论文部分内容阅读
随着现代通信技术和计算机技术的迅速发展,人们对可靠传输信息的要求也越来越高,信道编码是降低信息传输错误概率的一种有效的手段,在现代数字通信系统中起着十分重要的作用。Turbo编码作为一种信道编码方式,自1993年提出以来,由于出色的译码性能,在编码界得到了广泛关注。
目前Turbo码有两类译码算法MAP(MaximumAPosteriori)算法和SOVA(SoffOutputViterbiAlgorithm)算法。其中SOVA算法由于比其他Turbo码算法更简单,复杂度低,更容易实现而成为研究的一个热点,但也存在着译码性能较差的问题。
SOVA算法和MAP算法的区别在于他们在外信息提取方法上有所不同,由于SOVA算法为了简化运算,较多地利用了近似值,因此令外信息的准确度较低。为了在较低的运算复杂度下尽可能提高Turbo码译码性能。本文对Turbo码的SOVA译码算法进行研究,通过调整SOVA译码器输出的外信息值,提高SOVA算法的性能。调整的方法有两种:
1.用神经元网络函数对先验信息进行调整。针对SOVA算法的软判决信息的绝对值比MAP算法大的特点,利用神经元网络对SOVA算法得到的软判决信息进行非线性压缩,以限制SOVA算法的迭代信息的的值,使误比特率减低。
2.末位比特修正SOVA法。由于传统SOVA算法在选择错误路径概率的计算上存在不足,因此得到软判决信息有误差。文中提出了改进的方法,根据各状态幸存路径累计度量的差值,对译码回溯深度里的最末位比特进行修正,然后将修正值作为软判决输出。
通过仿真实验可以看出,改进算法在稍微增加一点运算复杂度的基础上,提高了SOVA算法的译码性能。而且将上面两种方法相结合,可获得更好的效果。