用于Turbo码的外信息加权合并方法和译码器与流程

本发明属于通信
技术领域：
，具体涉及turbo(“涡轮”)码max-log-map(基于最大值运算的对数域最大后验概率)译码中，一种外信息加权合并方法。
背景技术：
：turbo码是近十几年来使用的一种接近awgn(加性高斯白噪声)信道容量的信道编码方案，其使用交织的方法来构造随机长码，并采用最大似然译码，可以在较低的信噪比下得到很好的误码性能，故对于具有高频谱效率的高阶调制系统而言有着重要的实用价值。然而，其理论最优译码算法log-map(对数域最大后验概率译码)需要精确的似然信息输入，否则其性能将急剧恶化，这对解调器关于信道估计的精确性提出了严峻的考验。同时，由于其译码过程中包含大量的诸如指数运算，乘法运算之类的非线性运算，也加大了译码器的实现难度，因此该算法只具有理论价值，而无太大的实用意义。故在实际应用中，turbo码的译码往往采用复杂度更低，且对于信道估计不敏感的max-log-map算法，该算法忽略了译码过程中产生的非线性校正项，代之以求最大值运算，但同时也引入了10％的性能损失。在实际应用中，针对max-log-map译码算法的性能与复杂度的折中考虑，对该算法主要有两大改进方向。其一是在log-map算法实施过程中，针对中间运算结果的非线性校正项进行线性近似，从而降低其计算复杂度，其中主要包括一次函数近似法和泰勒级数近似法等。由于这类改进算法的主要思想是力求似然信息迭代结果与原算法尽可能接近，故这类改进方案的性能往往能够逼近理论最优译码算法，但是其对似然信息的估计误差依旧很敏感。另一类改进方向是针对max-log-map算法的外信息输出进行比例性缩放，通过加强分量译码器之间的外信息交换过程来获得更好的译码性能。相比于上一类改进方案，该方案保留了max-log-map算法对信道估计的不敏感性，因此在高吞吐量以及信道条件变化相对较快的通信系统表现相对稳定。此外，由于外信息的缩放过程与分量译码器的外信息的计算和输出过程是无关的，因此整个改进算法的计算复杂度与原max-log-map算法非常接近，但相比而言其性能略差于上一类改进方案。技术实现要素：有鉴于此，本发明基于对外信息缩放max-log-map算法的改进，提出了一种外信息加权合并方法，它同样保留了max-log-map算法对于信道估计的不敏感性，而且进一步加快了其迭代收敛速度，从而可以获得更好的性能。仿真结果表明，在并行译码条件下，误码性能的改善更为明显。该外信息加权合并的方法为：在turbo译码器中，对于两个采用max-log-map算法的分量译码器的输出均进行如下外信息加权合并处理：将分量译码器的输出定义为临时外信息，将本次迭代计算得到的临时外信息与上一次的最终外信息逐比特进行加权合并，产生本次的最终外信息并保存，同时将本次最终外信息经交织器/解交织器后作为另一个分量译码器的输入先验信息。其中，一种最简单和有效的加权合并方式为：其中，s称为合并因子，该值一般在[0，1]区间内选取以使系统误码率最低。lext(uk)为本次迭代的最终外信息，lext_t(uk)为本次迭代的临时外信息，为上一次迭代的最终外信息，括号内的uk表示第k个信息比特以及该式是逐比特进行的。本发明还提供了一种turbo译码器，该turbo译码器中的两个分量译码器采用max-log-map算法；本发明的特点是，在传统的turbo译码器结构中增加第一存储单元、第二存储单元、第一加权合并单元和第二加权合并单元；第一加权合并单元设置在分量译码器1与交织器之间，第一存储单元与第一加权合并单元相连；第二加权合并单元设置在分量译码器2与解交织器之间，第二存储单元与第二加权合并单元相连；第一加权合并单元，用于将分量译码器1的输出外信息作为临时外信息，将本次迭代计算得到的临时外信息lext1_t与从第一存储单元提取的上一次迭代计算得到的最终外信息逐比特进行加权合并，产生本次的最终外信息lext1并保存到第一存储单元中，同时将本次最终外信息lext1输出给后续的交织器；第二加权合并单元，用于将分量译码器2的输出外信息作为临时外信息，将本次迭代计算得到的临时外信息lext2_t与从第二存储单元提取的上一次迭代计算得到的最终外信息逐比特进行加权合并，产生本次的最终外信息lext2并保存到第二存储单元中，同时将本次最终外信息lext2输出给后续的解交织器，继续参与下一次迭代。有益效果：本发明在turbo码基于外信息缩放的max-log-map译码算法的基础上，将每一次迭代过程中分量译码器计算产生的外信息值与上一次迭代合并后的外信息值逐比特进行加权合并，并将合并后的结果保存下来用于下一次加权合并过程，同时设计了该加权合并过程的增加位置。本发明相比于传统的外信息缩放方案，加强了两个分量译码器的外信息交换过程，从而加快了其迭代速度，改善了其迭代性能，同时保留了原方案对于信道估计的不敏感性，使其能在信道条件复杂和变化较快的条件下发挥稳定的作用。另外，由于本发明相比于原方案仅仅增加了合并过程，故其计算复杂度上的增加可以忽略不计。附图说明图1为本发明译码器的结构框图。图2为本发明与不同算法在串行和并行译码条件下的性能比较；(a)为串行译码情况，(b)为并行译码情况。图3为不同合并因子对本发明性能的影响。图4为信道估计误差对本发明的性能影响。图5为本发明的译码exit曲线及迭代译码轨迹图。具体实施方式本发明提供了一种用于turbo码max-log-map算法的外信息加权合并方法，其核心思想是：在turbo译码器中，对于两个采用max-log-map算法的分量译码器的输出均进行如下外信息加权合并处理：将分量译码器的输出定义为临时外信息，将本次迭代计算得到的临时外信息与上一次的最终外信息进行加权合并，产生本次的最终外信息并保存，同时将本次最终外信息经后续的交织器/解交织器后作为另一个分量译码器的输入先验信息。所述后续的交织器/解交织器是指：对于分量译码器1是交织器，对于分量译码器2是解交织器。相比于传统的外信息缩放方案，本发明加强了两个分量译码器的外信息交换过程，从而加快了其迭代速度，改善了其迭代性能，同时保留了原方案对于信道估计的不敏感性，使其能在信道条件复杂和变化较快的条件下发挥稳定的作用。本发明的译码器结构框图如图1所示。相比于传统turbo译码器，由于需要将本次迭代计算生成的外信息保存下来用于下一次迭代过程的加权合并，故需要在两个分量译码器之后，(解)交织器之前分别添加一个加权合并单元(由一个加法器和两个乘法器组成)以及一个存储单元；存储单元用于存储上一次迭代合并后的外信息值；加权合并单元负责将每一次迭代过程中分量译码器计算产生的外信息值与上一次迭代合并后的外信息值逐比特进行加权合并，计算完成后，按照传统译码过程将外信息(解)交织器后作为另一个分量译码器的输入先验信息。下面针对该译码器的工作过程进行详细描述。步骤1、解调器输出的似然信息按照turbo码的结构分离为属于信息比特、校验比特1和校验比特2的三个集合。这里以码率1/3的turbo码为例，但同样适用于其它码率的情况。对于其它码率的turbo码，按照其删余图案的不同，将这三个集合中的某些信息设置为0即可。其中，信息比特似然信息ys和校验比特1的似然信息yp1输入分量译码器1，信息比特似然信息ys进入交织器3-2后，产生交织后的信息比特似然信息ys′，其和校验比特2的似然信息yp2输入分量译码器2。分量译码器1根据信息比特似然信息ys提取信道内信息，记为lint。其值为信息比特似然信息ys对信道估计噪声的归一化结果。由于本发明的译码方案对信道估计误差不敏感，故lint具有较大的动态容限。步骤2、分量译码器1接受输入ys、yp1和先验似然信息lapr1，经迭代产生后验似然信息lapo1，特别地，在第一次迭代时，lapr1初始化为0。需要说明的是，本步骤2与后续步骤6中后验似然信息lapo的产生过程，是max-log-map译码算法的内容，这里不赘述。步骤3、分量译码器1产生外信息，这里定义为临时外信息lext1_t，输出给加权合并单元6-1。lext1_t(uk)＝lapo1(uk)-lapr1(uk)-lint(uk)其中，下标1表示所以似然信息值都是关于分量译码器1的，括号内的uk表示第k个信息比特以及该式是逐比特进行的。步骤4、加权合并单元6-1和存储单元5-1中提取上一次迭代后经加权合并后保存的外信息值与来自分量译码器1的临时外信息lext1_t进行逐比特加权合并，产生最终外信息lext1，如下式所示：其中s称为合并因子，取值范围为[0，1]；上标last表示上一次迭代后经加权合并后保存的外信息值，特别地，在第一次迭代过程中，设置为0，即不进行加权合并。其中，s值的确定通常使用仿真的方法，在[0，1]区间内间隔地选取多个实验值，比较不同s值下系统的误码性能，选取能使系统误码率达到最低的值。步骤5、加权合并后的外信息lext1发送给交织器3-1，经过交织器的作用，变为分量译码器2的输入先验信息lapr2。步骤6、分量译码器2接受输入ys′、yp2和先验似然信息lapr2，经迭代产生后验似然信息lapo2。步骤7、判断是否达到最大迭代次数。若是，则进行步骤10，否则继续进行步骤8。步骤8，分量译码器2产生临时外信息lext2_t输出至加权合并单元5-2，与存储单元6-2记录的上一次加权合并后的最终外信息进行逐比特加权合并，产生本次迭代的最终外信息lext2。lext2_t(uk)＝lapo2(uk)-lapr2(uk)-l′int(uk)本步骤与步骤3和4类似，故只列出计算式，不再赘述，需要注意的是这里的l′int(uk)为步骤3中的lint(uk)交织后的结果。步骤9、加权合并后的外信息lext2经过解交织器4-1的作用，变为分量译码器1的输入先验信息lapr1。然后返回步骤2，进行下一轮迭代。步骤10、将分量译码器2产生的lapo2经过解交织器4-2后，根据似然信息的定义规则，由硬判决单元7按照其符号硬判决输出译码后的信息比特xs。至此，本流程结束。下面通过一个实例的数据对比来说明本发明的效果。以下使用lm代指log-map算法，mlm代指max-log-map算法，llm代指一次函数近似的lm算法，s-mlm代指外信息缩放的mlm算法，sc-mlm代指外信息加权合并的mlm，即本发明的内容。该实例中采用lte(长期演进)标准turbo码为例进行说明，其编码多项式为(13，15)，码率为1/3。由于外信息的加权合并过程与分量译码器计算产生外信息的译码过程无关，故本发明的计算复杂度接近于传统的mlm方案。表1列举了不同译码方案下对于外信息的计算生成和加权合并过程中总共需要的运算次数，其中n为码长，m为编码器的移位寄存器个数，记x为n*2m。其中需要注意的是外信息产生的复杂度主要来自于分量译码器的计算生成过程，故mlm类算法的复杂度普遍低于lm类算法。表1不同译码方案在外信息计算生成和加权合并过程中的运算次数对比指数运算比较运算加法运算乘法运算lm7x+4n09x+2n0mlm03x-4n6x+6n0llm03x-4n18x-2n5x-4ns-mlm03x-4n6x+6n2nsc-mlm03x-4n6x+8n4n本发明所提出的sc-mlm算法与lm，mlm，llm和s-mlm算法的译码性能比较结果如图2所示，比较结果在串行译码方案和并行译码方案两种情况下进行。特别地，在串行译码情况下，参见图2(a)，lm算法为理论最优算法，故将其作为性能上界用虚线标出，而在并行译码方案下，参见图2(b)，其不再为最优算法，故不再标出。串行译码的流程如前所述。对于并行译码，其在步骤2和步骤6中将外信息的串行递推计算过程变为并行过程，加快了其译码速度，但由于中间计算起点对于递推值初始化的不确定性，使性能将受到影响。由此可见，在串行译码条件下，mlm算法相比于最优lm算法，其性能下降0.3-0.4db，而对于llm方案，其性能接近理论最优lm算法，性能仅相差0.05db。对于外信息缩放和加权合并方案，性能差距为0.2db，且加权合并方案更胜一筹。而在并行译码条件下，mlm算法相比于llm算法，性能下降0.3db，外信息缩放和加权合并方案相差0.2db，但相比于串行译码的情形，sc-mlm方案的性能改善更为明显。最后，该部分仿真是基于qpsk调制，信道估计完美的情况，合并因子为0.75，并行译码的并行度为8。由于合并因子s是sc-mlm方案，即本发明的关键之处，故在图3给出了不同合并因子下对本方案的性能影响直方图。在此，三个信噪比典型值分别选择为1.2db，1.5db和1.8db。特别地，当合并因子s为1时，本发明退化为传统的mlm方案。观察其译码性能变化趋势，可以得出，尽管对于不同的信噪比条件下其最佳合并因子的值不同，但大多主要趋于0.8附近。在实际应用中，选择适当的合并因子参数可以使加权合并过程中的乘法运算转换为移位运算，从而进一步降低其实现复杂度。最后，该部分仿真条件与图2相同。图4为mlm，llm和sc-mlm方案，即本发明的内容，其译码性能对信噪比估计误差的影响。由表1的复杂度对比结果和图1的仿真结果可见，llm算法在信噪比估计估计完美的情况下是对于理论最优lm算法的一个良好折中，然而如图4所示，其性能变化对于信道估计过于敏感，在信噪比估计误差大于±2db的时候其性能将劣于sc-mlm方案。特别地，在信噪比欠估计误差大于2db时(即对应于图中δeb/n0＜-2db的情况)，llm算法将完全不可用。而在许多实际通信系统中，解调器获得精确的似然信息值是十分困难的，而只能用某个相关量近似替代，如信号相关值或是某个特殊频点的幅值和相位信息等，这样会对引入对似然信息估计的较大偏差，这对于译码算法的稳定性提出了要求。由仿真结果可以看出，sc-mlm算法的性能，即本发明的内容，保留了mlm算法对信道估计的不敏感性，故对与不同的解调器具有良好的适应性，换言之，具有稳定性。最后，该部分仿真条件与图2相同，理论信噪比为1.2db。turbo迭代译码的外信息转移(exit)图与其迭代轨迹如图5所示，这里比较了两种不同的外信息处理方案s-mlm和sc-mlm，即本发明的内容，其迭代收敛性能与理论最优lm算法的差距。exit图是表征迭代译码器信息交换程度的一个直观认识，其借助于信息论的观点，将外信息的归一化互信息量值与输入先验信息的关系反映在图中(包络部分)，而迭代译码轨迹则是在两个分量译码器的迭代过程中，互信息量的变化情况(折线部分)。由于一个分量译码器的外信息就是另一个分量译码器的输入先验信息值(忽略交织与解交织过程)，迭代过程可用直线表示，其中分量译码器1内的半轮迭代对应于迭代轨迹的垂直线，分量译码器2的半迭代对应于水平线。一般而言，由于首次迭代的先验信息都初始化为0，故其迭代起点位于原点，而在右上角终点，两个互信息值都达到最大值1，意味着迭代完全，误码率已达到最低值，也是理想迭代终止点。理论而言，为达到最低误码率需要无限次迭代，而在实际应用中，取任一互信息值大于0.9即可达到较好的效果。基于这个准则，llm和sc-mlm仅需要3轮迭代，而s-mlm需要4轮。故sc-mlm即本发明的内容能够加快分量译码器外信息的交换过程，从而加速迭代译码的收敛过程。最后，该部分仿真条件基于bpsk下，信噪比为1db的情况。作为总结，表2列出了不同译码方案的特点。由此可见，本发明的内容是对现有译码方案在复杂度，性能，稳定性(即对信道估计的敏感性)和收敛速度上的一个良好折中。表2不同译码方案在各方面的比较综上所述，以上仅为本发明的较佳实例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12