信道编码,纠错码基础.pptVIP

∧ λ： 兰姆达 * ∧ λ： 兰姆达 * ∧ λ： 兰姆达 * 用“+”即加法来表示一个交换群的代数运算，称这样的群为加群。 * （1）求平均错误概率pe 根据式（6-4）得 = 0.01+0.12+0.07+0.12+0.1+0.02 = 0.44 (2)当信源等概分布，按最大似然函数译码准则译码，[例 5.5]已给出信道转移概率矩阵 在矩阵的每 列中选一最大值(矩阵中带下划线的值)，译码为 平均错误概率 最优译码与最大似然译码 译码器的任务是从受损的信息序列中尽可能正确地恢复出原信息。 译码算法的已知条件是： 实际接收到的码字序列{r}, r=(r1,r2,…,rN) 发端所采用的编码算法和该算法产生的码集XN，满足 信道模型及信道参数。 * 最优译码：最大后验概率译码准则 最佳译码，也叫最大后验概率译码(MAP: Maximum a posteriori) 已知r的条件下找出可能性最大的发码作为译码估值, 通过经验与归纳推测发码的方法 * 消息组mi 码字ci 接收码r 估值 消息 编码器 信道 译码 消息还原 最大后验概率译码准则等同于最小传输错误概率准则 * 消息组mi 码字ci 接收码r 估值 消息 编码器 信道 译码 消息还原 存在问题： 不易实现,对于信道，可以获知统计特性P（y/x）,但难以获得信源分布p（x），因此无法求得全概率p（xy）； 而获得后验概率（收?发）也很困难。 已收到码为条件的条件概率 全概率、联合概率，也等同于最大联合概率译码准则 次最优：最大似然译码准则 最大似然译码( MLD: Maximum Likelihood Decoding) 已知r的条件下使先验概率最大的译码算法 实际应用中，能够获知信道的统计特性p(y/x)，但很难获得信源分布P(x),无法求得全概率p(xy) 所以根据信道转移概率来确定码字估值。 * 最优译码与最大似然译码的关系 如果 构成码集的2K个码字以相同概率发送，满足P(ci ) = 1/2K ， i=1,2,…,2K P(r)对于任何r都有相同的值，满足P(r) = 1/2K 则P(ci /r)最大等效于P(r / ci)的最大，在此前提下最佳译码等效于最大似然译码。 * 最优译码与最大似然译码 对于无记忆信道， [例]：BSC信道的最大似然译码可以简化为最小汉明距离译码。 汉明距离译码是一种硬判决译码。由于BSC信道是对称的，只要发送的码字独立、等概率 ，汉明距离译码也就是最佳译码。 * [例] 已知信道矩阵 并设p(x1)=1/2, p(x2)=p(x3)=1/4, 分别用最小错误概率准则和最大似然译码准则确定相应的译码规则，并计算平均错误概率。 解：由于输入符号不是等概率分布，所以对于最小错误概率准则必须根据联合概率的大小来选择。 p(x1y1)=1/4, p(x2y1)=1/24,p(x3y1)=1/12 p(x1y2)=1/6, p(x2y2)=1/8,p(x3y2)=1/24 p(x1y3)=1/12, p(x2y3)=1/12,p(x3y3)=1/8 故译码规则是 F(y1)=x1, F(y2)=x1, F(y3)=x3 对于最大似然译码准则，可以直接从信道矩阵的传递概率来选择，译码规则是 F(y1)=x1, F(y2)=x2, F(y3)=x3 平均错误概率为 pE=1/24+1/12+1/6+1/24+1/12 +1/12 =12/24 p’E=1/24+1/12+1/8+1/24+1/12 +1/12 =11/24 pE * 选择最佳译码规则只能使错误概率pE有限地减小，无法使其任意的小。要想进一步减小错误概率，必须优选信道编码方法。 [例]已知信道转移矩阵如下，试确定译码规则。 解 只知转移概率，无法找出最佳译码规则，只能采用最大似然译码规则。 将转移概率矩阵各列最大的值标出，重写转移矩阵如下： 按转移概率最大原则确定最大似然译码规则如下： 尽管一般情况下并不知道这样译码 的差错率。但可以证明，当信道输入