面向芯片实现lte turbo码参数优化设计

《面向芯片实现lte turbo码参数优化设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、面向芯片实现LTETurbo码参数优化设计　　摘要随着无线通信技术的快速发展，LTE等长期演进项目成了近年来的热点，本文分析了LTE系统中Turbo码的译码，并针对定点运算的特点进行了改进。通过大量的仿真确定了定点LOG-MAP译码算法的关键参数。包括量化比特数和AWGN中GAIN值，外在（extrinsic）信息因子以及定点化、归一化、溢出处理等操作，这些处理使得该译码算法在译码性能上接近浮点LOG-MAP译码算法，对于Turbo译码在硬件上的实现具有一定的参考价值。关键词LTEGAIN外在（extrinsic）信息因子1引言Turb

2、o码因为具有接近Shannon限的性能，从提出后便得到广泛的关注，由于优异的纠错编码性能对移动通信系统具有非常的大吸引力，所以在第三代通信系统中都将Turbo码作为信道编码的方案，特别是在LTE系统中的编码方案中引入了QPP，使得turbo码编码性能获得极大的提高。本文的研究对象是LTE系统中的Turbo码，通过仿真确定译码参数，从多个角度提高译码的整体性能，整理出一套可行的译码方案。2Turbo码译码算法用于Turbo码译码的具体算法有：MAP（MaximumA6Posterori）、Max-Log-MAP、Log-MAP和SOVA（

3、SoftOutputViterbiAlgorithm）算法。这里简要概述MAP算法及其改进算法。2.1MAP算法通过对Turbo码译码算法原理的比较研究，我们知道MAP算法非常复杂，运算量极大，运算中不仅有大量的乘法和加法，还有在数字电路中较难实现的指数和对数运算，这极大的影响了MAP算法的实用。Koch和Baier及Erfanian等人提出Max-Log-MAP算法，大大地简化了MAP算法的复杂性，由于计算中做了一定地近似，这种算法不是最优的。Robertson等人对Max-Log-MAP算法做了一定地修正，被称作Log-MAP算法。

4、所以在介绍Log-MAP算法前先简要介绍一下MAP算法。3仿真及分析基于性能和译码速率的考虑，本文采用Log-Map算法（修正函数采用查表方法）作为Turbo码的译码算法，原理已经在第二节给出，本文在Matlab环境下对Turbo码译码算法的一些参数进行了仿真分析，并针对不同情况确定了这些参数的优化值，仿真流图如图1所示。6本文主要对影响Turbo码译码性能的一些关键参数进行了仿真和研究（如AWGN中GAIN值，定点化、归一化和外在（extrinsic）信息因子。下面给出了具有参考价值的仿真曲线和一些相关的分析与结论。3.1定点化过程中

5、GAIN值对LOG-MAP算法的影响为了便于硬件实现后看出硬件实现后的译码性能，对于每个接受到的输入比特xx（i），进行了定点化的处理：处理方式如下：Ixx（i）=fix（xx（i）*GAIN）（1）fix表示取整。其中GAIN的取值是随着量化比特数而变化的，其计算方法如下：由于GAIN值的选取跟经过信道后的接收信道的幅度和量化比特数有关，因此对于不同的量化比特数和接收信号幅度，GAIN值也要进行相应的调整。根据仿真的结果来看，当接收信号幅[-8，+8]之间的时候，采用6比特量化时，其区间为[-32，32]，因此有：GAIN*[-8，8

6、]=[-32，32]/2（2）中一般取6或8，对与不同的量化比特数，取值的范围也不同，如当为量化比特数位6时，取值范围[-32，31]，其中qmax=（1　　仿真条件：在AWGNX信道条件下，采用定点算法，量化比特数位8，迭代次数为7，码长为6144；采用LOG-MAP算法；其中蓝色为GAIN=8时的曲线，红色曲线为GAIN=1.44（先前的参数）设置时的曲线，仿真结果见图3所示。6从图2仿真结果可以看出，当量化比特数为6时，两者性能基本相同，新的GAIN值略好，从图3可以看出当量化比特数为8比特时，新的GAIN值比原先的设置要好约0.

7、1dB。总的来说，新的参数设置方法性能要好于原先的参数设置。3.2外在（extrinsic）信息因子对译码性能影响在一般的LOG-MAP算法中，对外在信息是不做任何处理的，外在信息经过交织或去交织后作为下一个译码器的先验信息。JorgVogt和AdolfFinger提出了一个显著提高译码性能的方法，即用一个系数（scale）乘以外在信息。把处理后的外在信息作为下一个译码器的先验信息。仿真条件：在AWGNX信道条件下，采用定点算法，量化比特数为6，GAIN=2；最大迭代次数为7，码长为6144；采用LOG-MAP算法，这里比较了scale

8、=[0.650.70.750.80.850.90.95原始方案（1）]，仿真曲线如图4所示：从图4的仿真结果可以看出，所选取的scale值对于性能影响差异相差不到0.1db，这里把scale=0.7，0.8