基于因子图的SCMA和LDPC联合检测译码算法及装置的制作方法

技术特征：

1.一种基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，包括以下步骤：

S1：参数设定；根据码本，设定资源块数N，承载用户数K，调制阶数M，修剪饱和处理门限[D_min,D_max]，最大迭代次数I_max，LDPC码长L；

S2：联合迭代译码；其中，每一次迭代，需完成LDPC校验节点更新和SCMA功能节点更新，并在LDPC校验节点更新后，进行LDPC到SCMA消息的传递，完成SCMA变量节点更新，以及在SCMA功能节点更新后，进行SCMA到LDPC消息的传递，完成LDPC变量节点更新；

S3：每完成一次迭代，则判断当前判决结果是否满足LDPC校验矩阵，若满足，则跳出迭代过程，输出当前判决结果，否则继续迭代，并在迭代前，判断迭代次数是否达到最大迭代次数I_max，若达到，则输出当前判决结果。

2.如权利要求1所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，S2包括以下步骤：

S201：中间变量初始化；其中，所述中间变量初始化为：将联合变量节点JV传递给功能节点F的消息初始化为以及联合变量节点JV传递给校验节点C的消息初始化为m表示二进制域比特到符号映射后的符号，b表示当前比特的取值：

S202：信道信息初始化；其中，根据接收信号y和信道噪声估计值N₀，计算各个资源块承载的全部用户可能发送码字的联合条件概率φ_n。

3.如权利要求2所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，在LDPC校验节点更新过程中，利用计算在SCMA功能节点更新过程中，利用和相应资源块承载的全部用户可能发送码字的联合条件概率φ_n计算

在LDPC到SCMA消息的传递过程中，利用计算在SCMA到LDPC消息的传递过程中，利用计算

在LDPC变量节点更新过程中，利用和计算在SCMA变量节点更新过程中，利用和计算

其中，表示LDPC到SCMA传递的消息，表示SCMA到LDPC传递的消息，表示LDPC变量节点到LDPC校验节点的消息，表示SCMA变量节点到SCMA功能节点的消息。

4.如权利要求3所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，在LDPC到SCMA消息的传递过程中，利用计算的算式为：

$I_{LDPC}^{{\mathrm{JV}}_k,b}=\mathrm{\α}\·\underset{\∀j}{\Π}{I}_{C_{k,j}}^{{\mathrm{JV}}_k,b}$

其中，k＝1,2,…,KL/2，m＝0,1,…,M-1，b∈{0,1}，α为归一化因子，且

在SCMA到LDPC消息的传递过程中，利用计算的算式为：

$I_{SCMA}^{JV,b}=\underset{\∀m:m_b=1}{\Σ}{I}_{SCMA}^{{\mathrm{JV}}_k,m}$

其中，

m＝0,1,…,M-1，b∈{0,1}，表示用户占用的资源块数。

5.如权利要求3所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，在LDPC变量节点更新过程中，利用和计算的算式为：

$I_{{\mathrm{JV}}_k}^{C_{k,i},b}=\mathrm{\α}\·I_{SCMA}^{{\mathrm{JV}}_k,b}\·\underset{\∀j:j\≠i}{\Π}{I}_{C_{k,j}}^{{\mathrm{JV}}_k,b}$

其中，k＝1,2,…,KL/2，b∈{0,1}，α为归一化因子，且C_k,i和C_k,j为与变量节点JV_k相连的第i个和第j个校验节点；

在SCMA变量节点更新过程中，利用和计算的算式为：

$I_{{\mathrm{JV}}_k}^{F_{k,i},m}=\left(\underset{j=1,j\≠i}{\overset{\tilde{N}}{\mathrm{\Π}}}{I}_{F_{k,j}}^{{\mathrm{JV}}_k,m}\right)\·I_{LDPC}^{{\mathrm{JV}}_k,m}/\underset{m^{\′}=0}{\overset{M-1}{\mathrm{\Π}}}\left(\underset{j=1,j\≠i}{\overset{\tilde{N}}{\mathrm{\Π}}}{I}_{F_{k,j}}^{{\mathrm{JV}}_k,m^{\′}}\right)\·I_{LDPC}^{{\mathrm{JV}}_k,m^{\′}}$

其中，k＝1,2,…,KL/2，m＝0,1,…,M-1，F_k,i和F_k,j为与变量节点JV_k相连的第i个和第j个功能节点。

6.如权利要求3所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，在LDPC校验节点更新过程中，利用计算的算式为：

$I_{C_l}^{{\mathrm{JV}}_{l,j},b}=\frac{1}{2}\·\[1-\underset{\∀j:j\≠i}{\Π}(1-2\·I_{{\mathrm{JV}}_{l,j}}^{C_l,b})\]$

其中，l＝1,2,…,KL/2，b∈{0,1}，JV_l,i和JV_l,j为与第l个校验节点C_l相连接的第i个和第j个变量节点；

在SCMA功能节点更新过程中，利用和相应资源块承载的全部用户可能发送码字的联合条件概率φ_n计算的算式：

$I_{F_n}^{{\mathrm{JV}}_{n,i},m_i}=\underset{m_1=0}{\overset{M-1}{\Σ}}...\underset{m_{i-1}=0}{\overset{M-1}{\Σ}}\underset{m_{i+1}=0}{\overset{M-1}{\Σ}}...\underset{m_{\tilde{K}}=0}{\overset{M-1}{\Σ}}{I}_{{\mathrm{JV}}_{n,1}}^{F_n,m_1}...I_{{\mathrm{JV}}_{n,i-1}}^{F_n,m_{i-1}}{I}_{{\mathrm{JV}}_{n,i+!}}^{F_n,m_{i+1}}...I_{{\mathrm{JV}}_{n,\tilde{K}}}^{F_n,m_{\tilde{K}}}\·{\mathrm{\φ}}_n(m_1,m_2,...,m_{\tilde{K}})$

其中，n＝1,2,…,NL/2，表示资源块上承载的用户数。

7.如权利要求6所述的基于因子图的SCMA和LDPC联合检测译码算法，其特征在于，计算资源块承载的全部用户可能发送码字的联合条件概率φ_n的算式为：

$\mathrm{Pr}\left(y_n\right|x_{n,1},x_{n,2},...,x_{n,\tilde{K}})~{\mathrm{\φ}}_n(m_1,m_2,...,m_{\tilde{K}})=\exp \left\{\frac{-\left|\right|y_n-\underset{k=1}{\overset{\tilde{K}}{\Σ}}{h}_{kn}\·x_{n,k}|{|}^2}{N_0^n}\right\}$

其中，n＝1,2,…,NL/2，表示资源块上承载的用户数，为SCMA编码后的码字，在接收端第n个资源块上接收到的信号为：其中为噪声项，h_kn为第k个用户到第n个资源块对应的信道增益。

8.一种基于因子图的SCMA和LDPC联合检测译码装置，其特征在于，包括参数设定模块、初始化模块、联合变量节点更新模块、功能节点更新模块、校验节点更新模块和判决结果输出模块；其中，

所述参数设定模块，用于根据码本，设定资源块数N，承载用户数K，调制阶数M，修剪饱和处理门限[D_min,D_max]，最大迭代次数I_max，LDPC码长L；

所述初始化模块，用于根据接收信号y和信道噪声估计值N₀，计算各个资源块承载的全部用户可能发送码字的联合条件概率φ_n，以及将联合变量节点JV传递给功能节点F的消息初始化为和将联合变量节点JV传递给校验节点C的消息初始化为

所述联合变量节点，用于完成每次迭代过程中的LDPC到SCMA和SCMA到LDPC消息的传递以及SCMA变量节点与LDPC变量节点的更新；

所述功能节点更新模块，用于完成每次迭代过程中SCMA功能节点的更新；

所述校验节点更新模块，用于完成每次迭代过程中LDPC校验节点的更新；

所述判决结果输出模块，用于在每完成一次迭代后，判断当前判决结果是否满足LDPC校验矩阵，若满足，则跳出迭代过程，输出当前判决结果，否则继续迭代，并在迭代前，判断迭代次数是否达到最大迭代次数I_max，若达到，则输出当前判决结果。