Turbo码LDPC码的译码方法.pptVIP

Turbo 码的译码算法 Turbo 码的译码算法 Turbo码的译码算法是BCJR算法，其实质是按码元的最大后验概率的MAP算法，是一类采用双向递推的后验概率算法； MAP算法完全等效于最小误码率算法，且当信源等概率分布时，亦与最大似然算法等效； 决定递推式最大似然算法的核心是满足马尔科夫性，这是后验概率的似然比值仅决定于前向递推概率 、后向递推概率 以及分支转移概率 。 Turbo码通用译码器的结构为： Turbo 码的译码算法 其中： Turbo 码的译码算法 其中，最核心的后验概率似然比为： Turbo 码的译码算法 对于硬判决 对于软判决 它用于本译码器的外信息输出，经过交织或者反交织传递给下一个译码器，并作为下一个译码器的先验信息的输入。 各类算法之间的关系 这里主要比较常用的MAP、logMAP、Max- logMAP以及SOVA算法之间的关系。 logMAP算法： 它与MAP算法等效，只是将 、 、 转移至对数域中去计算，并且将乘法运算映射为加法运算，加法运算映射为E运算，其目的是为了便于硬件实现。 各类算法之间的关系 各类算法之间的关系 E运算的定义为： （可算作一类对数域算子） 且E运算与加法运算一样均满足交换率与结合率。 各类算法之间的关系 Max-log-MAP算法 Max-log-MAP算法是logMAP算法的简化，其原理完全相同，差别在于仅简化了E运算。 其中min运算与加法运算一样均满足交换率 和结合率，并用它取代logMAP 算法中的E运算，其计算复杂度降低了，但译码精度亦会相应降低。 各类算法之间的关系 SOVA算法 SOVA算法可以看作是Max-log-MAP算法的进一步简化： Max-log-MAP输出的后验概率似然比为： 各类算法之间的关系 而SOVA算法，通过回溯可找到一条ML不妨设其在k时刻找到的信息比特 为1，则其输出似然比为： 各类算法之间的关系 显然对于分子，SOVA算法可以从众多满足 为1的序列概率中找到最大的序列概率；但对于分母，SOVA算法则不一定能从众多满足 为1的序列概率中找到最大的序列概率； 而是从延时窗中更新得到的那条件随路径所对应的后验概率。所以SOVA输出似然比的绝对值比Max-log-MAP算法大，既存在似然比高估问题。 各类算法之间的关系 对于双向SOVA算法，对前向和后向SOVA算法输出的似然比取最小值，有助于缓解这一问题，但是如果满足 为-1的最大似然序列出现在k时刻为中心的前后延时窗以外，则双向SOVA算法仍存在似然比高估的问题。 各类算法小结 logMAP算法完全等效于MAP，只是更便于硬件实现；Max-log-MAP算法是logMAP算法的简化；双向SOVA算法又是Max-log-MAP算法的简化；单向SOVA算法则又是双向SOVA算法的进一步简化； 各类算法小结 就硬件实现而言， log-MAP的计算复杂度比MAP低，但译码精度一样；而对于logMAP、 Max-log-MAP、双向SOVA和单向SOVA，它们的计算复杂度依次降低，但译码精度也相应的依次降低。 LDPC 码 LDPC码的提出 早在1962年，著名信息论专家Gallager在他的博士论文中首先提出低密度分组校验码（Low Density Parity-Check Code）即LDPC码的概念，它是基于监督矩阵定义的一种码，具有以下性质： LDPC码的提出 监督矩阵中每列包含很小的固定数目j=3的1； 每行亦包含一个很小固定数目kj的1； Gallager证明，这种码字的典型最小距离随着码长的增加而线性增加，而且在BSC信道下其译码差错的典型概率将随码长指数下降。 LDPC码的提出 由于受当时客观条件的限制，硬件实现困难。LDPC码长期被人所遗忘，直至1995年，Mackay和Neal重新发现LDPC码和Turbo码有着同样优秀的性能，后来人们进一步发现LDPC码完全符合Shannon证明其信道编码定理的三个假设的条件：码长足够长、随机编码方法和采用最大后验概率MAP译码。 LDPC码的提出 后来人们进一步发现，在同样足够长的码长条件下，其性能甚至还优于Turbo码，从而重新引起人们广泛关注与进一步的研究。 LDPC码研究的方向 目前对LDPC码进一步研究主要集中在以下两个方向上： 将GF（2）的二元域上的LDPC码进一步拓广至多元域，比如GF（22）、 GF（23）等，并进一步精心构造多元域上的校验矩阵，可以使LDPC