一种比特级混合信道建模方法与流程

本发明属于差错控制编码中的信道建模领域，针对混合信道中出现的随机错误和长连续突发错误建立信道模型。

背景技术：

近年来，对高效可靠的数字传输系统的需求随着在商业、政府和军事领域面向数字信息的交换、处理和存储的大规模高速数据网的出现而变得更加迫切，自1948年香农提出代数编码理论以来，差错控制编码的应用就已经成为现代通信系统和存储系统中不可分割的一部分。无论是模拟信号还是数字信号，在从信源传递到信宿的过程中都不可避免的会由于传输信道的不理想而出现传输错误，差错控制编码就是在数字通信过程中利用编译码技术对信息传输过程中出现的差错进行检验和纠正的技术，典型的数据传输系统框图如图1。

信道的不理想主要是由介质的噪声干扰造成，主要分为随机噪声和突发噪声，对于数字信号会产生相应的随机错误与突发错误。近年来，编译码技术的发展对于信道模型的建立也提出了更高的要求，更准确、更贴近实际信道状况的信道模型是编译码理论与技术发展的必然要求。

因此，上个世纪以来，信道建模逐渐走入了研究者的视野。随机错误信道是一种无记忆信道，其模型可以简单地用高斯白噪声信道表示，而突发错误信道是一种有记忆信道，其突发错误是由多径传输的信号衰落引起的，受到多种因素的影响，因此研究者们提出了多种方法对突发错误信道进行建模。1960年gilbert提出了用两状态的马尔科夫模型对突发错误进行模拟，模型中只有0,1两种状态，两种状态的分布皆为几何分布，后来又有学者提出了有限多状态以及无限状态的马尔科夫状态转移模型，1992年berman提出了n+1状态的马尔科夫模型，该模型中连续突发错误的出现满足泊松分布，更加贴近实际突发噪声的干扰情况，然而以上的研究都只对突发噪声内部情况进行了模拟，没有对噪声干扰强度与模型内部参数的关系进行阐述，也没有与随机信道相结合，信道模型并不完整。

基于以上背景，深入研究一种新型的混合信道模型建立方法是编译码技术发展的需求。

附图说明

图1典型的数据传输系统框图

图2数字编码系统中的信道

图3功率占比参数与突发程度的仿真结果(ψ＝0.2、0.4、0.6、0.8、1)

图4比特级马尔科夫状态转移模型

技术实现要素：

本发明的目的在于提供一种更为完整、准确的信道建模方法。本发明对于同时存在随机噪声与突发噪声的信道进行建模，将随机噪声与突发噪声模型化为两个方差不同的高斯白噪声信道，随机噪声的方差较小，而突发噪声的方差较大，之后引入功率占比参数，通过判断信道中突发噪声的占比，在存在突发噪声的情况下引入比特级马尔科夫转移模型描述突发噪声内部特性。此种建模方法可完整描述信道中随机噪声和突发噪声所引起的随机错误和突发错误，技术方案如下：

一种比特级混合信道建模方法，包括下列步骤：

(1)将将信道噪声划分为随机噪声与突发噪声，将随机噪声与突发噪声用方差不同的高斯白噪声表示，信道噪声可以表示为高斯白噪声信道中夹杂着更大方差的泊松分布高斯白噪声。

(2)根据突发噪声为泊松分布的高斯噪声的特点，计算其功率占信道总功率的比例参数，通过仿真判断功率占比参数与信道中突发噪声的发生情况，确定功率占比突发阈值，当比例参数超过该阈值时，认为信道存在突发噪声，反之，则无突发噪声。

(3)当信道存在突发噪声时，引入比特级马尔科夫状态转移模型描述突发噪声内部特性，当给定突发错误长度bl时，状态转移链由bl+1状态组成，状态指的是仍将被干扰的比特数，当任一个泊松突发错误到来，状态转移为bl状态，否则，状态依次减1直至状态减为0或者下一个突发错误到来。

(4)将马尔科夫状态转移链表示的突发噪声与随机噪声相结合，完整地描述信道噪声。

本发明利用信道出现的随机错误和突发错误的相似性和差异性进行比特级建模，对突发错误内部特性用马尔科夫状态转移链进行模拟，并通过参数的提出对信道的突发强度进行判断，从而实现数据接收端对信道状态的判断和译码方式的选择，可以提高突发信道模型的准确性和整个系统数据传输的可靠性。

具体实施方式

本发明对数字通信中的信道进行建模，根据随机噪声和突发噪声的相应特点进行数学计算，对因此而产生的随机错误和突发错误有较好的模拟。同时通过参数设定自适应判断信道状态，切换信道模型，实现接收端译码方法的选择，提高译码性能。

本发明将信道噪声划分为随机噪声与突发噪声，并将随机噪声与突发噪声用方差不同的高斯白噪声表示，分别为和因突发噪声的特点是其电平波动范围大，所以方差较大，因此信道噪声可以表示为高斯白噪声信道中夹杂着更大方差的泊松分布高斯白噪声。对于整个信道，认为其是方差为的高斯白噪声信道。下面具体介绍模型建立的过程。

(1)首先信道噪声nd(t)由随机噪声ng(t)和突发噪声nb(t)组成，如图2，而此处指的是数字编码中的噪声源，因而只需考虑每一比特上的噪声，因此nb(t)可以表示为其中ai(n)为方差为的加性高斯过程，[ni]为到达率为γ的泊松分布点，bl为突发错误长度。

(2)计算功率占比参数ψ，由简单数学计算可得随机噪声，突发噪声和信道总噪声的功率分别为：因此对于给定的突发错误长度，可以得到ψ与信道状况的关系仿真图，如图3，由图可知当参数大于等于0.2时，信道中存在明显的突发噪声，因此0.2为信道突发阈值。

(3)对于任一信道，计算功率占比参数ψ，当ψ≥0.2时认为信道存在突发噪声，此时引入马尔科夫状态转移链描述突发噪声内部特性，如图4，共有bl+1种状态，每一状态表示仍将被突发噪声干扰的比特数，泊松到达率γ＝p(τ≤1)＝1-e^-λ为状态转移参数，从任意状态有概率为γ转移为bl状态，之后状态依次减少1，直至减少为0或下一次突发错误到来。

(4)完整的信道模型由状态转移链描述的突发错误模型与高斯白噪声描述的随机错误模型组成，功率占比参数的确定可以对信道状态进行判断，在完整化信道信息的同时给译码端提供了更多的信道软信息，使译码器更加准确的进行软判决译码。