comm.gpu.LDPCDecoder

Декодируйте бинарный код имеющей малую плотность проверки четности (LDPC) с помощью графического процессора

Чтобы использовать этот объект, необходимо установить Parallel Computing Toolbox™ и иметь доступ к соответствующему графическому процессору. Для больше о графических процессорах, смотрите, что графический процессор Вычисляет (Parallel Computing Toolbox).

Описание

Основанная на графическом процессоре Система object™ принимает типичные массивы MATLAB^®, или объекты создали использование gpuArray класс. Основанный на графическом процессоре Системный объект поддерживает входные сигналы с двойным - или типы данных с одинарной точностью. Выходной сигнал наследовал свой тип данных от входного сигнала.

Если входной сигнал является массивом MATLAB, Системный объект обрабатывает передачу данных между центральным процессором и графическим процессором. Выходной сигнал является массивом MATLAB.
Если входным сигналом является gpuArray, данные остаются на графическом процессоре. Выходным сигналом является gpuArray. Когда объекту дают gpuArray, вычисления происходят полностью на графическом процессоре, и никакая передача данных не происходит. Передача gpuArray аргументы обеспечивают увеличенную производительность путем сокращения времени симуляции. Для получения дополнительной информации смотрите, Устанавливают Массивы на графическом процессоре (Parallel Computing Toolbox).

comm.gpu.LDPCDecoder Системный объект использует алгоритм распространения веры, чтобы декодировать бинарный код LDPC, который вводится к объекту как мягкое решение выход (отношение логарифмической правдоподобности полученных битов) от демодуляции. Объект декодирует типовые бинарные коды LDPC, где никакие шаблоны в матрице проверки четности не приняты. Для получения дополнительной информации смотрите, что Распространение Веры Декодирует.

Декодировать LDPC-закодированный сигнал:

Создайте comm.gpu.LDPCDecoder объект и набор его свойства.
Вызовите объект с аргументами, как будто это была функция.

Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты? MATLAB.

Создание

Синтаксис

gpu_ldpcdecoder = comm.gpu.LDPCDecoder

gpu_ldpcdecoder = comm.gpu.LDPCDecoder(parity)

gpu_ldpcdecoder = comm.gpu.LDPCDecoder(___,Name,Value)

Описание

пример

gpu_ldpcdecoder = comm.gpu.LDPCDecoder создает основанный на графическом процессоре бинарный Системный объект декодера LDPC. Этот объект выполняет LDPC, декодирующий на основе заданной матрицы проверки четности.

gpu_ldpcdecoder = comm.gpu.LDPCDecoder(parity) устанавливает ParityCheckMatrix свойство к parity и создает основанный на графическом процессоре Системный объект декодера LDPC. parity введите должен быть задан аналогичный описанному ParityCheckMatrix свойство.

gpu_ldpcdecoder = comm.gpu.LDPCDecoder(___,Name,Value) свойства наборов с помощью одной или нескольких пар "имя-значение", в дополнение к входным параметрам от любого из предшествующих синтаксисов. Например, comm.LDPCDecoder('DecisionMethod','Soft decision') конфигурирует Системный объект декодера LDPC, чтобы декодировать данные с помощью метода мягкого решения и вывести отношения логарифмической правдоподобности типа данных double. Заключите каждое имя свойства в кавычки.

Свойства

развернуть все

Если в противном случае не обозначено, свойства являются ненастраиваемыми, что означает, что вы не можете изменить их значения после вызова объекта. Объекты блокируют, когда вы вызываете их и release функция разблокировала их.

Если свойство является настраиваемым, можно изменить его значение в любое время.

Для получения дополнительной информации об изменении значений свойств смотрите Разработку системы в MATLAB Используя Системные объекты (MATLAB).

`ParityCheckMatrix` — Матрица проверки четности
`dvbs2ldpc(1/2)` (значение по умолчанию) | разреженная бинарная матрица | неразреженная матрица индекса

Матрица проверки четности в виде разреженного (N – K)-by-N матрица с бинарным знаком. N является длиной полученного сигнала и должен быть в области значений (0, ²³¹). K является длиной незакодированного сообщения и должен быть меньше N. Последней (N – K) столбцы в матрице проверки четности должна быть обратимая матрица в Поле Галуа порядка 2, gf(2).

Можно также задать матрицу проверки четности как 2D столбец неразреженная матрица индекса, I, это задает индексы строки и столбца 1s в проверке четности матрицируют таким образом что sparse(I(:,1),I(:,2),1).

Это свойство принимает типы числовых данных. Когда вы устанавливаете это свойство на разреженную бинарную матрицу, это свойство также принимает logical тип данных.

Значение по умолчанию использует dvbs2ldpc функция, чтобы сконфигурировать разреженную матрицу проверки четности для полууровня кодирование LDPC, как задано в стандарте DVB-S.2.

Пример: dvbs2ldpc(R,'indices') конфигурирует матрицу индекса для стандарта DVB-S.2, где R уровень кода и 'indices' задает выходной формат dvbs2ldpc как 2D столбец матрица с двойной точностью, которая задает индексы строки и столбца 1s в матрице проверки четности.

Типы данных: double | logical

`OutputValue` — Формат выходного значения
`'Information part'` (значение по умолчанию) | `'Whole codeword'`

Формат выходного значения в виде одного из этих значений:

'Information part' — Объектные выходные параметры K-by-1 вектор-столбец, содержащий только информационную часть полученного вектора отношения логарифмической правдоподобности. K является длиной незакодированного сообщения.
'Whole codeword' — Объектные выходные параметры N-by-1 вектор-столбец, содержащий целый вектор отношения логарифмической правдоподобности. N является длиной полученного сигнала.
N и K должны выровняться с размерностью (N –K)-by-K матрица проверки четности.

Типы данных: char

`DecisionMethod` — Метод решения
`'Hard decision'` (значение по умолчанию) | `'Soft decision'`

Метод решения использовал в декодировании в виде одного из этих значений:

'Hard decision' — Объектные выходные параметры декодировали данные типа данных logical.
'Soft decision' — Объектные выходные отношения логарифмической правдоподобности типа данных double.

Типы данных: char

`IterationTerminationCondition` — Условие для завершения итерации
`'Maximum iteration count'` (значение по умолчанию) | `'Parity check satisfied'`

Условие для завершения итерации в виде одного из этих значений:

'Maximum iteration count' — Декодирование завершает работу после количества итераций, заданных MaximumIterationCount свойство.
'Parity check satisfied' — Декодирование завершает работу после того, как всем проверкам четности удовлетворяют. Если не всем проверкам четности удовлетворяют, декодирование завершает работу после количества итераций, заданных MaximumIterationCount свойство.

Типы данных: char

`MaximumIterationCount` — Максимальное количество декодирования итераций
50 (значение по умолчанию) | положительное целое число

Максимальное количество декодирования итераций в виде положительного целого числа.

Типы данных: double

`NumIterationsOutputPort` — Выведите количество выполняемых итераций
`false` (значение по умолчанию) | `true`

Выведите количество итераций, выполняемых в виде false или true. Чтобы вывести количество выполняемых итераций, установите это свойство на true.

Типы данных: логический

`FinalParityChecksOutputPort` — Выведите итоговые проверки четности
`false` (значение по умолчанию) | `true`

Выведите итоговые проверки четности в виде false или true. Выводить финал вычислило проверки четности, установите это свойство на true.

Типы данных: логический

Использование

Синтаксис

y = gpu_ldpcdecoder(x)

[y,numiter] = gpu_ldpcdecoder(x)

[y,parity] = gpu_ldpcdecoder(x)

[y,numiter,parity] = gpu_ldpcdecoder(x)

Описание

пример

y = gpu_ldpcdecoder(x) декодирует входные данные с помощью кода LDPC на основе матрицы проверки четности по умолчанию.

[y,numiter] = gpu_ldpcdecoder(x) возвращает декодируемые данные, y, и количество выполняемых итераций, numiter. Чтобы использовать этот синтаксис, установите NumIterationsOutputPort свойство к true.

[y,parity] = gpu_ldpcdecoder(x) возвращает декодируемые данные, y, и итоговые проверки четности, parity. Чтобы использовать этот синтаксис, установите FinalParityChecksOutputPort свойство к true.

[y,numiter,parity] = gpu_ldpcdecoder(x) возвращает декодируемые данные, количество итераций выполняемые, и итоговые проверки четности. Чтобы использовать этот синтаксис, установите NumIterationsOutputPort и FinalParityChecksOutputPort свойства к true.

Входные параметры

развернуть все

`x` — Отношения логарифмической правдоподобности
вектор-столбец

Отношения логарифмической правдоподобности в виде N-by-1 вектор-столбец, содержащий мягкое решение, выводятся от демодуляции. N является количеством битов в кодовой комбинации LDPC перед модуляцией. Каждым элементом является отношение логарифмической правдоподобности для полученного бита. Значениями элемента, более вероятно, будет 0 если отношение логарифмической правдоподобности положительно. Первые элементы K соответствуют информационной части входного сигнала.

Типы данных: double

Выходные аргументы

развернуть все

`y` — Декодируемые данные
вектор-столбец

Декодируемые данные, возвращенные как вектор-столбец. DecisionMethod свойство задает ли объектные выходные трудные решения или мягкие решения (отношения логарифмической правдоподобности).

Если OutputValue свойство установлено в 'Information part', выход включает только информационную часть полученного вектора отношения логарифмической правдоподобности.
Если OutputValue свойство установлено в 'Whole codeword', выход включает целый вектор отношения логарифмической правдоподобности.

Типы данных: double | logical

`numiter` — Количество выполняемых итераций декодирования
положительное целое число

Количество выполняемых итераций декодирования, возвращенных как положительное целое число.

Зависимости

Чтобы включить этот выход, установите NumIterationsOutputPort свойство к true.

`parity` — Итоговые проверки четности
вектор-столбец

Итоговые проверки четности после декодирования кода входа LDPC, возвращенного как (N-K)-by-1 вектор-столбец. N является количеством битов в кодовой комбинации LDPC перед модуляцией. K является длиной незакодированного сообщения.

Зависимости

Чтобы включить этот выход, установите FinalParityChecksOutputPort свойство к true.

Функции объекта

Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:

release(obj)

развернуть все

Характерный для всех системных объектов

`step`	Запустите алгоритм Системного объекта
`release`	Высвободите средства и позвольте изменения в значениях свойств Системного объекта и введите характеристики
`reset`	Сбросьте внутренние состояния Системного объекта

Примеры

свернуть все

LDPC кодируют и декодируют модулируемый QPSK сигнал Используя графический процессор

Этот пример использует:

Скрипт Open Live Script

Используя comm.gpu.LDPCDecoder Система Object™, чтобы декодировать сигнал, передайте LDPC-закодированный, модулируемый QPSK поток битов через канал AWGN. После добавления AWGN демодулируйте и декодируйте полученный сигнал. Вычислите ошибочную статистику для приема незакодированных и LDPC-закодированных сигналов. Для получения дополнительной информации смотрите, что Ускорение Симуляции Использует графические процессоры.

Задайте переменные симуляции. Создайте Системные объекты для энкодера LDPC, декодера LDPC, модулятора QPSK и демодуляторов QPSK.

M = 4; % Modulation order (QPSK)
snr = [0.25,0.5,0.75,1.0,1.25];
numFrames = 10;
ldpcEncoder = comm.LDPCEncoder;
gpuldpcDecoder = comm.gpu.LDPCDecoder;
pskMod = comm.PSKModulator(M,'BitInput',true);
pskDemod = comm.PSKDemodulator(M,'BitOutput',true,...
    'DecisionMethod','Approximate log-likelihood ratio');
pskuDemod = comm.PSKDemodulator(M,'BitOutput',true,...
    'DecisionMethod','Hard decision');
errRate = zeros(1,length(snr));
uncErrRate = zeros(1,length(snr));

Для каждой установки SNR и всех систем координат, вычислите ошибочную статистику для незакодированных и LDPC-закодированных сигналов.

for ii = 1:length(snr)
    ttlErr = 0;
    ttlErrUnc = 0;
    pskDemod.Variance = 1/10^(snr(ii)/10); % Set variance using current SNR
    for counter = 1:numFrames
        data = logical(randi([0 1],32400,1));
        % Transmit and receiver uncoded signal data
        mod_uncSig = pskMod(data);
        rx_uncSig = awgn(mod_uncSig,snr(ii),'measured');
        demod_uncSig = pskuDemod(rx_uncSig);
        numErrUnc = biterr(data,demod_uncSig);
        ttlErrUnc = ttlErrUnc + numErrUnc;
        % Transmit and receive LDPC coded signal data
        encData = ldpcEncoder(data);
        modSig = pskMod(encData);
        rxSig = awgn(modSig,snr(ii),'measured');
        demodSig = pskDemod(rxSig);
        rxBits = gpuldpcDecoder(demodSig);
        numErr = biterr(data,rxBits);
        ttlErr = ttlErr + numErr;
    end
    ttlBits = numFrames*length(rxBits);
    uncErrRate(ii) = ttlErrUnc/ttlBits;
    errRate(ii) = ttlErr/ttlBits;
end

Постройте ошибочную статистику для незакодированных и LDPC-закодированных данных.

plot(snr,uncErrRate,snr,errRate)
legend('Uncoded','LDPC coded')
xlabel('SNR (dB)')
ylabel('BER')

Алгоритмы

развернуть все

Этот объект выполняет LDPC, декодирующий использование алгоритма распространения веры, также известного как алгоритм передачи сообщений.

Декодирование распространения веры

Реализация алгоритма распространения веры основана на алгоритме декодирования, представленном Gallager.

Для переданной LDPC-закодированной кодовой комбинации c = c ₀, c ₁, …, _cn_-1, вход к декодеру LDPC является значением отношения логарифмической правдоподобности (LLR) $L (c_{i}) = \log (\frac{\Pr (c_{i} = 0 | channel output for c_{i})}{\Pr (c_{i} = 1 | канал выход для c_{i})})$ .

В каждой итерации ключевые компоненты алгоритма обновляются на основе этих уравнений:

$L (r_{j i}) = 2 atanh (\prod_{i^{'} \in V_{j} \ i} \tanh (\frac{1}{2} L (q_{i^{'} j})))$ ,

$L (q_{i j}) = L (c_{i}) + \sum_{j^{'} \in C_{i} \ j} L (r_{j^{'} i})$ , инициализированный как $L (q_{i j}) = L (c_{i})$ перед первой итерацией, и

$L (Q_{i}) = L (c_{i}) + \sum_{j^{'} \in C_{i}} L (r_{j^{'} i})$ .

В конце каждой итерации L (_Qi) содержит обновленную оценку значения LLR для переданного битного _ci. Значение L (_Qi) является мягким решением выход для _ci. Если L (_Qi) <0, трудное решение выход для _ci равняется 1. В противном случае трудное решение выход для _ci 0.

Если сконфигурировано, чтобы остановиться, когда всем проверкам четности удовлетворяют, алгоритм проверяет уравнение проверки четности (H c' = 0) в конце каждой итерации. Когда всем проверкам четности удовлетворяют, или если максимальное количество итераций достигнуто, декодируя остановки.

Индексируйте наборы $C_{i} \ j$ и $V_{j} \ i$ основаны на матрице проверки четности (PCM). Индекс устанавливает _Ci, и _Vj соответствуют всем ненулевым элементам в столбце i и строка j PCM, соответственно.

Этот рисунок подсвечивает расчет этих наборов индекса в данном PCM для i = 5 и j = 3.

Чтобы избежать бесконечных чисел в уравнениях алгоритма, atanh (1) и atanh (-1) установлены в 19,07 и –19.07, соответственно. Из-за конечной точности, MATLAB возвращается 1 для tanh (19.07) и –1 для tanh (-19.07).

Ссылки

[1] Gallager, Роберт Г. Имеющие малую плотность коды с проверкой четности. Кембридж, MA: нажатие MIT, 1963.

Расширенные возможности

Массивы графического процессора
Ускорьте код путем работы графического процессора (GPU) с помощью Parallel Computing Toolbox™.

Этот Системный объект работает на графическом процессоре, и также поддерживает входные параметры графического процессора массивов. Для получения дополнительной информации смотрите, что Ускорение Симуляции Использует графические процессоры.

Смотрите также

Документация

comm.gpu.LDPCDecoder

Описание

Создание

Синтаксис

Описание

Свойства

ParityCheckMatrix — Матрица проверки четности dvbs2ldpc(1/2) (значение по умолчанию) | разреженная бинарная матрица | неразреженная матрица индекса

OutputValue — Формат выходного значения 'Information part' (значение по умолчанию) | 'Whole codeword'

DecisionMethod — Метод решения 'Hard decision' (значение по умолчанию) | 'Soft decision'

IterationTerminationCondition — Условие для завершения итерации 'Maximum iteration count' (значение по умолчанию) | 'Parity check satisfied'

MaximumIterationCount — Максимальное количество декодирования итераций50 (значение по умолчанию) | положительное целое число

NumIterationsOutputPort — Выведите количество выполняемых итераций false (значение по умолчанию) | true

FinalParityChecksOutputPort — Выведите итоговые проверки четности false (значение по умолчанию) | true

Использование

Синтаксис

Описание

Входные параметры

x — Отношения логарифмической правдоподобности вектор-столбец

Выходные аргументы

y — Декодируемые данные вектор-столбец

numiter — Количество выполняемых итераций декодирования положительное целое число

Зависимости

parity — Итоговые проверки четности вектор-столбец

Зависимости

Функции объекта

Характерный для всех системных объектов

Примеры

LDPC кодируют и декодируют модулируемый QPSK сигнал Используя графический процессор

Алгоритмы

Декодирование распространения веры

Ссылки

Расширенные возможности

Массивы графического процессора Ускорьте код путем работы графического процессора (GPU) с помощью Parallel Computing Toolbox™.

Смотрите также

Объекты

Функции

Блоки

Темы

Представленный в R2012a

Документация Communications Toolbox

Поддержка

`ParityCheckMatrix` — Матрица проверки четности
`dvbs2ldpc(1/2)` (значение по умолчанию) | разреженная бинарная матрица | неразреженная матрица индекса

`OutputValue` — Формат выходного значения
`'Information part'` (значение по умолчанию) | `'Whole codeword'`

`DecisionMethod` — Метод решения
`'Hard decision'` (значение по умолчанию) | `'Soft decision'`

`IterationTerminationCondition` — Условие для завершения итерации
`'Maximum iteration count'` (значение по умолчанию) | `'Parity check satisfied'`

`MaximumIterationCount` — Максимальное количество декодирования итераций
50 (значение по умолчанию) | положительное целое число

`NumIterationsOutputPort` — Выведите количество выполняемых итераций
`false` (значение по умолчанию) | `true`

`FinalParityChecksOutputPort` — Выведите итоговые проверки четности
`false` (значение по умолчанию) | `true`

`x` — Отношения логарифмической правдоподобности
вектор-столбец

`y` — Декодируемые данные
вектор-столбец

`numiter` — Количество выполняемых итераций декодирования
положительное целое число

`parity` — Итоговые проверки четности
вектор-столбец

Массивы графического процессора
Ускорьте код путем работы графического процессора (GPU) с помощью Parallel Computing Toolbox™.