卷积码原理及基本概念

1、基本概念理解

1.1  直观理解卷积编码器

图1  (3,1,2)卷积编码器

子生成元: g(1,1) = (100), g(1,2) = (110),g(1,3) = (101)

生成多项式矩阵G=[1\; \; \; 1+D\; \; \; 1+D^{2} ]

系统规范形式卷积编码器

图2  (3,2,2)卷积编码器

子生成元: g(1,1) = (100),g(1,2) = (000),g(1,3) = (101)

                   g(2,1) = (000),g(2,2) = (100),g(1,3) = (110)

基本生成矩阵:

                   G=\begin{pmatrix} 101 & 000 & 001 & 000 & 000 \\ 011& 001 & 000 & 000 & 000 \end{pmatrix}

                   G=\begin{bmatrix} 1 & 0 & 1+D^{2}\\ 0 & 1 & 1+D \end{bmatrix}

以上就是对卷积编码编码器的直观理解,以下我们给出卷积编码器的基本定义:

卷积码通常记为n,k,m—— n是码长,k是信息元,m是编码寄存器的长度,通常称K = m+1为编码约束长度。

卷积编码在编码时充分利用各个信息块的相关性,校验码元不仅与本组信息元有关,还与之前K个时刻的信息元有关,且当前时刻的信息元还会影响以后K时刻的编码输出。卷积编码器通常有四种表示方法:连接图、状态图、树图和网格图。

编码器生成多项式通常用八进制来表示,图2所示的编码器可以表示为g=[4,0,5;0,4,6]。借助计算机搜索,已经找到约束长度较小时的最优生成多项式和多项式对应的自由距离 d_{free},如表1所示。其中,和卷积码的纠错能力有关,是无限长编码后序列之间的最小汉明距离。

表1  码率为1/2的最优编码生成多项式和最大自由距离

约束长度K生成多项式(八进制)自由距离\mathbf{​{\color{Purple} d_{free}}}

3

[5,7]

5

4

[15,17]

6

5

[23,35]

7

6

[53,75]

8

7

[133,171]

10

8

[247,371]

10

9

[561,753]

12

10

[1167,1545]

12

1.2、卷积编码器的四种表示形式

(1)连接图

以(2,1,2)卷积码为例,图3所示为约束长度K=3的(2,1,2)卷积编码器,由两个模2加法器和两个编码寄存器组成。

图3-1  (2,1,2)卷积编码器连接图

(2)状态图

    (2,1,2)编码器中含有两个寄存器,每个寄存器中的数据又有0和1两个选择,故寄存器的状态数共有2^{2}=4种,状态编号为:

     S_0=00,S_1=01,S_2=10,S_3=11

    寄存器状态始终在这4种状态间发生转移。数据输入有两种,所以每一个状态对应转移方式也有两种。

 图3-2  (2,1,2)卷积编码器状态图

    例如,当前状态为 \small S_1=01,输入数据为1时,下一个状态\small S_2=10,对应编码输出为00;当输入数据为0时,下一个状态\small S_0=00,对应编码输出为11。

 (3)树图

    为了更加直观表示编码器,树图在状态图的基础上做了改进,增加了时间尺度。对应树图中每个节点都存在两条分支,输入0时走上分支,输入1时走下分支。分支旁边的数字为相应的输出分支字。

 图3-3  (2,1,2)卷积编码器树图

(4)网格图

    树图随着时间的增长,尺寸也将成指数式增长。并且,在经过K次分支后,开始重复自身结构。将树图中相同标记的节点进行合并,就得到了网格图。网格图看起来更加简便。

图3-4  (2,1,2)卷积编码器网格图

  • 10
    点赞
  • 104
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
卷积码是在信息序列通过有限状态移位寄存器的过程中产生的。通常,移存器包含N级(每级A比特),并对应有基于生成多项式的m个线性代数方程,输入数据每次以A位(比特)移入移位寄存器,在此同时有n位(比特)数据作为己编码序列输出,编码效率为A/n。参数N被称作约束长度,它指明了当前的输出数据与多少输入数据有关。它决定了编码的复杂度。 译码器的功能就是,运用一种可以将错误的发生减小到最低程度的规则或方法,从已编码的码字中解出原始信息。在信息序列和码序列之间有一对一的关系。此外,任何信息序列和码序列将与网格图中的唯一一条路径相联系。因而,卷积译码器的工作就是找到网格图中的这一条路径。 Viterbi算法可被描述如下; 把在时刻i,状态 所对应的网格图节点记作 ,每个网相节点被分配一个值 。节点值按如下方式计算: (1)设 , 。 (2)在时刻i,对于进入每个节点的所有路径计算其不完全路径的长度。 (3)令 为在i时刻,到达与状态 。相对应的节点 的最小不完全路径长度。通过在前一节点随机选择一条路径就可产生新的结果。非存留支胳将从网格图中删除。以这种方式,可以从 。处生成一组最小路径。 (4)当L表示输入编码段的数目,其中每段为k比特,m为编码器中的最大穆存器的长度,如果 ,那么令 ,返回第二步。 一旦计算出所有节点值,则从 时刻,状态 。开始,沿网格图中的存留支路反向追寻即可。这样被定义的支路与解码输出将是一一对应的。关于不完全路径长度,硬判决解码将采用Hamming距离,而软判决解码将采用Euclidean距离。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值