基于軟判決的LDPC碼校驗(yàn)向量識(shí)別算法

羅路為,雷迎科,李 昕,邵 堃

（國(guó)防科技大學(xué)電子對(duì)抗學(xué)院，合肥，230037）

引 言

隨著通信技術(shù)的快速發(fā)展，傳統(tǒng)的編碼方式已經(jīng)漸漸不適用現(xiàn)代通信的需求，新型編碼體制的應(yīng)用范圍已經(jīng)十分廣泛[1]。在各類(lèi)新型編碼方式中，LDPC碼因其具有接近香農(nóng)極限的糾錯(cuò)性能，以及譯碼簡(jiǎn)單譯碼錯(cuò)誤可檢測(cè)等優(yōu)異性能，十分有利于高速信息傳輸[2]。因此，各種通信協(xié)議和標(biāo)準(zhǔn)廣泛采用了LDPC編碼。然而，目前大部分算法都是針對(duì)LDPC碼的閉集識(shí)別。LDPC碼的閉集識(shí)別是指，已知信息發(fā)送者所采用的協(xié)議，在協(xié)議規(guī)定的數(shù)種LDPC碼的集合內(nèi)，對(duì)其編碼參數(shù)進(jìn)行識(shí)別，待識(shí)別的碼是該“閉集”中的一個(gè)。若是沒(méi)有或僅有少量這樣有先驗(yàn)信息則是開(kāi)集識(shí)別[3]。開(kāi)集識(shí)別是要識(shí)別的LDPC碼是“無(wú)數(shù)”中可能性中的一種。然而，LDPC碼僅用一個(gè)稀疏校驗(yàn)矩陣來(lái)定義而且碼長(zhǎng)較長(zhǎng)，致使傳統(tǒng)的信道編碼識(shí)別方法根本不適用于LDPC碼的開(kāi)集識(shí)別，該問(wèn)題成為信道編碼識(shí)別中的一個(gè)難點(diǎn)[4]。

根據(jù)已經(jīng)公開(kāi)的文獻(xiàn)，針對(duì)LDPC碼的識(shí)別技術(shù)，國(guó)內(nèi)外已經(jīng)展開(kāi)了研究。文獻(xiàn)[5]提出了一種LDPC碼校驗(yàn)向量的識(shí)別方法，該方法依次搜索信道編碼預(yù)設(shè)集合中所有校驗(yàn)矩陣，用伴隨式Hamming重量最低的參數(shù)組合作為識(shí)別結(jié)果，但是這種方法需要接收序列中有足夠長(zhǎng)的無(wú)誤碼序列，因此在噪聲環(huán)境復(fù)雜的識(shí)別過(guò)程中，該算法的識(shí)別性能十分有限，識(shí)別效果也不盡人意。文獻(xiàn)[6]通過(guò)對(duì)已識(shí)別出的校驗(yàn)向量進(jìn)行加權(quán)，利用已加權(quán)的校驗(yàn)向量進(jìn)行接收序列的迭代譯碼，重構(gòu)了(108,3,6)的規(guī)則LDPC碼。文獻(xiàn)[7]提出一種基于后驗(yàn)概率的LDPC碼校驗(yàn)矩陣的識(shí)別方法，利用后驗(yàn)概率對(duì)數(shù)似然比均值最大化準(zhǔn)則，實(shí)現(xiàn)了LDPC碼校驗(yàn)矩陣的逆向識(shí)別。但是該算法只能對(duì)具有準(zhǔn)循環(huán)結(jié)構(gòu)的校驗(yàn)矩陣進(jìn)行識(shí)別，具有一定的局限性，而且該算法的容錯(cuò)性很差，對(duì)信噪比有一定的要求。文獻(xiàn)[8]打破傳統(tǒng)束縛，提出一種LDPC碼稀疏校驗(yàn)矩陣的重建方法。通過(guò)對(duì)校驗(yàn)向量的行重進(jìn)行優(yōu)化，實(shí)現(xiàn)了無(wú)誤碼條件下LDPC碼校驗(yàn)矩陣的有效重建。然而該方法在誤碼條件下，對(duì)于長(zhǎng)碼長(zhǎng)的LDPC碼，算法的識(shí)別性能不理想。

針對(duì)以上問(wèn)題，本文利用信道輸出的軟信息，對(duì)信道編碼識(shí)別方法進(jìn)行深入研究。結(jié)合軟判決序列分析法和現(xiàn)有的有限域LDPC碼開(kāi)集識(shí)別方法，提出一種利用軟判決的LDPC碼校驗(yàn)向量的迭代識(shí)別算法。

1 校驗(yàn)向量識(shí)別的問(wèn)題描述

圖1為本文識(shí)別算法所應(yīng)用的基本通信模型。在發(fā)送端，記長(zhǎng)度為k的發(fā)送信息序列為bi=(bi,1,bi,2,…,bi,k)，i是序列編號(hào)，bi中的元素由LDPC碼編碼器編碼后，發(fā)送信息序列bi生成碼長(zhǎng)為n的碼字序列ci=(ci,1,ci,2,…,ci,n),ci,j∈GF(2)，j=1,2,…,n。然后對(duì)碼字序列ci進(jìn)行調(diào)制（在本文中調(diào)制方式設(shè)為BPSK），最后將調(diào)制后的信號(hào)si發(fā)送至AWGN信道（噪聲功率為 σ2）上傳輸[9]。

圖1 開(kāi)集識(shí)別問(wèn)題的基本通信模型Fig.1 Basic communication model for open set identification problem

在接收端，首先對(duì)接收的信號(hào)進(jìn)行解調(diào)，解調(diào)方式有兩種：硬判決序列記為ai=(ai,1,ai,2,…,ai,n)，軟判決序列記為ri=(ri,1,ri,2,…,ri,n)，其中ai,j∈GF(2)，ri,j∈R。本文研究的問(wèn)題可表述為：利用軟判決序列ri對(duì)LDPC碼的校驗(yàn)向量進(jìn)行迭代識(shí)別，然后由識(shí)別出的校驗(yàn)矩陣H?對(duì)接收序列ri進(jìn)行譯碼，為恢復(fù)信息序列b?i提供先驗(yàn)條件。

通常LDPC碼的識(shí)別主要包含：碼長(zhǎng)n，碼組起點(diǎn)和校驗(yàn)矩陣。但在實(shí)際應(yīng)用過(guò)程中，通常LDPC碼的每一幀數(shù)據(jù)中只有1～2個(gè)完整的碼字，因此可以通過(guò)對(duì)幀結(jié)構(gòu)進(jìn)行分析來(lái)獲得碼組起點(diǎn)和碼長(zhǎng)n。由于本文主要是針對(duì)LDPC碼校驗(yàn)矩陣的識(shí)別，所以不討論LDPC碼的碼長(zhǎng)和碼組起點(diǎn)。

2 利用軟判決的LDPC碼校驗(yàn)向量識(shí)別算法

2.1 構(gòu)建校驗(yàn)關(guān)系對(duì)數(shù)似然比

本文為利用軟判決接收條件下的校驗(yàn)關(guān)系，首先給出后驗(yàn)概率對(duì)數(shù)似然比(Log-likelihood ratio,LLR)的定義和性質(zhì)。GF(2)域上的隨機(jī)變量X和實(shí)數(shù)域上的隨機(jī)變量Y，在Y的條件下，定義X的后驗(yàn)對(duì)數(shù)似然比Lr(X|Y)為

根據(jù)Bayes理論，Lr(X|Y)可作如下恒等變換[10]

特別地，當(dāng)隨機(jī)變量X等概分布時(shí)，Lr(X)=0，此時(shí)，Lr(X|Y)=Lr(Y|X)。

由文獻(xiàn)[11]可知，LLR函數(shù)的部分運(yùn)算律如下：

兩個(gè)二維隨機(jī)變量(X1,Y1)，(X2,Y2)，其獨(dú)立同分布隨機(jī)變量X1,X2定義在GF(2)域上，而Y1,Y2定義在實(shí)數(shù)域上。那么X1⊕X2的后驗(yàn)對(duì)數(shù)似然比Lr(X1⊕X2|Y1,Y2)為

式中：“⊕”表示GF(2)域上的求和運(yùn)算；“?”為如式（4）所示的定義運(yùn)算。

由式(4)可以進(jìn)行多個(gè)二維隨機(jī)變量的推廣。對(duì)于N個(gè)二維隨機(jī)變量(X1,Y1),(X2,Y2),…,(XN,YN)，有

在式(5)中，雙曲正切函數(shù)tanh(·)的運(yùn)算比較復(fù)雜，實(shí)際應(yīng)用中通常將式(5)近似為

對(duì)GF(2)域上任意一個(gè)n維向量xv=(xv,1,xv,2,…,xv,n)T,定義碼字ci與xv之間的校驗(yàn)關(guān)系為

記LDPC碼的校驗(yàn)向量構(gòu)成空間e⊥。由LDPC碼的性質(zhì)可知，當(dāng)xv∈e⊥時(shí)，對(duì)任意碼字ci，總有ci·xv=0成立；而當(dāng) xv? e⊥時(shí)，則 ci·xv等概地為“0”或“1”。結(jié)合式(1—6),在軟判決條件下，可定義式(7)的校驗(yàn)關(guān)系對(duì)數(shù)似然比（Check-relations log-likelihood ratio,CLLR）為

通常情況下，式（8）中的后驗(yàn)概率對(duì)數(shù)似然比Lr(ci,t|ri,t)未知，可以利用式(2)的結(jié)論，展開(kāi)Lr(ci,t|ri,t)為L(zhǎng)r(ri,t|ci,t)+Lr(ci,t)。因?yàn)閷?duì)于任意信道編碼而言，發(fā)送比特ci,t為0或1的概率幾乎相等，此時(shí)Lr(ci,t)=0，則有

圖1中，在噪聲功率為σ2的AWGN信道模型下，與BPSK調(diào)制相對(duì)應(yīng)的似然概率LLR有以下等式成立[12]。

記假設(shè) H0：xv∈ e⊥,H1：xv? e⊥。綜合式(7,8)可以發(fā)現(xiàn)，當(dāng) xv∈ e⊥時(shí)，有 ci·xv=0成立，與之相對(duì)應(yīng)為正數(shù)的概率很大；相反，當(dāng)xv?e⊥時(shí)，由于碼字ci與xv之間不存在約束關(guān)系，因而的取值正負(fù)不定。

接下來(lái)對(duì)假設(shè)H0,H1進(jìn)行檢驗(yàn)。首先要獲取在假設(shè)H0,H1下的概率分布。但是在式(8)中定義比較復(fù)雜，以至于精確求解概率分布函數(shù)特別困難。文獻(xiàn)[13]根據(jù)編碼分析的經(jīng)驗(yàn)設(shè)定的概率分布為正態(tài)分布，從其實(shí)驗(yàn)結(jié)果看，將設(shè)為正態(tài)分布能夠有效地實(shí)現(xiàn)對(duì)假設(shè)H0,H1的檢驗(yàn)。本文結(jié)合文獻(xiàn)[13]的方法，在低信噪比條件下，分析LDPC碼時(shí)，設(shè)定在假設(shè)H0,H1下的概率密度函數(shù)為正態(tài)分布，即有

假設(shè)檢驗(yàn)后，從一組包含N個(gè)碼字的接收序列可以得到分布參數(shù)的估計(jì)值別為

2.2 構(gòu)建校驗(yàn)向量預(yù)搜索空間

通常對(duì)于長(zhǎng)碼長(zhǎng)的LDPC碼，校驗(yàn)向量的搜索空間極其龐大，運(yùn)算量也非常大。針對(duì)該問(wèn)題，本文將搜索校驗(yàn)向量的過(guò)程巧妙地分為兩步：（1）采用文獻(xiàn)[5]的方法，尋找最小漢明重量向量，將整個(gè)搜索的n維向量空間迅速縮小至一個(gè)低維的預(yù)搜索空間；（2）采用對(duì)偶空間法精細(xì)判決預(yù)搜索空間中的向量，最后可以得到預(yù)期的校驗(yàn)矩陣。

在利用解調(diào)軟判決接收序列時(shí)，為使得在構(gòu)造預(yù)搜索空間時(shí)，盡可能降低算法的復(fù)雜度，本文結(jié)合LDPC碼的自身特性，利用軟判決序列所提供的可靠度信息，對(duì)某些特定的向量進(jìn)行針對(duì)性分析判斷[14]。第1步，利用LDPC碼校驗(yàn)向量的稀疏特性，把校驗(yàn)向量的搜索范圍限定在低重量的向量上。例如在規(guī)則LDPC碼中，記其校驗(yàn)向量的Hamming重量為P0，則校驗(yàn)向量的搜索區(qū)間可固定在Hamming重量為P0的向量上。在非合作通信條件下，若接收方?jīng)]有關(guān)于P0的先驗(yàn)知識(shí)，可以設(shè)定P0的可能取值集合為Λ={1,2,…,P}，此時(shí)校驗(yàn)向量的搜索區(qū)間為Hamming重量小于P的n維向量。第2步，利用式(8)中的校驗(yàn)關(guān)系，可以根據(jù)在H0,H1兩種假設(shè)下取值的差異，排除不滿(mǎn)足校驗(yàn)關(guān)系的向量，進(jìn)而得到較小的預(yù)搜索空間Ω。

綜上所述，本文利用CLLR的預(yù)搜索空間構(gòu)造算法，通過(guò)將可靠的CLLR和LDPC碼校驗(yàn)向量的稀疏特性相結(jié)合，盡可能地壓縮預(yù)搜索空間。在低重量的n維空間中，快速剔除非校驗(yàn)向量，獲取規(guī)模較小的預(yù)搜索空間Ω。接下來(lái)用規(guī)則LDPC碼為例，對(duì)該方法進(jìn)行分析說(shuō)明。

在一組包含較多接收序列的接收數(shù)據(jù)中，為了迅速提取接收數(shù)據(jù)的特征，可以構(gòu)造分析矩陣，記為R'=(r1,r2,…,rB)，分析矩陣R'是從N個(gè)接收序列中任意選取B個(gè)序列作為樣本。令當(dāng)前識(shí)別向量的Hamming重量為p，其中p∈Λ。對(duì)于Hamming重量為p的xv對(duì)應(yīng)于R'，根據(jù)式(12)，可以得到xv對(duì)應(yīng)于R'的CLLR為

2.3 校驗(yàn)向量的判定

因?yàn)樵?.2節(jié)構(gòu)造的預(yù)搜索空間Ω中，雖然有大量的校驗(yàn)向量，但仍會(huì)存在非校驗(yàn)向量，這就需要判定預(yù)搜索空間Ω中的向量。記Ω中向量為xw，對(duì)應(yīng)于N個(gè)接收序列的CLLR為γω中每個(gè)元素相互獨(dú)立。根據(jù)式(11)，可以將γω在兩種假設(shè)下的概率密度函數(shù)定義為[15]

由式(15)，采用廣義對(duì)數(shù)似然比檢驗(yàn)，可以實(shí)現(xiàn)對(duì)預(yù)搜索空間Ω中向量的判定。然而廣義對(duì)數(shù)似然檢驗(yàn)公式比較復(fù)雜，為簡(jiǎn)化計(jì)算，式(15)的等價(jià)檢驗(yàn)公式為

2.4 校驗(yàn)向量的迭代識(shí)別

經(jīng)過(guò)2.2和2.3節(jié)的運(yùn)算后，可以成功地識(shí)別出來(lái)大部分校驗(yàn)向量，但通常還會(huì)漏檢少量的校驗(yàn)向量，主要原因有兩個(gè)方面：（1）在低信噪比環(huán)境下，某些判定為可靠的也可能映射出錯(cuò)誤的結(jié)果，這就會(huì)把一些校驗(yàn)向量排除在Ω之外；（2）在判決Ω中的元素時(shí)，為了保證識(shí)別正確率，通常要求校驗(yàn)向量虛警概率Pf盡可能地小，這會(huì)使得校驗(yàn)向量的漏檢概率增高。由譯碼理論可知[16]，校驗(yàn)關(guān)系越完整，譯碼性能越好。為提高算法的譯碼增益，使得識(shí)別的校驗(yàn)矩陣獲得較好的譯碼性能，本文利用多組相互獨(dú)立的數(shù)據(jù)進(jìn)行校驗(yàn)向量的迭代識(shí)別，把校驗(yàn)向量搜索算法和譯碼迭代算法的結(jié)果相互不斷地更替，使校驗(yàn)矩陣H?更加完善。

圖2為校驗(yàn)向量迭代識(shí)別算法的結(jié)構(gòu)框圖，首先將接收數(shù)據(jù)切分為多個(gè)矩陣R，R由N個(gè)接收序列組成，進(jìn)行參數(shù)初始化。在第d次迭代時(shí)，輸入的接收矩陣記為軟判決接收矩陣識(shí)別出的校驗(yàn)矩陣。然后對(duì)進(jìn)入系統(tǒng)的Rd進(jìn)行SISO譯碼，提高譯碼后矩陣的可靠性。然后，采用2.2節(jié)和2.3節(jié)的算法求出與相對(duì)應(yīng)的校驗(yàn)矩陣。最后結(jié)合新識(shí)別出的對(duì)之前識(shí)別出的參數(shù)P,d進(jìn)行更新。

圖2 校驗(yàn)向量迭代識(shí)別算法的結(jié)構(gòu)框圖Fig.2 Structural block diagram of iterative verification algorithm for check vectors

2.5 算法步驟

綜上所述，本文算法步驟如下：

（1）構(gòu)建軟判決接收矩陣R1,R2,…，對(duì)參數(shù)進(jìn)行初始化P=1,d=1,

（3）由2.2節(jié)和2.3節(jié)，求解Hd；

（4）根據(jù)2.4節(jié)的分析，利用Hd與～H，判斷迭代停止的條件。如果不滿(mǎn)足停止條件，則更新參數(shù)～H和p，輸入新的分組數(shù)據(jù)Rd+1，然后返回（1）；如果滿(mǎn)足停止條件，則輸出校驗(yàn)矩陣H?，并利用H?對(duì)接收序列ri進(jìn)行軟判決譯碼，最終恢復(fù)出信息序b?i。

3 實(shí)驗(yàn)結(jié)果及其分析

為驗(yàn)證本文校驗(yàn)向量識(shí)別算法的性能，對(duì)其進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)采用IEEE 802.11n標(biāo)準(zhǔn)中(648，324)，(1296,648)LDPC碼，對(duì)算法進(jìn)行100次蒙特卡洛實(shí)驗(yàn)。從預(yù)搜索空間Ω的數(shù)量、迭代次數(shù)對(duì)校驗(yàn)向量識(shí)別數(shù)量的影響以及算法的整體識(shí)別性能3方面進(jìn)行實(shí)驗(yàn)。在仿真過(guò)程中，每一個(gè)軟判決接收矩陣Rd中包含的接收序列數(shù)N=100，由校驗(yàn)矩陣～H對(duì)Rd進(jìn)行SISO譯碼，校驗(yàn)向量迭代識(shí)別的最大無(wú)更新次數(shù)TH=5。譯碼迭代次數(shù)為30次。

3.1 預(yù)搜索空間Ω的數(shù)量分析

2.2 節(jié)的理論分析表明：通過(guò)構(gòu)造預(yù)搜索空間Ω，可以大幅度降低校驗(yàn)向量的搜索空間，減少算法的運(yùn)算量。對(duì)實(shí)驗(yàn)過(guò)程中預(yù)搜索空間Ω的數(shù)量進(jìn)行了統(tǒng)計(jì)，表1和表2分別給出了兩種LDPC碼在不同誤碼率條件下，預(yù)搜索空間Ω中平均包含的校驗(yàn)向量數(shù)，以及最后識(shí)別出的平均校驗(yàn)向量數(shù)。

表1 （648，324）LDPC碼的識(shí)別結(jié)果Table 1 Recognition result of（648，324）LDPC

表2 （1296，648）LDPC碼的識(shí)別結(jié)果Table 2 Recognition result of（1296，648）LDPC

從實(shí)驗(yàn)結(jié)果可知：隨著誤碼率的增大，需要的校驗(yàn)向量數(shù)目也逐漸增大。如果不構(gòu)建預(yù)搜索空間，這個(gè)數(shù)目將成指數(shù)級(jí)增長(zhǎng)，這說(shuō)明了構(gòu)建預(yù)搜索空間的必要性。從表2可以看出，即使是針對(duì)(1944,872)LDPC的識(shí)別，通過(guò)在預(yù)搜索過(guò)程中篩除非校驗(yàn)向量，使得在搜索校驗(yàn)向量時(shí)，搜索空間的規(guī)模都能夠控制在105以?xún)?nèi)，校驗(yàn)向量的搜索范圍得到了大幅度降低。

3.2 迭代次數(shù)對(duì)校驗(yàn)向量識(shí)別數(shù)量的分析

為分析迭代次數(shù)對(duì)校驗(yàn)向量識(shí)別數(shù)目的影響，對(duì)(648，324)LDPC碼進(jìn)行不同次數(shù)的迭代，統(tǒng)計(jì)識(shí)別出的校驗(yàn)向量數(shù)目的變化情況。圖3給出了校驗(yàn)向量搜索迭代次數(shù)在d=5,10,15這3種情況下，本文算法識(shí)別出的校驗(yàn)向量數(shù)目隨誤碼率的變化情況。

從圖3可知，隨著誤碼率的不斷增大，一次迭代識(shí)別出的校驗(yàn)向量數(shù)目逐漸減小。但是通過(guò)增大迭代次數(shù)，在相同誤碼率條件下，獲得的有效校驗(yàn)向量數(shù)目逐漸增多，每增加5次迭代，平均多識(shí)別的校驗(yàn)向量數(shù)目約100個(gè)。即使在誤碼率為0.07的條件下，15次迭代后，本文算法識(shí)別的線(xiàn)性無(wú)關(guān)校驗(yàn)向量的平均數(shù)目可達(dá)302.3個(gè)（在(648，324)LDPC碼中線(xiàn)性無(wú)關(guān)校驗(yàn)向量有324個(gè)），識(shí)別率達(dá)到93%。由此可見(jiàn)，增加迭代次數(shù)有利于獲得更多的有效校驗(yàn)向量數(shù)，以及增強(qiáng)算法的抗誤碼性能。

3.3 算法的識(shí)別率性能分析

為分析本文算法的識(shí)別率性能，對(duì)本文算法與文獻(xiàn)[5]算法識(shí)別率性能進(jìn)行比較。針對(duì)IEEE 802.11n標(biāo)準(zhǔn)中3種不同的LDPC碼，進(jìn)行實(shí)驗(yàn)分析。圖4給出了在相同條件下，本文算法與文獻(xiàn)[5]算法的識(shí)別率隨誤碼率的變化曲線(xiàn)，其中識(shí)別率是指正確識(shí)別的校驗(yàn)向量數(shù)目與真實(shí)的校驗(yàn)向量數(shù)目的比值。

圖3 迭代次數(shù)d=5,10,15條件下識(shí)別出的校驗(yàn)向量數(shù)Fig.3 Number of check vectors identified when d=5,10,15

圖4 本文算法與文獻(xiàn)[5]算法的識(shí)別率對(duì)比Fig.4 Comparison of the recognition rate between the proposed algorithm and algorithm in Ref.[5]

從實(shí)驗(yàn)結(jié)果可知，針對(duì)IEEE 802.11n標(biāo)準(zhǔn)中兩種不同的LDPC碼，本文算法的識(shí)別率整體都大于文獻(xiàn)[5]算法的識(shí)別率，平均識(shí)別率提高約15%。而且，在不同的誤碼率條件下，本文算法識(shí)別率都高于文獻(xiàn)[5]算法的識(shí)別率。當(dāng)誤碼率大于0.03時(shí)，本文算法針對(duì)兩種不同的LDPC碼的識(shí)別率都能達(dá)到90%以上。

為進(jìn)一步驗(yàn)證本文算法的識(shí)別性能，利用識(shí)別出的校驗(yàn)向量進(jìn)行譯碼分析。為統(tǒng)一實(shí)驗(yàn)條件，仿真時(shí)統(tǒng)一迭代次數(shù)d=15。采用常規(guī)的最小和BP譯碼算法進(jìn)行譯碼。圖5給出了本文算法與文獻(xiàn)[5]算法的譯碼增益性能比較。

從圖5可以看出，隨著信噪比的上升，誤碼率逐漸減小，而且本文算法的譯碼增益整體上優(yōu)于于文獻(xiàn)[5]算法。在b?i誤碼率為10-3時(shí)，相對(duì)于文獻(xiàn)[5]的算法，本文算法的信噪比增益約為2.3 dB。

圖5 本文算法與文獻(xiàn)[5]算法譯碼增益的比較Fig.5 Comparison of decoding gain between the proposedalgorithmandalgorithminRef.[5]

4 結(jié)束語(yǔ)

針對(duì)現(xiàn)有LDPC碼校驗(yàn)向量識(shí)別算法容錯(cuò)性差和識(shí)別率低的問(wèn)題，從軟判決的角度出發(fā)，提出一種LDPC碼校驗(yàn)向量迭代識(shí)別算法。通過(guò)本算法，構(gòu)造的向量搜索空間得以大幅度降低。算法利用多組相互獨(dú)立的數(shù)據(jù)進(jìn)行校驗(yàn)向量的迭代識(shí)別，通過(guò)校驗(yàn)向量搜索算法和譯碼迭代算法之間的相互更替，使校驗(yàn)矩陣得以進(jìn)一步完善。仿真結(jié)果表明，與已有算法相比，本文算法的向量搜索空間大幅度降低，識(shí)別率明顯提高，而且算法獲得的譯碼增益提高約2.3 dB。