2. 清华大学 信息科学技术学院, 北京 100084;
3. 北京信息科学与技术国家研究中心, 北京 100084;
4. 深圳清华大学研究院 EDA重点实验室, 深圳 518057
2. School of Information Science and Technology, Tsinghua University, Beijing 100084, China;
3. Beijing National Research Center for Information Science and Technology, Beijing, 100084, China;
4. Key Laboratory of EDA, Research Institute of Tsinghua University in Shenzhen, Shenzhen, 518057, China
量子通信技术是一种利用量子力学原理,通过量子信道进行秘密信息传输和处理的通信技术。量子通信具有原理上可证的安全性,是传统密码安全体制的重要补充。近年来,量子通信技术发展及应用呈现加速趋势。
量子安全直接通信(quantum secure direct communication,QSDC)是一类重要的量子通信模式,借助量子信道安全无泄漏地直接传输秘密信息,于2000年被首次提出[1]。由于开创了一种直接在量子信道上传输秘密信息、保证信息安全的新思路,QSDC一经提出便引起广泛研究。QSDC协议根据信息载体不同可以分为两大类:纠缠类和单光子类。其中,单光子类QSDC基于单光量子不可分割原理、测量坍缩原理、未知量子态不可完全克隆原理等量子力学原理,目前研究更为广泛。近年来,随着QSDC理论研究的不断成熟完善,国内外相继开展了演示系统设计[2-4]。2019年,基于单光子的QSDC原型机演示系统搭建完成,在1.5 km范围内实现了50 b/s的安全、稳定数据传输[5]。
在实际QSDC系统中,受单光子态的制备及探测技术限制,通信符号在传输过程中大量丢失。在1.5 km QSDC演示系统中,通信信道的接收概率仅在0.3%左右[5]。传统对抗信道噪声的信道编码码率大多在1/6以上,不足以应对QSDC信道上的大量删除错误。QSDC系统需要极低码率的信道编码,以从少量接收信号中恢复秘密信息。
LDPC-BCH(low-density parity-check Bose-Chaudhuri-Hocquenghem)码将LDPC码的单奇偶校验码约束节点替换为BCH码约束节点,具有易于构造低码率码字的优点[6]。然而LDPC-BCH码的实用性受限,具体表现为:规则LDPC-BCH码的译码门限值距离Shannon限较远,瀑布区性能差;基于密度进化、外信息转移(extrinsic information transfer, EXIT)函数等优化方法构造的非规则LDPC-BCH码度分布复杂,编译码复杂度高。
空间耦合LDPC码通过将多个相同的LDPC码耦合成链构造得到[7]。空间耦合LDPC码兼具规则码和非规则码的优势,在瀑布区性能好且误码平层低。空间耦合LDPC码在光波系统中的仿真表明,在误码率为10-15时仍未出现误码平层[8]。目前,空间耦合的概念被推广到更普遍的分组码,例如空间耦合累积重复码、空间耦合Turbo码等[9-10]。
针对QSDC信道接收概率极低的特点,本文构造了一种极低码率的空间耦合LDPC-BCH码。空间耦合LDPC-BCH码将多个相同的分组规则LDPC-BCH码通过边连接的方式耦合起来。一方面,空间耦合LDPC-BCH码保留了分组LDPC-BCH码低码率的特点;另一方面空间耦合LDPC-BCH码具有准循环结构,采用窗函数译码,实用性增强。仿真结果表明,传输效率为0.001的基于空间耦合LDPC-BCH码信道补偿方案,在信道接收概率为0.4%时,误比特率低于10-6。
1 QSDC信息传输模型在秘密信息加载于量子态之前,QSDC系统的合法通信双方(通常称为Alice和Bob)首先判断信道是否安全。在确定信道安全后,通信双方开始传递秘密信息。QSDC系统信息传输模型如图 1所示。发端Alice将秘密信息加载到量子比特序列上,量子比特序列经过信道编码、调制和扩频后进入量子通信信道,收端Bob收到信号后,经过解扩、解调和译码来恢复秘密信息。
QSDC通信信道是一种离散无记忆信道。由于光源不稳定、光纤损耗以及单光子探测效率低,大部分光子在传输过程中丢失,接收概率极低。因此,QSDC通信信道可以建模为删除概率较大的二进制删除信道(binary erasure channel, BEC)。本文旨在删除概率为0.4%的情况下设计高性能的空间耦合LDPC-BCH码。
2 空间耦合LDPC-BCH码的构造与性能分析 2.1 基于原模图的空间耦合LDPC-BCH码基于原模图的LDPC-BCH码可以通过原模图表示。LDPC-BCH码的原模图通常由3类节点和2类边组成,其中3类节点分别是nv个变量节点V={v1, v2, …, vnv}、nc个BCH校验节点C={c1, c2, …, cnc}以及nc组BCH变量节点,2类边分别是连接变量节点和BCH校验节点的边以及连接BCH校验节点和BCH变量节点的边。与Tanner图不同,LDPC-BCH码原模图通常只有少量的变量节点和BCH校验节点,且连接一个变量节点和一个BCH校验节点的边可以不止一条。在(dv, dc)规则LDPC-BCH码的原模图中,每个变量节点vi代表一个(dv, 1)重复码的约束,共有dv条边与BCH校验节点相连;每个BCH校验节点ci代表一个(nBCH, kBCH)BCH码的约束,其中有dc条边与LDPC变量节点相连,有(mBCH-1)条边与BCH变量节点相连,且有dc=kBCH+1,mBCH=nBCH-kBCH。规则LDPC-BCH码的码率可以表示为
$ {R_B} = \frac{{{n_v} - {n_c}}}{{{n_v} + {n_c}\left( {{m_{{\rm{BCH}}}} - 1} \right)}}. $ | (1) |
基于原模图的LDPC-BCH码还可以由一个nc×nv维基矩阵B表示。矩阵元素Bi, j等于连接BCH校验节点ci和变量节点vj的边的条数。设提升因子为M,通过对基矩阵B进行“提升”的操作,可以构造得到Mnc×Mnv维LDPC-BCH码的校验矩阵H[11]。
图 2给出了一个(3, 6)规则LDPC-BCH码集的原模图。该原模图中,每个校验节点代表一个(15, 5)BCH码约束。该码集的码率R=1/11。基矩阵可以表示为
$ \mathit{\boldsymbol{B}} = \left[ {\begin{array}{*{20}{c}} 3&3 \end{array}} \right]. $ | (2) |
将多个相同的规则LDPC-BCH码通过边连接的方式耦合起来,本文构造得到了空间耦合LDPC-BCH码。空间耦合LDPC-BCH码的原模图可由一条空间耦合链表示。链的构造分为空间复制和耦合成链2个步骤:
1) 空间复制。将(dv, dc)规则LDPC-BCH码的(nv, nc)维原模图复制L次,每个LDPC-BCH码原模图对应空间耦合链上的一个位置,其中L称为耦合长度。
2) 耦合成链。对每个位置上的LDPC-BCH码原模图,按相同的模式进行边展开,使当前分组码的变量节点与后面ω个位置上的校验节点耦合相连,其中ω称为耦合宽度。
通过以上步骤可构造得到(dv, dc, L, ω)空间耦合LDPC-BCH码的原模图。需要注意的是,为保证L个分组码的边展开模式相同,需要在耦合链尾部添加ωnc个校验节点。因此,(dv, dc, L, ω)空间耦合LDPC-BCH码的码率为
$ R = \frac{{\left( {{n_v} - {n_c}} \right)L - \omega {n_c}}}{{\left[ {{n_v} + {n_c}\left( {{m_{{\rm{BCH}}}} - 1} \right)} \right]L + \omega {n_c}\left( {{m_{{\rm{BCH}}}} - 1} \right)}}. $ | (3) |
由于在链尾新增了部分校验节点,空间耦合LDPC-BCH码的码率低于分组LDPC-BCH码,存在一定的码率损失。耦合长度L越大,码率损失越小。当L趋于无穷大时,码率与分组LDPC-BCH码相等。
若从矩阵角度描述边展开的过程,就是将基矩阵B分解成(ω+1)个子矩阵B0, B1, …, Bω:
$ \mathit{\boldsymbol{B}} = \sum\limits_{i = 0}^\omega {{\mathit{\boldsymbol{B}}_i}} . $ | (4) |
根据分解得到的子矩阵,空间耦合LDPC-BCH码的基矩阵可以表示为
$ \mathit{\boldsymbol{B}}_{{\rm{SC}}}^{\left[ L \right]} = \left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{B}}_0}}&{}&{}&{}&{}&{}&{}&{}\\ {{\mathit{\boldsymbol{B}}_1}}&{{\mathit{\boldsymbol{B}}_0}}&{}&{}&{}&{}&{}&{}\\ \vdots & \vdots & \ddots &{}&{}&{}&{}&{}\\ {{\mathit{\boldsymbol{B}}_\omega }}&{{\mathit{\boldsymbol{B}}_{\omega - 1}}}& \cdots &{{\mathit{\boldsymbol{B}}_0}}&{}&{}&{}&{}\\ {}&{{\mathit{\boldsymbol{B}}_\omega }}& \cdots &{{\mathit{\boldsymbol{B}}_1}}&{{\mathit{\boldsymbol{B}}_0}}&{}&{}&{}\\ {}&{}& \ddots & \vdots & \vdots & \ddots &{}&{}\\ {}&{}&{}&{{\mathit{\boldsymbol{B}}_\omega }}&{{\mathit{\boldsymbol{B}}_{\omega - 1}}}& \cdots &{{\mathit{\boldsymbol{B}}_0}}&{}\\ {}&{}&{}&{}&{}& \cdots &{{\mathit{\boldsymbol{B}}_1}}&{{\mathit{\boldsymbol{B}}_0}}\\ {}&{}&{}&{}&{}& \ddots & \vdots & \vdots \\ {}&{}&{}&{}&{}&{}&{{\mathit{\boldsymbol{B}}_\omega }}&{{\mathit{\boldsymbol{B}}_{\omega - 1}}}\\ {}&{}&{}&{}&{}&{}&{}&{{\mathit{\boldsymbol{B}}_\omega }} \end{array}} \right]. $ | (5) |
从式(5)可以看出空间耦合LDPC-BCH码的度分布具有轻微的非规则性,即变量节点的度数与分组LDPC-BCH码变量节点的度数相同,位于链中间的校验节点的度数与分组LDPC-BCH码校验节点的度数相同,而位于链两端的校验节点度数稍低。研究表明,正是由于这种轻微的非规则性,空间耦合编码译码门限值具有接近Shannon限的优异性能[12]。
图 3给出了一个(3, 6, L, 2)空间耦合LDPC-BCH码集的原模图,该原模图由图 2中的分组LDPC-BCH码构造而来。从图 3可以看出,每个位置上的变量节点与其后面的2个位置上的校验节点相连,所以耦合宽度为2。该原模图边展开的模式可由子矩阵表示为
$ {\mathit{\boldsymbol{B}}_0} = {\mathit{\boldsymbol{B}}_1} = {\mathit{\boldsymbol{B}}_2} = \left[ {\begin{array}{*{20}{c}} 1&1 \end{array}} \right]. $ | (6) |
空间耦合LDPC-BCH码的迭代译码通过将变量节点和BCH校验节点的译码输出相互反馈为对方的输入实现。在每次迭代译码中,度数为dv的变量节点收到dv个外信道信息和1个通信信道信息,并执行经典和译码;BCH校验节点收到(kBCH+1)个外信道信息和(mBCH-1)个信道信息,并执行最大后验概率(maximum a priori probability,MAP)译码算法。
空间耦合LDPC-BCH码迭代译码复杂度的主要影响因素是BCH校验节点的MAP译码算法。该算法是一种基于网格的软输入软输出译码算法,复杂度主要由网格的状态复杂度和分支复杂度决定,其中每个网格分段中乘法的数目是影响算法复杂度的最主要因素。为降低该算法的复杂度,可采用基于蝶形流程图的快速MAP译码算法[13]。
LDPC-BCH码可以看作一类广义LDPC码。传统分组广义LDPC码的译码门限值求解方法有密度进化、EXIT图等方法[14-15]。与分组码不同,空间耦合码的变量节点和校验节点输出的消息不再是标量,而是矢量。一方面,极低码率空间耦合LDPC-BCH码成分码的码长较长,用密度进化分析译码门限值导致计算量大,难以实用;另一方面,空间耦合LDPC-BCH码的译码收敛路径分为宏观收敛和微观收敛,无法直接采用传统EXIT函数分析迭代译码的门限值。
本文采用迭代EXIT函数法分析QSDC信道下空间耦合LDPC-BCH码集的迭代译码门限值,可以看作密度进化的近似求解。该方法在每次迭代译码中都分别计算所有变量节点和校验节点的EXIT函数,从而能够沿着迭代译码的宏观收敛和微观收敛路径计算译码门限值。
在第l次迭代译码中,令IVN(l)表示变量节点传给BCH校验节点的互信息,ICN(l)表示BCH校验节点传给变量节点的互信息,Ich表示信道信息。空间耦合LDPC-BCH码第vi个变量节点和第cj个校验节点的EXIT函数可以分别表示为:
$ I_{{\rm{VN}}}^{\left( l \right)}\left[ {{v_i}} \right] = \mathit{\Psi }\left( {\frac{1}{{{d_{{v_i}}}}}\sum\limits_{k \in \xi \left( i \right)} {I_{{\rm{CN}}}^{\left( l \right)}\left[ {{c_k}} \right]} ,{I_{{\rm{ch}}}},{d_{{v_i}}}} \right), $ | (7) |
$ I_{{\rm{CN}}}^{\left( l \right)}\left[ {{c_j}} \right] = \mathit{\Omega }\left( {\frac{1}{{{d_{{c_j}}}}}\sum\limits_{k \in \phi \left( j \right)} {I_{{\rm{VN}}}^{\left( {l - 1} \right)}\left[ {{v_k}} \right]} ,{I_{{\rm{ch}}}},\tilde e} \right). $ | (8) |
其中:dvi表示变量节点vi的度数,ξ(i)表示与变量节点vi相连的BCH校验节点的集合,dcj表示BCH校验节点cj的度数,ϕ(j)表示与BCH校验节点cj相连的变量节点的集合,
Ψ(·)函数表示BEC信道上重复码约束下变量节点的EXIT函数,即
$ \mathit{\Psi }\left( {{I_1},{I_2},{d_v}} \right) = 1 - \left( {1 - {I_2}} \right){\left( {1 - {I_1}} \right)^{{d_v} - 1}}. $ | (9) |
Ω(·)函数表示BEC信道上BCH码约束下校验节点的EXIT函数。根据文[16]的译码模型,在通信信道传输码长为n、外信道传输码长为m的线性分组码,其EXIT函数可以通过(m+1)×(n+1)维非归一化分割信息系数矩阵
$ \begin{array}{*{20}{c}} {\mathit{\Omega }\left( {{I_1},{I_2},\tilde e,n,m} \right) = }\\ {1 - \frac{1}{m}\sum\limits_{h = 0}^n {{I_2} \cdot {{\left( {1 - {I_1}} \right)}^{n - h}}} \cdot \sum\limits_{g = 1}^m {I_1^{g - 1} \cdot {{\left( {1 - {I_2}} \right)}^{m - g}}} \cdot }\\ {\left[ {g \cdot {{\tilde e}_{g,h}} - \left( {n - g + 1} \right) \cdot {{\tilde e}_{g - 1,h}}} \right].} \end{array} $ | (10) |
与大多数线性分组码一样,BCH码非归一化分裂信息系数的具体数值目前未知。下面以信息位长为奇数的BCH码为例计算
当码长较短时,
$ \begin{array}{*{20}{c}} {E\left( {{{\tilde e}_{g,h}}} \right) = E\left( {\sum {\gamma \left( {{\mathit{\boldsymbol{S}}_{g,h}}} \right)} } \right) = }\\ {\left[ {\begin{array}{*{20}{c}} {{k_{{\rm{BCH}}}} + 1}\\ g \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{m_{{\rm{BCH}}}} - 1}\\ h \end{array}} \right]E\left( {\gamma \left( {{\mathit{\boldsymbol{S}}_{g,h}}} \right)} \right).} \end{array} $ | (11) |
其中γ(Sg, h)表示子矩阵Sg, h的秩。
图 4给出了子矩阵Sg, h的示意图,其中g=0, 1, …, kBCH, h=0, 1, …, mBCH-1。按照前g列是否包含全1列分为Sg, h[1]和Sg, h[1]两种情况,因此式(11)进一步表示为
$ \begin{array}{*{20}{c}} {E\left( {{{\tilde e}_{g,h}}} \right) = \left[ {\begin{array}{*{20}{c}} {{k_{{\rm{BCH}}}}}\\ g \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{m_{{\rm{BCH}}}} - 1}\\ h \end{array}} \right]E\left( {\gamma \left( {\mathit{\boldsymbol{S}}_{g,h}^{\left[ 1 \right]}} \right)} \right) + }\\ {\left[ {\begin{array}{*{20}{c}} {{k_{{\rm{BCH}}}}}\\ {g - 1} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{m_{{\rm{BCH}}}} - 1}\\ h \end{array}} \right]E\left( {\gamma \left( {\mathit{\boldsymbol{S}}_{g,h}^{\left[ 2 \right]}} \right)} \right).} \end{array} $ | (12) |
其中,子矩阵秩γ(Sg, h[i]), i=1, 2的均值表示为
$ E\left( {\gamma \left( {\mathit{\boldsymbol{S}}_{g,h}^{\left[ i \right]}} \right)} \right) = \sum\limits_u {u\Pr \left\{ {\gamma \left( {\mathit{\boldsymbol{S}}_{g,h}^{\left[ i \right]}} \right) = u} \right\}} ,\;\;\;\;\;i = 1,2. $ | (13) |
式(13)中,子矩阵的秩为u的概率表示为
$ \begin{array}{*{20}{c}} {\Pr \left\{ {\gamma \left( {\mathit{\boldsymbol{S}}_{g,h}^{\left[ i \right]}} \right) = u} \right\} = }\\ {\frac{{K\left( {{k_{{\rm{BCH}}}},{m_{{\rm{BCH}}}} - 1} ,h,{k_{{\rm{BCH}}}} - g,u - g,{k_{{\rm{BCH}}}}\right)}}{{J\left( {{k_{{\rm{BCH}}}},{m_{{\rm{BCH}}}} - 1,{k_{{\rm{BCH}}}}} \right)}}.} \end{array} $ | (14) |
其中,K(·)函数和J(·)函数具体表达式见文[15]。
子矩阵Sg, h[1]前g列组成的子矩阵不含全1列,是线性无关的,秩为g,若要满足Sg, h[1]的秩为u,(kBCH-g)×h维子矩阵Γ的秩需为(u-g)。子矩阵Sg, h[2]前g列组成的子矩阵包含一列全1列,秩为(g-1),若要满足Sg, h[2]的秩为u,(kBCH-g)×h维子矩阵Γ的秩需为(u-g-1)。
根据
图 5给出了空间耦合LDPC-BCH码集在QSDC信道上的迭代译码门限值,并与分组LDPC-BCH码进行了比较。图 5中,空间耦合码集1是图 3的(3, 6, L, 2)空间耦合LDPC-BCH码集,成分码是(15, 5)系统BCH码,码集的码率为R=(L-2)/(11L+18);空间耦合码集2是(3, 7, L, 2)空间耦合LDPC-BCH码集,成分码是(31, 6)非系统BCH码,码集的码率为R=(4L-6)/(79L+144)。可以看出,空间耦合LDPC-BCH码集的迭代译码门限值均优于其相应分组LDPC-BCH码集的迭代译码门限值。随着耦合长度增大,空间耦合LDPC-BCH码集的译码门限值逐渐逼近Shannon限。
图 6给出了基于空间耦合LDPC-BCH码的信道补偿方案在QSDC信道上的Monte Carlo仿真结果,并与基于分组LDPC-BCH码的方案进行了对比。空间耦合LDPC-BCH码由规则(4,8)LDPC-BCH码耦合而成,耦合长度L=50,耦合宽度ω=4,成分码为(63, 7)BCH码。提升因子M=128,采用准循环方式进行提升,构造得到的空间耦合LDPC-BCH码码率为0.015。滑窗译码[17]的窗口大小W=16,最大迭代译码次数设为100,成分码译码采用快速MAP译码算法。分组LDPC-BCH码信息位长为2 048 b、码率为0.017 5。空间耦合LDPC-BCH码进行15倍扩频,LDPC-BCH码进行17倍扩频,两种方案的通信效率均为0.001。可以看出,在相同传输效率下,基于空间耦合LDPC-BCH码方案的译码性能优于基于分组LDPC-BCH码的方案。本文设计的基于空间耦合LDPC-BCH码的信道补偿方案在删除概率为0.996时,误比特率低于10-6。
4 结论
本文提出了一种适用于QSDC信道的极低码率空间耦合LDPC-BCH码。空间耦合LDPC-BCH码具有纠错性能好、实用性强等优点。通过EXIT函数分析表明空间耦合LDPC-BCH码的译码门限值逼近Shannon限。在QSDC信道接收概率仅为0.4%的恶劣条件下,本文设计的传输效率为0.001的空间耦合LDPC-BCH码信道补偿方案误比特率低于10-6,译码性能优于分组LDPC-BCH码。
[1] |
LONG G L, LIU X S. Theoretically efficient high-capacity quantum-key-distribution scheme[J]. Physical Review A, 2002, 65(032302): 1-3. |
[2] |
NIU P H, ZHOU Z R, LIN Z S, et al. Measurement-device-independent quantum communication without encryption[J]. Science Bulletin, 2018, 63(20): 1345-1350. DOI:10.1016/j.scib.2018.09.009 |
[3] |
HU J Y, YU B, JING M Y, et al. Experimental quantum secure direct communication with single photons[J]. Light:Science & Applications, 2016, 5(e16144): 1-5. |
[4] |
ZHANG W, DING D S, SHENG Y B, et al. Quantum secure direct communication with quantum memory[J]. Physical Review Letters, 2017, 118(220501): 1-6. |
[5] |
QI R, SUN Z, LIN Z, et al. Implementation and security analysis of practical quantum secure direct communication[J]. Light:Science & Applications, 2018, 8(22): 1-8. |
[6] |
LI Q, QU X, YIN L, et al. Generalized low-density parity-check coding scheme with partial-band jamming[J]. Tsinghua Science and Technology, 2014, 19(2): 203-210. DOI:10.1109/TST.2014.6787374 |
[7] |
KUDEKAR S, RICHARDSON T J, URBANKE R L. Threshold saturation via spatial coupling: Why convolutional LDPC ensembles perform so well over the BEC?[J]. IEEE Transaction on Information Theory, 57(2): 803-834. https://arxiv.org/pdf/1001.1826.pdf
|
[8] |
SCHMALEN L, AREF V, CHO J, et al. Spatially coupled soft-decision error correction for future lightwave systems[J]. Journal of Lightwave Technology, 2015, 33(5): 1109-1116. DOI:10.1109/JLT.2014.2379957 |
[9] |
JOHNSON S, LECHNER G. Spatially coupled repeat- accumulate codes[J]. IEEE Communications Letters, 2013, 17(2): 373-376. DOI:10.1109/LCOMM.2013.010313.122343 |
[10] |
MOLOUDI S, LENTMAIER M, AMAT A G I. Spatially coupled turbo-like codes[J]. IEEE Transactions on Information Theory, 2017, 63(10): 6199-6215. DOI:10.1109/TIT.2017.2735965 |
[11] |
THORPE J. Low-density parity-check (LDPC) codes constructed from protographs[J]. The Interplanetary Network Progress Report, 2003, 42(154): 1-7. |
[12] |
MITCHELL D G M, LENTMAIER M, COSTELLO D J. Spatially coupled LDPC codes constructed from protographs[J]. IEEE Transactions on Information Theory, 2015, 61(9): 4866-4889. DOI:10.1109/TIT.2015.2453267 |
[13] |
李琪, 曲欣茹, 殷柳国, 等. 基于蝶形流程图的分组码最大后验概率软判决译码方法[J]. 清华大学学报(自然科学版), 2014(12): 1598-1603. LI Q, QU X R, YIN L G, et al. Butterfly-flow-graph based soft APP scheme for decoding block channel codes[J]. Journal of Tsinghua University (Science and Technology), 2014(12): 1598-1603. (in Chinese) |
[14] |
LENTMAIER M, TAVARES M B S, FETTWEIS G P. Exact erasure channel density evolution for protograph-based generalized LDPC codes[C]. IEEE International Symposium on Information Theory. Seoul, Korea: IEEE, 2009: 566-570. http://lup.lub.lu.se/search/ws/files/5986310/3731331.pdf
|
[15] |
PAOLINI E, FOSSORIER M P C, CHIANI M. Generalized and doubly generalized LDPC codes with random component codes for the binary erasure channel[J]. IEEE Transactions on Information Theory, 2010, 56(4): 1651-1672. DOI:10.1109/TIT.2010.2040938 |
[16] |
ASHIKHMIN A, KRAMER G, BRINK S. Extrinsic information transfer functions:Model and erasure channel properties[J]. IEEE Transactions on Information Theory, 2004, 50(11): 2657-2673. DOI:10.1109/TIT.2004.836693 |
[17] |
IYENGAR A R, PAPALEO M, SIEGEL P H, et al. Windowed decoding of protograph-based LDPC convolutional codes over erasure channels[J]. IEEE Transactions on Information Theory, 2012, 58(4): 2303-2320. DOI:10.1109/TIT.2011.2177439 |