Chính vì vậy, trong luận án này, tác giả nghiên cứu các vấn đề sau: thứ nhất là nghiên cứu về cải thiệnhiệu suất giải mã trên cơ sở thuật toán giải mã Min-Sum MS; thứ hai là nghiên cứutí
Quan hệ giữa tỷ lệ tín hiệu trên nhiễu (SNR) với tỷ lệ lỗi bit (BER)
Một trong những đặc tính dùng để đánh giá thuật toán giải mã là kết quả sửa lỗi Hình2-5 minh họa mối quan hệ của tỷ lệ tín hiệu trên nhiễu (Signal to Noise Ratio-SNR) với tỷ lệ lỗi bit (Bit Error Rate-BER) Tỷ lệ tín hiệu trên nhiễu (SNR) là tỷ số giữa công suất tín hiệu và công suất tạp âm Một hệ thống có SNR lớn sẽ cho chất lượng tốt(BER nhỏ) SNR phụ thuộc vào công suất tín hiệu thu được tại bộ thu, do đó, nó sẽ phụ thuộc vào khoảng cách truyền dẫn của hệ thống, băng thông truyền dẫn và các tham số đường truyền như suy hao, fading Trong hệ thống thông tin số, SNR còn được thể hiện qua tỷ số năng lượng ký hiệu trên mật độ nhiễu (E,/No) Trong các hệ thống thông tin số sử dụng điều chế mã hóa kênh khác nhau với số mức và tỷ lệ mã hóa khác nhau thì tỷ số năng lượng bit trên mật độ nhiễu (E,/No) được sử dụng thay vi SNR Cụ thé, với điều chế V mức, tỷ lệ mã R, mối quan hệ giữa SNR và E,/No được thé hiện như sau: E,/Nạ[đB] = SNR[dB] — 10lg(R log,V) trong đó, V là số mức điều chế ; R là tỷ lệ mã (Ví dụ: V = 2 với BPSK; V = 4 với QPSK; V = 8 với
Hình 2-5 Các quan hệ giữa ty lệ tin hiệu trên nhiễu (SNR) với ty lệ lỗi bit (BER) Đồ thị thể hiện mối quan hệ giữa SNR với BER thường được chia thành ba miền như minh họa ở Hình 2-5 Cụ thể như sau:
+ Miền non-convergence: Bộ giải mã có khả năng sửa lỗi kém tại miền giá trị SNR thấp, thậm chí có tăng số vòng lặp giải mã lên thì kết quả giải mã cũng không được cải thiện.
* Miền waterfall: BER cải thiện một cách đáng kể mặc dù giá trị SNR thay đôi rt Ít. Miễn này thường xảy ra ở vùng giá trị vừa va cao của SNR Kết quả giải mã cải thiện nếu tăng số vòng lặp giải mã.
* Miền error floor: Trong miền này BER thay đổi ít và kết quả giải mã bị giới hạn do năng lượng tín hiệu tăng Lỗi nền (error floor) thường xảy ra ở miễn giá trị SNR cao.
Các thuật toán giải mã
Như phần trên đã trình bày, mã LDPC có những đặc tính ưu việt và được ứng dụng trong nhiều chuẩn, đó chính là lý do luận án nghiên cứu và cải thiện mã này Hiệu suất sửa lỗi của mã LDPC tiến gần tới han Shannon với các mã có chiều dai khối lớn Các tác giả trong bài [76] đã mô phỏng mã LDPC với chiều đài khối 107 và kết quả giải mã chỉ cách giới hạn Shannon khoảng 0.0045 dB tại BER 107° Điều cần chú ý ở đây là mã LDPC được thực hiện là mã không đều Chiều dài khối mã lớn có nghĩa là kích thước các ma trận kiểm tra chin lẻ cũng phải lớn Chiều đài khối mã càng tăng lên thì độ phức tạp trong thiết kế phần cứng cảng tăng.
Nhằm giảm độ phức tạp trong tính toán, các nhà nghiên cứu đã cải tiến thuật toán bằng cách phân tích và thực hiện phép tính phức tạp thành các phép tính đơn giản hơn, dễ thực hiện hơn (phương pháp này gọi là cách thức “tính toán cục bộ”) Những bước tính toán này được lặp đi lặp lại nhiều lần Thuật toán này gọi là thuật toán lặp Hơn nữa, đặc điểm của ma trận kiểm tra chin lẻ của mã LDPC có phần tử có giá trị bằng 1 ít hơn phần tử có giá trị 0 rất nhiều nên cũng góp phần giúp các phép tính toán cục bộ trở nên đơn giản và cũng làm giảm độ phức tạp phần cứng.
Từ năm 1962 đến nay, các thuật toán giải mã cho mã LDPC đã được xây dựng nhiều cách khác nhau, với nhiều tên gọi khác nhau Trong việc thiết kế bộ giải mã LDPC, chúng ta cần cân đối giữa các đặc tính với nhau ví dụ như kết quả giải mã, tốc độ xử lý, công suất tiêu thụ và diện tích sử dụng [2].
Về cơ bản, các thuật toán giải mã cho mã LDPC có thể được phân thành hai loại chính: quyết định cứng (hard-decision) [82] và quyết định mềm (soft-decision) [83].Trong phương pháp quyết định cứng, tín hiệu nhận được sẽ được so sánh với giá trị ngưỡng đã đưa ra đề xác định xem bit được truyền là 0 hay 1 Ngược lại, phương pháp quyết định mềm xem tin hiệu nhận được là hàm phân bố xác suất và nó tính toán khả năng xảy ra của từng bit được truyền dựa trên các đặc điêm của tín hiệu nhận được.Nhu vậy, phương pháp quyết định mềm sử dụng tat cả thông tin trong suốt quá trình quyết định lựa chọn thông tin trong khi phương pháp quyết định cứng không sử dụng đầy đủ thông tin có sẵn trong tín hiệu nhận được (chỉ bằng cách so sánh mức tín hiệu với ngưỡng mà bỏ qua các mức tín hiệu có giá trị khác) Chính vì vậy, mặc dù phương pháp giải mã quyết định mềm tính toán phức tạp hơn so với giải mã quyết định cứng nhưng phương pháp này đạt được hiệu suất sửa lỗi tốt hơn Trong luận án này, phương pháp quyết định mềm được sử dụng Thuật toán giải mã mềm cho mã LDPC được biết là thuật toán Message-Passing (MP) Hình 2-6 mô tả sự phân loại các thuật toán giải mã LDPC Từ hình ta thấy thuật toán giải mã LDPC dựa trên cơ sở thuật toán MP và được chia làm hai loại chính: Belief-Propagation (BP) (hay Sum-Product-SP) và Min-
Sum (MS) Trong luận án này, thuật toán MS sẽ được tập trung nghiên cứu Vài năm gần đây có nhiều công trình nghiên cứu đề xuất cải thiện các thuật toán giải mã và được ứng dụng khác nhau từ thiết kế hệ thống, bộ nhớ flash, truyền thông quang học và hệ thống truyền thông vô tuyến.
+ DE-based BPA (OMSA) “Thuật toán khác
+ Shuffle BPA + AdaptiveOMSA | |+ Improved NMSA : sass * Modified 2-bit MSA.
+ Edge based + Threshold + Simplified 2D) | Sopadeot
Dynamic OMSA/NMSA Scaled NMSA & eee
Scheduling for BPA + Improved low + Improved NMSA Biro ee © Gees Qua complex OMSA using DE fe RCs
* + Improved Self relaxation-based + Modified OMSA + NMSA using adaptive MSA.
BPA + Partially OMSA Order statistics Pt ô Improved OMSA_ + Adaptive NMSA
Hình 2-6 Các loại thuật toán giải mã mềm LDPC
Quy trình giải mã của thuật toán giải mã lặp MP (Message-Passing):
Thuật toán phổ biến sử dụng cho bộ giải mã LDPC là thuật toán giải mã MP Trong thuật toán này, quá trình thực hiện gửi thông tin qua lại giữa các VN và CN được lặp đi lặp lại như minh họa bằng giản đồ Tanner ở Hình 2-2 Quá trình truyền thông tin qua lại này diễn ra trong nhiều vòng lặp Ở mỗi vòng lặp, các thông tin mới gửi qua
2 một cạnh nào đó không phụ thuộc vào thông tin vừa nhận trên cùng cạnh Quá trình tính toán sự trao đổi thông tin được minh họa như Hình 2-7.
Giả sử chiều dai khối mã và bit thông tin lần lượt là N và K Ma trận kiểm tra chin lẻ cho mã LDPC là H có kích thước M x N Trong ma trận H ký hiệu nút biến (VN)ở cột thứ n và nút kiểm tra (CN) ở dong thứ m lần lượt là vp và Cn.
Bon = mĩ vy, ‘ming Cy Bryn Ÿn
2 Quá tinh xr CN Quá trnh xử lý VN © Quá tình cập nhật thông tin
Hình 2-7 Sơ đồ tính toán thông tin trong thuật toán MP.
Ký hiệu : © —H: giản đồ Tanner. © Hím): tập hợp các VN kết nói với CN m. © Hín): tập hợp các CN kết nối với VN n. â _ y„: thụng tin tiờn nghiệm (a priori information) liờn quan tới nỳt biến ứ. © Yq: thông tin từ mã (a posteriori information-AP) liên quan tới nút biến n được cung cấp bởi bộ giải mã. © Qn: thông tin từ nút biến n tới nút kiểm tra m (VTC). â Bm: thụng tin từ nỳt kiểm tra m tới nỳt biến ứ (CTV).
Các bước cơ bản của thuật toán lặp MP được mô tả như sau:
+ Khởi tao: Thông tin ban đầu (y„) được xác định cho các giá trị VN n Từ đó, có thé tính được thông tin khởi tạo từ VN tới CN (#„„„).
+ Vòng lặp: Mỗi vòng lặp giải mã được thiết lập theo trình tự sau:
~ Xử lý CN (CN-processing) Các tin chuyển từ CN tới VN (Bmn) được cập nhật từ các tin hiện thời ann, với ' € H(m)\{n}.
— Xử lý VN (VN-processing) Các tin chuyên từ VN tới CN (œ„„) được cập nhật từ các giá trị y„ và giá trị hiện thời („„„) với m’ € H(n)\{m}.
— Cập nhật thông tin VN 7, sau mỗi vòng lặp từ các thông tin y„ và Bn với m €
Tại mỗi vòng lặp bộ giải mã cần tính kiểm tra syndrome: vector # với từ mã nhận x4p xi: s=H-®” Bộ giải mã sẽ kết thúc quá trình giải mã khi s = 0 hoặc khi số vòng lặp đạt cực đại.
Tùy thuộc vào cách thức xử lý các thông tin CN và VN, có rất nhiều thuật toán khác nhau như thuật toán Bit Flipping (BF), BP, MS và các thuật toán dựa trên cơ sở MS
[24] Trong luận án này, tác giả tập trung vào thuật toán MS và các thuật toán dựa trên cơ sở MS Vì thuật toán MS là thuật toán đơn giản hóa của thuật toán BP rất phù hợp khi thực thi trên phan cứng Đề hiểu rõ hơn về thuật toán MS, đầu tiên tác giả sẽ trình bày khái quát về thuật toán BP trước.
Thuật toán BP được mô tả chi tiết như trong Thuật toán 1 [24].
Trong thuật toán BP, quá trình CN được tính toán như sau:
Trong đó hàm tanh được định nghĩa: tanh(x) =
Trên thực tế, thực hiện hàm tanh trên phần cứng rất phức tap Dé phù hợp với thiết kế phan cứng, thuật toán MS sử dụng phương pháp xấp xi cho (2.2) [24]: ủma {TT seman) )(,, mal) (23) n'eH(m)\n
Phương trình (2.3) mô tả quá trình xử lý CN của thuật toán MS Thuật toán MS được mô tả cụ thể như ở Thuật toán 2 [24].
Thuật toán 1: Thuật toán Belief Propagation (BP)
Input: J = (9, ,fy) € YŸ(Y là thông tin ngõ ra kênh > Thông tin ngõ vào truyền) Output# = (&, ,Êy) € {0,1}" t> Từ mã
2: for alln= I, ,MV đo yạ = Lạ = log
3: foralln= I, ,Vand?n € H(n) do Gmn = Tạ;
5: for all m= l, , Mand n € H(m) do © Quá trình xử lý
6: Bim = 2 tanh ([luuewœy, tanh (“22)) CN
7: for alln=1, N and m € H(n) do Quá trình xử lý
8: mạ = Yn + Lmven(n)\m mm VN
9: forallz= I, ,V do Quá trình cập
10: Fn = Yn + Lenten) ma nhật từ mã
12: if % is a code word then exit the iteration loop © Kiém tra syndrome
Thuật toán 2: Thuật toán Min-Sum (MS)
Input: ¥ = (9, ,9y) € VŸ(Y là thông tin ngõ ra kênh + Thông tin ngõ vào truyền)
2: for all n= 1, ,N do yạ = Ly = Lm) n=1lYn
3: for alln= I, ,Vand?n € H(n) do đ„„ = Tạ;
Bran = (lvewemov 80 Amn)) (mm lame
12: if % is a code word then exit the iteration loop
) œ Từ mã œ Quá trình xử lý CN © Quá trình xử lý VN © Quá trình cập nhật từ mã © Kiểm tra syndrome
Density Evolution (DE) [26, 84] là phương pháp hiệu quả để dự đoán kết quả giải mã của các thuật toán giải mã lặp MP Có nhiều cách dé biểu diễn phương pháp DE [26, 84-86], luận án này sẽ trình bày cách tiếp cận sau:
Giả sử hàm mật độ xác suất (probability density function-pdf) của các thông tin VN a khởi tạo là P{ Xác định pdf của các thông tin CN Qf? và của các thông tin VN
Trong quá trình xử lý VN pdf của các thông tin œ tính được bằng phép tích chập
PO =/,@ (0) 1 (2.4) trong đó f, là pdf của các giá trị kênh truyền; d, là bậc của nút biến.
Trong quá trình xử lý CN:
Hàm ỉ của cỏc thụng tin ngẫu nhiờn X = {xu1¿, —#8,~1} được xỏc định bởi cụng thức:
Hàm xác suất tích lũy (Cumulative Distribution Function-CDF) của B xác định bằng cách lấy tích phân hàm pdf của vector X trên miền xác định thỏa
Fy (1) = Pr [mins 1 nl] [ sgnŒ,) 0, CDF xác định như sau: Œ†1)(T)
Xác định pdf của B bang cách lấy vi phân của hàm F(B) theo Ì, ta có:
Như vậy, thông qua việc quan sát sự thay đổi của các hàm P.?,012 ở (2.4) (2.10) chúng ta có thể xác định khả năng tỷ lệ của thông tin lỗi có tiến tới 0 hay không khi số lần lặp tăng lên.
Lịch trình 32 2.11 Quy trình thiết kế bộ giải mã LDPC trên FPGA 33 2.12 Các khái niệm sử dụng trong luận án 37 2.13 Kết luận 39
Lịch trình của quá trình giải mã LDPC xác định trình tự thực hiện các nút VN và CN hay khả năng cùng lúc nhiều nút thực hiện một cách song song Có nhiều loại lịch trình nhưng có hai loại phổ biến là lịch trình flooding [89, 90] và lịch trình layer [91,
Lịch trình flooding là quá trình thực hiện lặp đi lặp lại nhiều lần, mỗi vòng lặp tat cả các nút CN đều được kích hoạt đồng thời, dẫn đến tất cả các nút VN cũng được kích hoạt Ví dụ lịch trình flooding được minh họa như Hình 2-12. cy | 3 % cy C2 C3 kì
Y% v2 v3 Uy vs % vy v2 v3 Uy Vs %
Hinh 2-12 Vi du vé lich trinh flooding (a quá trình xử lý các nút biến; b quá trình xử lý các nút kiêm tra) Ở nửa đầu vòng lặp các nút c; — c tính các thông tin của chúng, các thông tin này được gửi tới tất cả các nút VN (Hình 2-12a) Ở nửa sau vòng lặp, các nút VN sẽ tính các thông tin và truyền tới các nút CN (Hình 2-12b).
Lịch trình layer cũng thực hiện lặp đi lặp lại nhưng các nút thực hiện một cách tuần tự trong mỗi vòng lặp, chỉ một hay một nhóm các nút thực hiện Lịch trình layer sẽ tập trung thực hiện vào CN, xử lý lần lượt từng CN Khi một CN xử lý thông tin, tất cả các VN được kết nối với CN đó sẽ được xử lý trước khi chuyển sang CN tiếp theo. Một vòng lặp xem là hoàn tất khi tắt cả các CN được xử lý Ví dụ lịch trình layer được minh họa ở Hình 2-13.
Mỗi vòng lặp được thực hiện theo tuần tự như sau: CN c¡ kích hoạt, tính toán thông tin và truyền tới các VN: V2, 0ạ, ạ Các VN này sẽ kích hoạt, tính toán thông tin va truyền thông tin tới các CN kết nói với chúng ngoại trừ CN c, Tiếp theo CN c; được kích hoạt Quá trình thực hiện tương tự như đối với CN còn lại Khi tất cả các CN đã kích hoạt có nghĩa một vòng lặp sẽ hoàn thành. a © Ẳ ce cy Ẳœ ° cy
Hình 2-13 Ví dụ về lịch trình layer (a CN c, được xử lý thông tin và truyền tới các VN v2, 0, 0s; b các VN v2, v4, v5 được xử lý và truyện thông tin tới các CN liên kết với chúng trừ CN c¡; c CN c2 được xử lý thông tin.) Ưu điểm của lịch trình layer là thông tin thực hiện trong một vòng lặp có thể áp dụng cho các vòng lặp khác Lịch trình layer có ưu điểm lớn so với lịch trình flooding là tốc độ hội tụ (tức là khả năng giải mã) nhanh gần gấp 2 lần [25] Tuy nhiên, lịch trình layer có hạn chế là mức song song không cao như lịch trình flooding dẫn đến tốc độ xử lý thấp hơn và độ trễ xử lý cao hơn.
2.11 Quy trình thiết kế bộ giải mã LDPC trên FPGA a Nghiên cứu xây dựng thuật toán cho bộ giải mã
Nhu đã được đề cập ở phần trước, mục đích của luận án là thiết kế bộ giải mã cho kết quả giải mã tốt cho mã LDPC có chiều dài mã lớn dùng cho hệ thống thông tin mới.Nghiên cứu và đề xuất giải thuật mới có hiệu suất giải mã tốt cho bộ giải mã LDPC và kết quả sửa lỗi tốt hơn các công trình tham khảo Cụ thể luận án sẽ tác động vào quá trình xử lý CN và VN nhằm giảm ước lượng thông tin quá mức dé nhận được kết quả giải mã tốt hơn Thực hiện mô phỏng giải thuật đề xuất sử dụng phần mềm MATLAB và so sánh với các giải thuật có sẵn Quy trình thực hiện xác định thuật toán sẽ tiến hành cụ thể như Hình 2-14.
Tổng hợp và phân tích ket quả đạt được
Xác định hàm tính toán
Hình 2-14 Quy trình xác định thuật toán giải mã LDPC
Quy trình xác định thuật toán giải mã LDPC gồm 7 bước:
Bước 1: Lựa chọn ma trận kiểm tra chan lẻ LDPC dé giải mã.
Dựa trên mục đích thiết kế và chuẩn ứng dụng, người nghiên cứu cần xác định rõ mã
LDPC cụ thê nào ví dụ QC-LDPC, ứng dụng WiFi, 4G hay 5G.
Bước 2: Lựa chọn chiều dài mã, tỷ lệ mã, ma trận cơ sở.
Từ yêu cầu của chuẩn ứng dụng, người nghiên cứu phải tiến hành phân tích và xác định chiều dài mã, tỷ lệ mã, ma trận cơ sở, mã đều/không đều, bậc nút và các tính chất khác của mã.
Bước 3: Xác định số bit biểu diễn thông tin.
Số bit biểu dién thông tin ảnh hưởng đến hiệu suất giải mã, chính vì vậy, người nghiên cứu cần xem xét và xác định dé nhận được kết quả tối ưu.
Bước 4: Xác định thuật toán giải mã.
Dựa trên kết quả giải mã đặt ra, người nghiên cứu cần xác định thuật toán giải mã cụ thé ví dụ: BP, MS,
Bước 5: Xác định hàm cập nhật thông tin tại các bước VN, Để cải tiến thuật toán giải mã, thông thường các nhà ngiên cứu thường tác động lên quá trình CN hay VN bằng nhiều cách như tác động bằng một hệ số hiệu chỉnh, hai hệ số hiệu chỉnh
Bước 6: Mô phỏng bằng MATLAB. Ở bước này tiến hành thực hiện mô phỏng sử dụng phần mềm MATLAB.
Bưuóc 7: Tổng hợp và phân tích các kết quá nhận được.
Tổng hợp kết quả BER nhận được Đánh giá kết quả sau khi giải mã. b Quy trình thiết kế bộ giải mã LDPC
So đồ quy trình thiết kế bộ giải mã được mô tả như Hình 2-15.
Quy trình thiết kế bộ giải mã gồm 7 bước:
Bước 1: Lựa chọn ma trận kiểm tra chan lẻ LDPC dé giải mã.
Từ yêu cầu của hệ thống và chuẩn ứng dụng, người thiết kế phải tiến hành phân tích và xác định chiều dài khối, tỷ lệ mã, mã đều/không đều, bậc nút và các tính chất khác của mã (ví dụ QC-LDPC).
Bước 2: Lựa chọn việc xử ly song song.
Người thiết kế cần xác định cấu trúc phần cứng (song song hoàn toàn, bán song song hay nối tiếp), yêu cầu tài nguyên phần cứng hay tốc độ xử lý, mạng kết nói định tuyến.
Bước 3: Lựa chọn cách biểu diễn thông tin.
Việc xác định số bit biểu diễn thông tin và cách lượng tử sẽ ảnh hưởng đến hiệu suất sửa lỗi và tài nguyên phần cứng khi thiết kế, do vậy, người thực hiện cần cân nhắc tới kết quả nhận được.
Bước 4: Thiết kế cấu trúc các khối xử lf các nút kiểm tra và nút biến.
Trong bước này cần xác định thuật toán giải mã và xác định số ngõ vào/ra của mỗi khối xử lý.
Lựa chọn ma trận chin lẻ Lựa chọn việc xử lý Lựa chọn cách biểu
LDPC dé giải mã song song diễn thông tin
Hình 2-15 Quy trình thiết kế bộ giải mã LDPC Bước 5: Thiết kế luồng dữ liệu và cách truy cập bộ nhớ.
Bước này cần xác định lịch trình giải mã (flooding hay layer) Xem xét số lượng và dung lượng bộ nhớ sử dụng trong thiết kế.
Bước 6: Thiết ké khối điều khiển bộ giải mã.
Khối điều khiển có chức năng điều khién bộ giải mã hoạt động theo đúng trình tự, xác định số vòng lặp thực hiện giải mã, điều kiện kết thúc quá trình giải mã, thời điểm ghi/đọc tín hiệu của các bộ nhớ.
Bước 7: Xác định dữ liệu ngõ vào/ra.
Xác định dữ liệu ngõ vào từ kênh truyền và bộ đệm Đánh giá kết quả tín hiệu sau khi giải mã.
Dé đảm bảo độ tin cậy của kết quả, kết quả phần cứng và phần mềm được tiền hành kiểm tra như sơ đồ ở Hình 2-16.
Mô phỏng bằng — Tỉn hiệu giải mã 1
Hình 2-16 Sơ đồ kiểm tra kết quả giữa phần cứng và phần mềm
Mô phỏng bằng MATLAB: Chương trình mô phỏng được viết trên phần mềm
MATLAB thê hiện chức năng và nhiệm vụ của các quá trình xử lý tương tự như được thực hiện bởi ngôn ngữ phan cứng Verilog HDL.
Số bit biểu diễn thông tin đều được sử dụng dưới dang fixed point.
Tín hiệu vào được lấy từ chương trình mô phỏng MATLAB (ở ngõ vào bộ giải mã) được dùng làm tín hiệu ngõ vào của testbench trên phần mềm Vivado.
Tín hiệu ngõ ra của cả hai được so sánh với nhau Do tín hiệu ngõ vào và ngõ ra rat lớn, khó khăn trong việc so sánh tin hiệu đưới dang sóng, luận án đã thực hiện đưa dữ liệu ngõ vào từ file tín hiệu vào và tín hiệu ngõ ra được lưu vào một file kết quả ngõ ra Thực hiện so sánh các tín hiệu được lưu ở hai file ghi tín hiệu ngõ ra của chương trình mô phỏng MATLAB và Vivado Nếu trùng khớp thì có kết quả đạt Nếu kiểm tra sai thì kiểm tra code thiết kế phần cứng với điều kiện thực hiện mô phỏng trên
2.12 Các khái niệm sử dụng trong luận án
Hình 2-17 mô tả sơ đồ khói hệ thống thông tin tổng quát.
— Móhúa | Điều chế [=f enh tuyộn Leia abe ô2| Giải mó Ễ+
Hình 2-17 Sơ đồ khối hệ thống thông tin
THUẬT TOÁN GIẢI MÃ CHO MÃ LDPC 3.1 Khảo sát sự ảnh hưởng của các giải thuật giải mã đến khả năng sửa lỗi của mã
Phương pháp tìm các giá trị hiệu chỉnh tối ưu 3.2.3 Các thuật toán giải mã dé xuất sử dung hai hệ số hiệu chỉnh các thông tin của quá trình xử lý các nút kiểm tra 3.2.3.1 Thuật toán Improved Offset Min-Sum (IOMS) 5S 3.2.3.2 Thuật toán Advanced Offset Min-Sum (AOMS)
Theo phương pháp đề xuất, các quá trình xử lý đã sử dụng các hệ số hiệu chỉnh để nâng cao hiệu suất giải mã so với thuật toán MS Phương pháp đề tìm được các giá trị tối ưu là sử dụng DE như đã trình bày ở Phần 2.8.
Trường hợp 1: Trong trường hợp các hệ số hiệu chỉnh tác động lên quá trình xử lý
CN như hệ số b, c của (3.16) (3.17b), việc tìm hệ số này sẽ sử dụng phương pháp DE. Khi đó, hàm Q,(x) của DE được cải tiến như sau:
Trường hợp 2: Trong trường hợp các hệ số hiệu chỉnh (8, 5) tác động lên cả hai quá trình xử lý CN và VN, dé tim giá trị tối ưu cả các hệ số này, các hàm P„(x) và Qe (x) của phương pháp DE như đã trình bày ở Phan 2.8 được cải tiến, cụ thể như sau:
Từ các phương trình (2.11 a, b) và (3.16) ở quá trình xử lý CN, hàm Qp (x) tính như sau:
%œ lss.l=( mm le„„|) G20 n€H(m) w@)0gŒ + BY +w(~4)0gŒ = 8) + PG) |ama| # (, mịn lanl) nr€H(m)|
Từ các phương trình (2.11 a,b) và (3.16) ở quá trình xử lý VN :
Các bước khác làm tương tự như Phan 2.8 dé xác định các hệ số hiệu chỉnh.
3.2.3 Các thuật toán giải mã dé xuất sứ dụng hai hệ số hiệu chỉnh các thông tin của quá trình xử lý các nút kiểm tra
3.2.3.1 Thuật toán Improved Offset Min-Sum (IOMS)
Mặc dù các thuật toán NMS, OMS đã sử dụng hệ số hiệu chỉnh nhằm cải thiện kết quả giải mã của thuật toán MS nhưng khoảng cách giữa kết quả sửa lỗi của các thuật toán này còn cách xa so với kết quả sửa lỗi của thuật toán BP Ưu điểm của hệ số chuẩn hoá của thuật toán NMS và hệ số offset của thuật toán OMS đã giúp giảm bớt việc ước lượng thông tin trong phương pháp x4p xi của thuật toán MS Bên cạnh đó từ kết quả (3.17a), thuật toán đề xuất IOMS đã kết hợp đồng thời hai hệ số hiệu chỉnh nhằm cải thiện kết quả giải mã Cụ thể, hai hệ số này đã tác động lên quá trình xử lý nút kiểm tra (CN) được viết như sau: mn = I] sgn(m,) -max|(y min |enxl) —n, of (3.22) n'€H(m)\n n'€H(m)\n với 0