Introduzione alla funzionalità del codice LDPC

I codici a tasso variabile (LDPC) sono diventati una base di correzione degli errori moderni, consentendo una comunicazione affidabile su sistemi rumorosi. Originariamente scoperto da Gallager negli anni '60 e poi riscoperto negli anni '90, i codici LDPC sono in grado di avvicinarsi al limite di Shannon in decodifica iterativa.

Questo articolo esplora la meccanica della punttura e del accorciamento, il loro impatto sulle prestazioni di correzione degli errori e i trade-off coinvolti nella loro applicazione.

Fondamenti dei codici LDPC

I codici LDPC sono codici lineari di blocco caratterizzati da una matrice di controllo di parità radi H]. Ogni colonna corrisponde a un nodo variabile (bit), e ogni riga rappresenta un'equazione di codifica di parità. La sparsità di consente una propagazione efficiente delle credenze (BP) che decodifica con bassa complessità.

La puntualizzazione e il accorciamento offrono un modo per riutilizzare un singolo codice madre (con fisse n] e k]]) per creare vari tassi e lunghezze efficaci. Il codice madre serve come linea di base; la puntura aumenta il tasso di codice, omettendo alcuni bit trasmessi, alterando le proprietà di accorciare riduce la lunghezza del codice noto impostando alcuni metodi di bit.

Tecniche di punttura

Come funziona la punttura

In termini di punttura, l'encoder produce un codice di lunghezza n] da k] informazioni bit. Prima della trasmissione, un sottoinsieme di p] bit di parità (e a volte bit sistematici) viene rimosso secondo un modello di decodifica.

La punttura è ampiamente utilizzata nella codificazione compatibile con i tassi, dove una famiglia di codici con tassi diversi deriva da un encoder. Questo approccio è fondamentale in sistemi come 5G, dove la dimensione del blocco di trasporto varia, e la velocità di codice deve essere regolata per trasmissione.

Impatto sul tasso di codice e sulle prestazioni

Tuttavia, la rimozione dei bit di parità riduce la distanza minima del codice e degrada la capacità di correzione degli errori. Il decoder deve inferire i bit mancanti, basandosi sulla ridondanza rimanente. A tassi di puntizzazione elevati, la penalità delle prestazioni può essere grave, il codice può soffrire da un piano di errore o richiedere un SNR più alto per ottenere un errore di bitBER tasso (tasso di bitBER).

La puntura casuale è subottima; i modelli strutturati che preservano la circonferenza e la distribuzione del grado del grafico Tanner sono migliori. Molti standard moderni definiscono modelli di punttura ottimizzati per ogni punto di tasso. Ad esempio, i codici NR 5G LDPC utilizzano un approccio grafico base con puntratura integrata per corrispondenza dei tassi.

Progettazione modelli di punttura

Il design ottimale del pattern è impegnativo perché comporta il bilanciamento di diversi fattori: minimizzare il numero di nodi variabili a basso grado che diventano forati, mantenendo la connettività per decodifica iterativa, evitando la chiusura precoce in BP. Tecniche come l'evoluzione della densità e l'analisi del protografo sono utilizzate per valutare i modelli.

Per un trattamento dettagliato del design di punttura, vedere la carta IEEE sui codici LDPC compatibili con i tassi usando punture e accorciamento[.

Tecniche di accorciamento

Come funziona l'ammortizzazione

[FLT] [[FLT]]] [[FLT]]]] [[FLT:]]]] [[FLT:]]]]] [[FLT:]]]] []] [[[[[FLT]]]]]]]]]]]]] [[[[[FLT]]]]]]]]]]]]]]]]]] [[[[[[[[[[[[[[[[[[[FLT]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

Spesso si usa un blocco di informazioni più piccolo, ma il sistema richiede una lunghezza fissa di codeword, o quando si desidera una protezione di errore più forte. Ad esempio, un codice madre tasso-1/2 (n=1000, k=500) abbreviato da 100 bit produce un tasso efficace di 400/1000 = 0.4, fornendo più ridondanza.

Impatto sulla lunghezza del codice e Correzione degli errori

Riducendo il tasso efficace, accorciando migliora le prestazioni di correzione degli errori del codice perché il decoder ha più equazioni di controllo della parità rispetto ai bit di informazione. La distanza minima del codice abbreviato può essere almeno grande come quello del codice madre, e spesso aumenta.

Tuttavia, accorciando le riposizioni delle informazioni decodable; il decoder deve gestire i bit conosciuti. In genere, il decoder inserisce nodi variabili a valore zero con infinita affidabilità, rimuovendoli efficacemente dal processo iterativo. Questo può essere implementato senza modificare l'architettura decoder—semplicemente inizializzando quei nodi variabili con rapporti di probabilità di log estremamente elevati (LLR).

Selezione di bit fissi

La scelta di quali bit di informazione per accorciare le questioni. I bit di accorciamento che corrispondono a nodi variabili ad alto grado o quelli che creano molti cicli possono degradare le prestazioni. In pratica, i bit accorciati sono di solito i primi ]s]] bit di informazione (o un insieme predefinito).

Analisi comparativa: punttura contro accorciamento

Adaptability to Channel Condizioni

La punttura aumenta il tasso di codice, ideale per i canali ad alto livello SNR dove il throughput è prioritario. L'asportazione riduce il tasso di codice, adatto per le condizioni a basso livello SNR o a basso profilo dove domina l'affidabilità. In molti sistemi, entrambe le tecniche sono combinate per raggiungere l'adattamento a tasso finemente gravato.

L'adattabilità si estende ai sistemi di richiesta automatica di ripetizione ibrida (HARQ) e in HARQ ridondanza incrementale, la trasmissione iniziale utilizza un codice perforato ad alta velocità; al fallimento vengono inviati ulteriori bit di parità (riducendo efficacemente la puntura), e se necessario, si può applicare un accorciamento per ridurre ulteriormente la velocità.

Trade-offs in Code Design

La punttura riduce il numero di bit trasmessi, salvando la larghezza di banda ma sacrificando la resilienza degli errori. L'ammortizzazione riduce il carico di informazioni, abbassando il throughput ma aumentando la protezione. Il principale trade-off è l'efficienza spettrale vs l'affidabilità. Un'altra considerazione è la complessità: la puntura richiede al trasmettitore di sapere quali bit omettere, e il ricevitore deve gestire le cancellazioni.

Da una prospettiva decoder, i bit perforati sono trattati come mancanti, che possono causare problemi di convergenza se sono forati troppi nodi ad alto grado. I bit accorciati sono noti, che aiuta effettivamente a decodificare riducendo il numero di variabili sconosciute. Pertanto, per una data velocità di codice di destinazione, utilizzando accorciamento invece di punturing può produrre prestazioni migliori, ma viene al costo di una ridotta produttività dell'informazione.

Applicazioni pratiche

Comunicazioni wireless (5G e oltre)

5G NR LDPC utilizza un grafico di base con due distinti grafici di base (BG1 e BG2) per supportare una vasta gamma di dimensioni dei blocchi e tassi di codice. La corrispondenza dei tassi è raggiunta attraverso la punttura e il accorciamento. Lo standard definisce specifici modelli di bit-selection per ottimizzare le prestazioni attraverso la gamma SNR operativo.

Collegamento esterno: Fare riferimento alla specifica 3GPP TS 38.212 per il multisala 5G NR e codifica dei canali] per dettagli sulle procedure di accoppiamento dei tassi.

Spazio profondo e comunicazioni satellitari

Gli standard CCSDS (Comitato consultivo per i sistemi di dati spaziali) della NASA per la telemetria e il telecomand utilizzano i codici LDPC con punttura adattativa per far fronte a distanze e interferenze di collegamento variabili.

Link esterno: CCSDS 131.0-B-4 standard[] descrive la codifica LDPC per applicazioni spaziali, comprese le tecniche compatibili con i tassi.

Sistemi di stoccaggio

Poiché il numero di cicli di programma/erase aumenta, aumenta la velocità di errore del bit grezzo (BER). La codifica adattiva tramite punttura e accorciamento consente al controller di regolare dinamicamente i livelli di protezione: all'inizio della vita, un codice di maggiore velocità (punctured) massimizza la capacità di archiviazione; come il tasso di trasmissione critico è ridotto.

Sfide e direzioni future

Complessità del design ottimale del modello

Mentre puntualizza e accorciamenti sono concettualmente semplici, trovare modelli che svolgono bene attraverso una vasta gamma di tassi e SNR rimane un'area di ricerca attiva. Lo spazio di ottimizzazione è combinatorio, e la forza bruta è infesibile. Approcci di apprendimento della macchina, come l'apprendimento di rinforzo per i modelli di ricerca, hanno mostrato promessa ma non sono ancora standard.

Un’altra sfida è la gestione di bit accorciati in decoder pratici. Sebbene semplici nella simulazione, le implementazioni hardware devono garantire che le reflex dei bit fissi siano impostate correttamente e che il processo iterativo non sprechi cicli sui nodi conosciuti.

Integrazione con gli standard moderni

I sistemi di comunicazione futuri, come 6G, mirano a tassi di dati estremi (Tbps) e comunicazione a bassa latenza ultra-rilievibile (URLLC). I codici LDPC compatibili con i valori di puntificazione e accorciamento flessibili saranno essenziali. Tuttavia, la la latenza codifica e decodifica deve essere ridotta al minimo.

La ricerca in codici LDPC e disegni basati su protografi offre indicazioni promettenti per famiglie più semplici e compatibili con i tassi. La chiave è quella di mantenere le eccellenti proprietà di soglia, consentendo la granulosità arbitraria nell'adeguamento dei tassi.

Conclusioni

Grazie alla capacità di misura e alla lunghezza di un unico codice madre, permettono ai sistemi di comunicazione e di archiviazione di soddisfare i diversi requisiti di performance senza ridisegnare l'intera catena di codifica. La puntualizzazione aumenta il rendimento a spese della resilienza degli errori, riducendo al contempo la protezione a costo del tasso di informazione.

Il successo pratico di queste tecniche è evidente in standard ampiamente implementati, da 5G NR a collegamenti a spazi profondi. Tuttavia la ricerca continua a perfezionare la progettazione dei modelli, ridurre la complessità di attuazione e estendere l'applicabilità ai sistemi di nuova generazione.