卷积码的维特比译码及卷积码性能分析.pptVIP

第九讲 卷积码的维特比译码及卷积码性能分析 回顾 卷积码的编码：有记忆的信道编码 卷积码的概率译码 序列译码：费诺算法和堆栈算法 最大似然译码：维特比算法 维特比译码的描述 从第1时刻的全零状态开始（零状态初始度量为0，其它状态初始度量为负无穷） 在任一时刻t，对每一个状态只记录到达路径中度量最大的一个（残留路径）及其度量（状态度量） 在向t+1时刻前进过程中，对t时刻的每个状态作延伸，即在状态度量基础上加上分支度量，得到M*2k条路径 对所得到的t+1时刻到达每一个状态的2k条路径进行比较，找到一个度量最大的作为残留路径 直到码的终点，如果确定终点是一个确定状态，则最终保留的路径就是译码结果 图解维特比译码 维特比译码——收尾 最大似然序列译码要求序列有限，因此对卷积码来说，要求能收尾。 收尾的原则：在信息序列输入完成后，利用输入一些特定的比特，使M个状态的各残留路径可以到达某一已知状态（一般是全零状态）。这样就变成只有一条残留路径，这就是最大似然序列。 卷积码收尾的实现 非递归卷积码：约束长度为m+1的卷积码，只要在信息序列输入完成后连续送入m个0，即可使任一路径都到达最终的状态0。 递归卷积码：也可通过将输入值置成反馈值的负值，而使m个时钟后的状态到达0。 卷积码收尾 非系统非递归码 递归系统码 维特比译码的复杂度 对信息序列长度为L，信息符号取自GF(p)，R=k/n，约束长度为m+1的卷积码。状态数为pkm，因此对每个时刻要做pkm次加比选得到pkm个状态的残留路径，每次加比选包括pk次加法和pk-1次比较。因此总运算量约为Lpkm次加比选。同时要能保存pkm条残留路径，因此需要Lpkm个存贮单元。 维特比译码的特点 维特比算法是最大似然的序列译码算法 译码复杂度与信道质量无关 运算量与码长呈线性关系 存贮量与码长呈线性关系 运算量和存贮量都与状态数呈线性关系 状态数随分组大小k及编码深度m呈指数关系 吞吐量与存储量 运算量与码长呈线性关系意味着平均吞吐量与码长无关 存贮量与码长呈线性关系意味着对无限码长（流的情况）要求有无限的存贮量。 滑动窗维特比译码算法 基本思想：当状态数有限时，给定时刻的各状态残留路径在一定时间（L）之前来自于同一状态的可能性随L的增加而迅速趋近于1。因此当前时刻各残留路径很可能来自于L时刻前的同一路径。 滑动窗维特比译码算法实现 在第k时刻，可以将t-L时刻前的路径结果直接输出，而在存贮空间中不再保存t-L时刻前的内容。因此存贮量控制在Lpkm。这里的L就被称做译码深度。不再随码长的增加而增加。因而特别适合信息流的卷积码编译码。在这种情况下甚至不需要对流分段加尾比特。这里的L就被称做译码深度。 显然，滑动窗算法是一种准最优算法。但通常译码深度只要有编码约束长度的5到10倍，其性能损失就可以忽略不计了。 状态数对维特比译码的影响 由于运算量与k和m呈指数关系，因此维特比译码算法一般只适合于k和m较小的场合。大多数情况下k=1，m10。 对状态数很大的卷积码，维特比算法要经一定的修正后才可能实用，常用的算法是缩减状态的维特比译码，即在每一时刻，只处理部分的状态。 序列译码与维特比译码的比较 信道质量对前者运算量影响较大，而对后者运算量没有影响 前者是次优的，后者是最优的 前者运算量与约束长度无关，而后者运算量与约束长度呈指数关系 前者会有译码失败，而后者只有译码错误 在不同场合有不同用途 卷积码的性能分析 误码分析 重量或距离谱 首次差错率 两个序列间差异的扩大 对于有限状态的流编码传输而言，如果两个序列不起始于同一状态且终于同一状态，则可以通过网格图的继续延伸而呈现出更大的差别。而只有有限的差别才有可能造成误判。 因此对卷积码而言，我们关心的是某一时刻两条路径分离，而在有限时间内又再次合并的情形。这就是流编码中的一次错误事件。 首次错误事件 显然，两条路径分离后一般并不会立即合并，而是要经过一段时间后才可能合并，这段时间可长可短，是随机的。因此卷积码中出现的误码一般也有较强的突发性，一般突发长度不小于约束长度。 对半无限的卷积码而言，总是开始于状态0，我们要研究的就是什么时候会发生第一次错误事件？这一次错误事件的长度是多少？它引起了多少比特错误？错误概率如何？等等。 对于线性卷积码 对线性卷积码而言，输入全0时输出也是全0，构成一条全0序列，这是一个合法的编码序列。因此研究误码可以假设发的是全0序列，而研究译成非0序列的概率。为此我们要研究卷积码的距离谱或重量谱。 线性卷积码的首次错误事件 在研究首次错误事件概率时，要研究的是第一次与全0序列分离并再次回到全0序列的事件。它等价于在