Разработка низкосложных кодов Ldpc для устройств Интернета вещей (iot)

Почему низкосложные коды LDPC имеют значение для IoT

Коды с низкой плотностью проверки паритета (LDPC) стали краеугольным камнем современных цифровых коммуникаций, появляющихся в стандартах, начиная от DVB-S2 и Wi-Fi до 5G NR. Их почти ограниченная производительность делает их очень привлекательными для приложений, где целостность данных имеет решающее значение. Однако Интернет вещей (IoT) вводит отдельный набор ограничений: устройства часто работают от батареи, ограничены памятью и требуют обработки в режиме реального времени или почти в реальном времени. Традиционные реализации LDPC, которые могут требовать значительных вычислительных ресурсов и пропускной способности памяти, не могут напрямую передаваться на эти встроенные платформы. Таким образом, проектирование кодов LDPC с низкой сложностью, адаптированных для устройств IoT, поэтому является не просто проблемой оптимизации - это фундаментальное требование для обеспечения широкомасштабного, надежного и энергоэффективного подключения.

Основная проблема заключается в сохранении силы кодов LDPC, корректирующих ошибки, при одновременном устранении вычислительных накладных расходов, которые приемлемы в высокопроизводительных приемопередатчиках, но непомерно высоки в датчике температуры или носимом патче здоровья. В этой статье рассматриваются конкретные трудности, исследуются проверенные стратегии для снижения сложности и подчеркивается, как такие коды расширяют возможности развертывания реального IoT.

Понимание ландшафта ошибок IoT

Связи связи IoT часто характеризуются низкими бюджетами мощности, прерывистой передачей и шумными средами (промышленное оборудование, городские помехи или внутренние препятствия). В отличие от мобильных телефонов или базовых станций, узлы IoT не могут полагаться на сложную обработку для преодоления нарушений канала. Они требуют кодов коррекции ошибок, которые являются легкими как в вычислениях, так и в памяти [FLT: 1], но все же обеспечивают достаточный коэффициент кодирования для удовлетворения целевых частот ошибок пакетов. Коды LDPC, естественно, предлагают гибкий компромисс, потому что их производительность может быть настроена с помощью скорости кода, длины блока и распределения степени. Но стандартный декодер распространения убеждений (BP) - в то время как мощный - включает в себя множество умножений, тригонометрических функций и хранения сообщений на каждом краю графа Таннера, что делает его непригодным для многих микроконтроллеров IoT.

Проекты LDPC с низкой сложностью направлены на преодоление этого разрыва. Они либо изменяют алгоритм декодера, либо ограничивают структуру кода, чтобы обеспечить более простой, часто итеративный процесс декодирования, который потребляет меньше циклов процессора и меньше энергии. Конечная цель состоит в том, чтобы достичь прироста кодирования, сопоставимого с полным декодером LDPC, но с отпечатком, который вписывается в несколько килобайт оперативной памяти и несколько сотен микроватт мощности.

Основные проблемы в низкокомплексном дизайне кода LDPC

Разработка таких кодов предполагает навигацию по нескольким конкурирующим требованиям. В контексте IoT особенно остро стоят следующие проблемы:

Основные стратегии для низкосложного дизайна LDPC

Несколько проверенных методов проектирования непосредственно решают вышеперечисленные проблемы. Эти стратегии не являются взаимоисключающими и часто объединяются для достижения наилучших компромиссов для данного сценария IoT.

Спарз Графические структуры

Сложность декодера LDPC прямо пропорциональна количеству краев в графе Таннера (т.е. количеству ненулевых записей в матрице проверки четности). При проектировании графов с очень низкой плотностью края — например, переменных узлов степени 3 или 4 и контрольных узлов степени 4-6 — количество сообщений, обмениваемых на итерацию, минимизируется. Коды с разницей также снижают требования к памяти, потому что только положения тех, которые необходимо хранить (например, через компактное представление строки или столбца). Однако чрезмерно разреженные графы могут привести к плохому обхвату и более высоким уровням ошибок. Тщательная оптимизация распределения степени с использованием методов эволюции плотности обеспечивает хорошую производительность кода, оставаясь чрезвычайно разреженным.

Квазициклические (QC) коды LDPC

Коды QC-LDPC определяются матрицей проверки четности, состоящей из циркулирующих подматриц. Эта структура позволяет удивительно эффективно реализовать: как кодирование, так и декодирование могут выполняться с использованием регистров сдвига и циклических сдвигов вместо произвольных поисков памяти. Квазициклическое свойство также упрощает архитектуру декодера - сообщения для одного и того же циркулятора могут обрабатываться параллельно или конвейерно, уменьшая задержку. Поскольку вся матрица может быть описана небольшим набором значений сдвига, объем памяти на порядки меньше, чем у случайного кода. Многие стандарты IoT, такие как IEEE 802.11ax и 3GPP 5G NR , используют коды QC-LDPC для их превосходного соотношения производительности к сложности.

Упрощенные алгоритмы декодирования

Полный декодер распространения убеждений (BP) использует алгоритм сумма-продукт, который включает повторные оценки гиперболических касательной и логарифмических функций. Для устройств IoT алгоритм min-sum (MS) обеспечивает радикальное упрощение, заменяя нелинейные функции простой операцией минимального поиска. Существует несколько вариантов:

Эти алгоритмы могут быть реализованы с использованием арифметики с фиксированной точкой всего 4-6 бит, полностью исключая блоки с плавающей точкой и сокращая потребление энергии на порядок по сравнению с полным декодером BP.

Адаптивное и раннее расшифровывание

Вместо того, чтобы всегда выполнять фиксированное количество итераций, адаптивные декодеры контролируют синдром или сходимость оценок битов и останавливаются рано, когда найдено действительное кодовое слово. Это «раннее прекращение» может уменьшить среднее количество итераций на 30-70% в зависимости от состояния канала, непосредственно экономя энергию. В сочетании с алгоритмом min-sum адаптивная остановка дает декодер, который является простым и интеллектуальным.

Оптимизация кода для конкретных каналов IoT

Не все каналы IoT одинаковы. Носимая сеть в области тела испытывает затухание и потерю пути, в то время как интеллектуальный счетчик, обменивающийся по фиксированной беспроводной линии связи, сталкивается с аддитивным белым гауссовским шумом (AWGN). Адаптация распределения степени и скорости кода к ожидаемым условиям канала позволяет дополнительно снизить сложность. Например, коды, предназначенные для режимов короткого блока (например, 128-512 бит), могут быть оптимизированы с использованием протографного дизайна, который дает отличную производительность с очень маленькой базовой матрицей. Такие инструменты, как протограф LDPC коды , позволяют систематически строить конечную производительность с минимальной сложностью.

Практическое применение в IoT

Умный дом и автоматизация зданий

Беспроводные датчики температуры, влажности и заполняемости часто работают на Zigbee, Thread или Bluetooth Low Energy (BLE). Эти протоколы имеют высокие требования к надежности, но их скорости передачи данных низкие, а пакеты короткие. Коды LDPC с низкой сложностью со скоростью 1/2 или 2/3, с использованием декодирования с минимальной суммой с 5-битными сообщениями и ранним завершением, могут быть реализованы на ядре Cortex-M0 с низким энергопотреблением с менее чем 4 КБ ОЗУ. Получающийся прирост кодирования улучшает чувствительность приемника на 2-3 дБ, расширяя диапазон или уменьшая мощность передачи для того же бюджета канала связи.

Носимые мониторы здоровья

Непрерывные глюкозомониторы, ЭКГ-патчи и импульсные оксиметры должны передавать жизненно важные данные с чрезвычайно низкой вероятностью ошибки - одна битовая ошибка может привести к ложной тревоге или пропущенному критическому событию. LDPC-коды с сильными возможностями обнаружения ошибок (например, сцепленный CRC) могут быть применены, но декодер должен работать на микроконтроллере, который также обрабатывает обработку сигналов и связь Bluetooth. QC-LDPC-коды со смещенной мин-суммой были продемонстрированы в носимых устройствах с использованием менее 0,5 мДж на декодированный пакет, сохраняя срок службы батареи в течение нескольких недель непрерывной работы.

Промышленный IoT и умное сельское хозяйство

В промышленных условиях жесткие электромагнитные помехи и большие расстояния (например, на заводе или в разных полях) требуют надежного кодирования. Декодеры с низкой сложностью LDPC, которые адаптируют количество итераций на основе качества канала, могут поддерживать целевую пропускную способность даже при переменном шуме. Например, сеть датчиков влажности почвы с использованием LoRaWAN может извлечь выгоду из кода LDPC со скоростью 0,8 с простым декодером твердого решения, который полностью избегает мягкой информации, снижая потребление энергии на 90% по сравнению с полным декодером мягкого решения.

Подводная и экстремальная среда

Хотя и менее распространенные, IoT-устройства, развернутые под водой или в подземных шахтах, сталкиваются с чрезвычайно сложными каналами. Коды LDPC с низкой сложностью в сочетании с итеративным выравниванием могут быть реализованы на программируемых воротных массивах (FPGA) или выделенных ASIC для энергоэффективной, высоконадежной связи. Принципы проектирования остаются прежними: сохраняйте матрицу с разреженной четностью, используйте квазициклические семейства и реализуйте декодирование на основе мин-суммы в арифметике с фиксированной точкой.

Торговые компромиссы и практические соображения

Хотя стратегии, описанные выше, эффективны, они имеют врожденные компромиссы, которые системные архитекторы должны признать:

Будущие направления

Исследования продолжают расширять границы низкосложного кодирования LDPC для IoT.

Заключение

Проектирование кодов LDPC с низкой сложностью для устройств IoT требует тщательного баланса между исправляющей ошибки производительностью и серьезными ограничениями мощности, памяти и обработки. Благодаря использованию разреженных графиков Таннера, квазициклических структур, упрощенных алгоритмов декодирования, таких как офсетная мини-сумма, и раннему завершению, можно реализовать надежную коррекцию ошибок на самых маленьких микроконтроллерах. Эти конструкции доказали свою ценность в датчиках умного дома, носимых устройствах здравоохранения, промышленных сетях и за их пределами. Поскольку IoT продолжает расширяться в новые области - от спутниковых сенсорных сетей до имплантируемых медицинских устройств - спрос на коды LDPC с низкой сложностью будет только расти, стимулируя дальнейшие инновации, которые делают надежное подключение доступным везде.