1、低密度奇偶檢驗(Low-Density Parity-Check，LDPC)碼是一種性能逼近香農極限的線性分組碼，是信道編碼領域的研究熱點之一，目前已經廣泛應用于無線通信和數字存儲等領域。隨著信息技術不斷發(fā)展，通信系統(tǒng)要求信息能更快速和更可靠地傳輸，存儲系統(tǒng)則要求更高的存儲密度，設計性能優(yōu)異且具有極低譯碼復雜度的編譯碼算法對未來通信和存儲系統(tǒng)十分重要。基于交替方向乘子法(Alternating Direction Method of M

2、ultipliers，ADMM)的LDPC碼線性規(guī)劃(Linear Programming，LP)譯碼算法不僅具有傳統(tǒng)LP譯碼的最大似然認證和便于分析的特點，而且大幅度降低了基于優(yōu)化理論設計的譯碼算法的復雜度。
　　基于ADMM的LP譯碼算法應用于規(guī)模較大的LDPC碼時譯碼時間較長，不利于仿真分析和實際的工程實現。近年來圖形處理器(Graphic Processing Unit，GPU)在浮點運算以及內存帶寬方面突飛猛進的發(fā)展極大

3、地推動了并行計算的研究，基于ADMM的LP譯碼算法具有很好的并行化結構，非常適合在GPU上實現。為了大幅度提高譯碼速度，本文借助GPU對基于ADMM的LP譯碼方法進行了研究。本文主要工作概括如下：
　　1.介紹了LDPC碼及其Tanner圖模型的理論基礎，概述了LDPC碼的置信傳播(Belief Propagation，BP)和最大似然譯碼算法，闡述了GPU的Fermi體系架構和統(tǒng)一計算設備架構(Compute Unified D

4、evice Architecture，CUDA)編程技術，分析了GPU的紋理存儲器(texture memory)及全局存儲器(global memory)的訪問特點。
　　2.給出了基于 ADMM的線性規(guī)劃譯碼模型，分析了譯碼方法中計算量大的歐幾里得投影算法，在加性高斯白噪聲(Additive White Gaussian Noise，AWGN)信道下對ADMM譯碼算法進行了仿真。仿真結果表明，基于ADMM的譯碼算法具有較好的性

5、能，并且譯碼速度可以達到BP算法的2倍。
　　3.根據ADMM譯碼算法的迭代消息傳遞思想，設計了一種基于GPU的并行化譯碼方案，詳細分析了節(jié)點消息更新的并行化實現方法。根據頁鎖定內存(pinned memory)和紋理存儲器的訪問特點，在并行化譯碼過程中設計了兩種優(yōu)化方法，給出了基于ADMM的并行化譯碼方法的仿真實現。仿真結果表明，在譯碼性能接近的情況下，借助GPU實現的ADMM譯碼方法與純CPU實現相比最高可以獲得19倍的加速比