功率Ps＝9.1×10^-7W时，误码率低于10-⁶，编码速率为0.4951的度分布：

λ(x)＝0.122x+0.4006x²+0.076352x³+0.401048x⁹,ρ(x)＝0.175341x⁶+0.824659x⁷。