降采样译码方法和装置制造方法及图纸

本发明专利技术涉及一种降采样译码方法，包括步骤S1:输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差；还包括步骤S2：从极大似然路径的所有竞争路径中，选择部分竞争路径计算对数似然比得到译码结果。通过本发明专利技术提供的降采样译码方法，降低了计算复杂度，提供高质量的LLR，提高了译码效率。

Method and device for descending sampling and decoding

The invention relates to a down sampling decoding method, comprising the steps of receiving S1: input sequence and / or prior information, grid map, search the maximum likelihood path in the grid graph, to obtain the maximum likelihood path decision value, marking the maximum likelihood path competition path, the maximum likelihood path metric and competition the path and calculate the difference; also includes the steps of: S2 from all competition path maximum likelihood path, select the part of the competition path to calculate the log likelihood ratio decoding results obtained. The descending sampling and decoding method provided by the invention reduces the computational complexity, provides high-quality LLR, and improves the decoding efficiency.

【技术实现步骤摘要】
降采样译码方法和装置
本专利技术涉及通信
，特别涉及一种降采样译码方法和装置。
技术介绍
维特比算法(VA)是一种卷积码的最优译码方法。它采用动态规划的思想在卷积码的网格图(trellis图)上搜索最大似然路径。在每个时刻，VA比较汇聚于所有状态节点的路径度量，然后选择那条具有最大的路径度量的路径作为幸存路径。每条幸存路径都附带着相应的比特判决信息，这样的比特判决信息成为路径判决比特。最终的幸存路径就是极大似然路径(ML路径)，VA最后会输出ML路径的路径判决比特。因此，VA的计算复杂度是O(SL)，其中S＝2m是卷积码的状态数，m是寄存器长度，L是码长。事实上，卷积码的译码复杂度并不需要随着寄存器长度的增长而指数增长，尤其是在高信噪比的情况下。在VA之前，序列译码已经被广泛地应用于卷积码的译码。它们优先搜索那些最有可能成为极大似然路径的分支，但是多数序列译码并不能保证搜到的路径就是ML路径。Feldman等人通过归一化分支度量和引入优先队列(PQ)改善了序列译码。他提出了懒维特比算法(LazyVA)，该方法可以保证搜索结果就是ML路径。该方法步骤如下：1:利用信道接收序列以及编码器的trellis图计算所有时刻的可能分支度量，并将同一时刻的分支度量归一化为非正数。2:将trellis图的起始节点插入PQ。3:弹出PQ的头结点作为当前节点。4:如果某个与当前节点有着同样时刻值和同样状态值的节点已经被弹出，那么忽略当前节点，返回第3步。5:计算当前节点的后继节点的路径度量，并将这些后继节点插入到PQ中。6:如果PQ的头节点不是一个trellis图的末节点，返回第3步。7:回溯ML路径，输出相应的路径判决比特。现有技术还公开了一种软输入软输出维特比算法(SOVA)是VA最重要的变种之一。它能够以次优的性能和较低的复杂度来实现解调、译码、均衡等。因此，它被广泛地应用于现代通信系统和存储系统。SOVA包含了两大阶段。第一阶段是通过维特比算法来搜索极大似然(ML)路径；第二阶段是通过对极大似然路径的竞争路径进行回溯，以计算每个信息位的对数似然比(LLR)。算法的复杂度和LLR的质量受第二阶段的影响较大。假设回溯长度为δ，m(s,t)是t时刻终止于状态s的路径度量，cm(s,t)是相应竞争路径的路径度量，相应的路径度量差是Δ(s,t)＝m(s,t)-cm(s,t)。则SOVA的第二阶段步骤如下：1：初始化所有的LLR为∞，设置时刻变量t＝L。2：从ML路径的t时刻的节点开始回溯。比较回溯长度δ内相应竞争路径与ML路径的路径判决比特，如果判决比特相同，保持判决比特所对应的时刻的LLR值不变，否则，以判决比特所对应的时刻的LLR值与Δ(s,t)的最小值来更新此LLR。3：t＝t-1。如果t>0，返回步骤2。4：根据ML路径判决比特的符号改变LLR的符号。定义步骤2为一个回溯操作，它的复杂度是O(δ)。因此，SOVA在第二阶段的复杂度是O(SLδ)。SOVA的计算复杂度大约是VA的(3+δ)/3倍，δ为回溯长度。尽管一些研究者减少了软输入软输出算法的时间复杂度，但是很少研究者注意到了SOVA在计算复杂度上的不足。SOVA的性能要比基于BCJR算法的MAP类算法要低。研究者在过去的二十年中都致力于提高SOVA的性能。1998年，Marc等人改进了SOVA，并证明了改进后的等效软输入软输出维特比算法(M-SOVA)与对数域最大对数近似最大后验概率算法(Max-Log-MAP)的等价性。2000年，陈等人提出了双向SOVA，该算法的性能略微超越了Max-Log-MAP算法，但是却导致了复杂度两倍于SOVA。黄等人使用了两个调整因子得到调整因子软输入软输出维特比算法(S-SOVA)进一步提升了SOVA的性能。可见，SOVA的性能偏低，而且有冗余计算。
技术实现思路
本专利技术所要解决的技术问题是如何提供一种能够降低SOVA的计算复杂度同时性能不低于现存最优的SOVA变种的译码方法和装置。为此目的，本专利技术提出了一种降采样译码方法，包括步骤S1:输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差；还包括步骤S2：从极大似然路径的所有竞争路径中，选择部分竞争路径计算对数似然比得到译码结果。其中较优地，所述对数似然比由任意时刻的内信息和/或外信息的函数进行估计。其中较优地，所述任意时刻的内信息和/或外信息的函数通过所述接收序列、先验信息和/或其他时刻的对数似然比获得。其中较优地，所述函数通过利用调整因子来调整所述接收序列、外信息和/或内信息的值。其中较优地，所述选择的竞争路径由所述极大似然路径与竞争路径的度量差的大小决定。其中较优地，所述路径度量差通过如下步骤获得：S11：对于网络图中任意节点，如果与其有着相同的状态值和时刻值的其他节点已经被优先队列弹出，那么使用所述任意节点和所述其他节点的度量值来计算相应的路径度量差。另一方面，本专利技术还提供了一种降采样译码装置，包括：搜索计算单元，用于输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差，还包括：降采样单元，用于从极大似然路径的所有竞争路径中，选择部分竞争路径计算对数似然比得到译码结果。其中较优地，所述对数似然比由任意时刻的内信息和/或外信息的函数进行估计。其中较优地，所述任意时刻的内信息和/或外信息的函数通过所述接收序列、先验信息和/或其他时刻的对数似然比获得。其中较优地，所述函数通过利用调整因子来调整所述接收序列、外信息和/或内信息的值。通过采用本专利技术所提供的译码方法和装置，降低了译码复杂度，尤其降低了在回溯过程中的译码复杂度，同时本专利技术还能够提供不低于现存的最优的SOVA的变种的性能，提供高质量的译码结果，提高卷积码、Turbo码等译码器的效率。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：图1示出了本专利技术降采样译码方法的过程示意图；图2示出了本专利技术与其他译码方法的外信息对比示意图；图3示出了本专利技术与其他译码方法应用于码I时的误比特率的比较示意图；图4示出了本专利技术与其他译码方法应用于码II时的误比特率的比较示意图；图5示出了本专利技术与SOVA译码方法应用于码I时的平均回溯操作示意图；图6示出了本专利技术与SOVA译码方法应用于码II时的平均回溯操作示意图；图7示出了本专利技术与SOVA译码方法应用于码I时的复杂度比较示意图；图8示出了本专利技术与SOVA译码方法应用于码II时的复杂度比较示意图；具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。如图1所示，本专利技术提供了一种降采样译码方法，包括步骤S1:输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差；还包括步骤S2：从极大似然路径的所本文档来自技高网...

【技术保护点】
一种降采样译码方法，包括步骤S1:输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差；其特征在于，还包括步骤S2：从极大似然路径的所有竞争路径中，选择部分竞争路径计算对数似然比得到译码结果。

【技术特征摘要】
1.一种降采样译码方法，包括步骤S1:输入接收序列和/或先验信息，生成网格图，在所述网格图上搜索极大似然路径，得到所述极大似然路径的判决值，标记所述极大似然路径的竞争路径，并计算极大似然路径与竞争路径的度量差；其特征在于，还包括步骤S2：从极大似然路径的所有竞争路径中，选择部分竞争路径计算对数似然比得到译码结果。2.根据权利要求1所述的一种降采样译码方法，其特征在于，所述对数似然比由任意时刻的内信息和/或外信息的函数进行估计。3.根据权利要求1或2所述的一种降采样译码方法，其特征在于，所述任意时刻的内信息和/或外信息的函数通过所述接收序列、先验信息和/或其他时刻的对数似然比获得。4.根据权利要求3所述的一种降采样译码方法，其特征在于，所述函数通过利用调整因子来调整所述接收序列、外信息和/或内信息的值。5.根据权利要求1所述的一种降采样译码方法，其特征在于，所述选择的竞争路径由所述极大似然路径与竞争路径的度量差的大小决定。6.根据权利要求1所述的一种降采样译码方法，其特征在于，所述路径度量差通过如...

【专利技术属性】
技术研发人员：肖强，黄勤，王祖林，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11