错误概率以及译码规则
假定现在有一个二元对称信道,其
ε
=
2
3
\varepsilon=\frac{2}{3}
ε=32,译码器将接收到符号0译成发送符号为0,将收到符号1译成发送符号1。如果按照这个规则进行译码,只有当发送符号为0并且接收端收到0时为正确译码,因此对于发送符号0来说,译对的可能性只有
1
3
\frac{1}{3}
31,如果发送端发送0而接收端收到了1,因而译码成1,显然是错误译码。如果发送端以等概率发送0,1,则平均错误概率为
P
E
=
P
(
0
)
P
e
(
0
)
+
P
(
1
)
P
e
(
1
)
=
2
3
P_E=P(0)P_e^{(0)}+P(1)P_e^{(1)}=\frac{2}{3}
PE=P(0)Pe(0)+P(1)Pe(1)=32
而如果译码器将收到的0译成1,收到的1译成0,译错的可能性就会变成
1
3
\frac{1}{3}
31
接下来定义译码规则:设离散单符号信道的输入符号集为
A
=
a
i
,
i
=
1
,
2
,
⋯
,
r
A={a_i},i=1,2,\cdots,r
A=ai,i=1,2,⋯,r,输出符号集为
B
=
b
j
,
j
=
1
,
2
,
⋯
,
s
B={b_j},j=1,2,\cdots,s
B=bj,j=1,2,⋯,s,制定译码规则就是定义一个函数
F
(
b
j
)
F(b_j)
F(bj),使得
F
(
b
j
)
=
a
i
F(b_j)=a_i
F(bj)=ai
最大后验概率准则
如果信道收到符号
b
j
b_j
bj,就将它译成
a
i
a_i
ai,如果发送端发送的就是
a
i
a_i
ai,就将它看作是正确译码,反之就是错误译码,条件错误概率可以表达为
P
(
e
∣
b
j
)
=
1
−
P
[
F
(
b
j
)
∣
b
j
]
=
1
−
P
(
a
i
∣
b
j
)
P(e|b_j)=1-P[F(b_j)|b_j]=1-P(a_i|b_j)
P(e∣bj)=1−P[F(bj)∣bj]=1−P(ai∣bj),对译码空间取均值即为平均错误概率
P
E
=
∑
j
=
1
s
P
(
b
j
)
P
(
e
∣
b
j
)
P_E=\sum_{j=1}^sP(b_j)P(e|b_j)
PE=j=1∑sP(bj)P(e∣bj)
P
(
b
j
)
P(b_j)
P(bj)与译码准则无关,所以我们只要让每一个条件错误概率最小即可,即选择译码函数
F
(
b
j
)
=
a
∗
F(b_j)=a^*
F(bj)=a∗使得
P
(
a
∗
∣
b
j
)
≥
P
(
a
i
∣
b
j
)
P(a^*|b_j)\geq P(a_i|b_j)
P(a∗∣bj)≥P(ai∣bj)也可以表达为
P
(
a
∗
,
b
j
)
≥
P
(
a
i
,
b
j
)
P(a^*,b_j)\geq P(a_i,b_j)
P(a∗,bj)≥P(ai,bj)这就是最大后验概率准则或最小错误概率准则
最大似然译码准则
由贝叶斯概率公式可知
P
(
b
j
∣
a
∗
)
P
(
a
∗
)
P
(
b
j
)
≥
P
(
b
j
∣
a
i
)
P
(
a
i
)
P
(
b
j
)
\frac{P(b_j|a^*)P(a^*)}{P(b_j)}\geq \frac{P(b_j|a_i)P(a_i)}{P(b_j)}
P(bj)P(bj∣a∗)P(a∗)≥P(bj)P(bj∣ai)P(ai)
P
(
b
j
∣
a
∗
)
P
(
a
∗
)
≥
P
(
b
j
∣
a
i
)
P
(
a
i
)
P(b_j|a^*)P(a^*)\geq P(b_j|a_i)P(a_i)
P(bj∣a∗)P(a∗)≥P(bj∣ai)P(ai)
如果输入等概率分布,可以表达成
P
(
b
j
∣
a
∗
)
≥
P
(
b
j
∣
a
i
)
P(b_j|a^*)\geq P(b_j|a_i)
P(bj∣a∗)≥P(bj∣ai)
最小距离译码准则
定义码集中的任意两个码字,其汉明距离的最小值为这个码集的最小距离 D ( α ∗ , β j ) ≤ D ( α i , β j ) D(\alpha^*,\beta_j)\leq D(\alpha_i,\beta_j) D(α∗,βj)≤D(αi,βj)
总结
总而言之,最大似然译码准则就是给定一个传递函数矩阵
P
P
P,对于一个给定的
j
j
j,找出第
j
j
j列概率的最大值(假设在第
i
i
i行),
b
j
b_j
bj就译成
a
i
a_i
ai
而对于最大后验概率准则,则先要求出联合概率矩阵,在仿照最大似然译码准则进行译码