论文部分内容阅读
Turbo码是一种具有极强纠错能力的差错控制编码技术，它已经被广泛地应用于诸如深空通信、移动无线传输、数字用户环路以及大容量磁存储系统等许多的领域。因子图是一种用来表示如何将多变量的全局函数分解成多个局部函数乘积形式的双向图形模型，可以用来描述人工智能、数字通信以及信号处理等很多方面的问题。通过在相应因子图上分布地进行概率信息传播的和积算法，可以实现许多问题的求解，Turbo码的迭代译码算法也可以看作是和积算法的一个特例。另外，和积算法的基本运算可以方便的通过利用晶体管电路的固有非线性特性来实现，其所构成的模拟译码网络与数字方式的实现相比，具有更高的处理速率、更低的功耗以及占用更小的芯片尺寸等优点。本文在深入广泛的阅读国内外大量有关因子图与和积算法以及模拟译码技术资料的基础上，着重研究了Turbo码因子图模型以及在该图形模型表示下的译码算法，并在此基础上深入研究了Turbo码译码器的模拟VLSI实现问题。主要的研究工作及结论如下：(1) 对Turbo码的网格结束问题及不同的结束方法对其性能的影响进行了分析与仿真，研究表明采用收尾RSC卷积码作为Turbo码的分量码，可以在编译码复杂度增加极小的情况下，不致于牺牲码率而能够获得更好的性能，实现对所有信息比特的相同保护；(2) Turbo码和LDPC码都可以实现接近Shannon理论极限的性能。Turbo码由于成员RSC码所固有的移位寄存器特性使得其编码较为容易实现；而对于接近Shannon容量的LDPC码，则需要大量的矩阵乘法运算才能完成信息的编码，电路实现较为复杂。另一方面，采用和积算法的LDPC码的译码过程则比采用BCJR算法的Turbo译码更加容易实现，且计算复杂度更低。将Turbo编码与LDPC码的译码相结合，对Turbo采用基于其因子图表示的和积译码算法进行译码，可以在很大程度上降低Turbo码的译码复杂度；(3) 深入研究了Turbo码的图形模型，分析了Turbo码的校验矩阵及其特性，Turbo码的校验矩阵具有明显的稀疏特性，从本质上来讲Turbo码就是一种特殊类型的LDPC码。应用借助于LDPC码的研究成果，在Turbo码的设计上也应该倾向于选择具有自正交特性的卷积码来作为其分量码，以避免在进行和积译码时由于短的环路的存在而影响其性能；(4) 研究了基于因子图表示的和积译码算法及其模拟电路的实现，对构成模拟译码网络的基本构成模块进行了详细的分析与设计，提出了模拟译码网络的一<WP=4>般设计方法。研究表明，在基于二元因子图的和积译码算法中，主要有两种类型的基本运算：代数和运算与“◎”运算，若采用电压信号来表示对数似然比信息，则这两种运算都可以通过基于Gilbert乘法器的基本电路来实现，有利于译码电路的模块化设计；对于基于网格的和积译码算法，通常是以电流信号来表示概率的，此时可以通过构造相应的网格运算模块来简化译码器电路的设计；(5) 以电流或者电压来表示在因子图上所要传输的信息并不是绝对的，二者在某种程度上可以自由互换。通常采用电流来表示概率信息可以更容易地实现概率乘积的代数和运算；(6) 以一个收尾形式的Turbo码为例，对其编码器的设计进行了详细介绍，并着重研究了基于网格模型的模拟译码网络的设计问题。研究了译码器芯片的详细结构及其基本的网格运算模块，进行了Turbo码编译码系统的详细电路设计，并对其性能进行了仿真。结果表明采用模拟电路实现的译码器网络具有与数字方式极为接近的性能，而模拟网络所固有的速度、功耗以及芯片尺寸等优点又是数字方式所无法比拟的。