基于麻花辫网格的联合信源信道变长译码算法的制作方法

本发明涉及通信编译码领域的一种联合信源信道译码方法，特别是涉及一种基于麻花辫网格的联合信源信道变长译码算法。

背景技术：

C.E.Shannon提出的“香农”分离理论是当前通信系统中编码设计的理论依据，它指出可以通过将信源编码和信道编码分别最优设计使整个系统最优化。实际中通信系统受时延和译码复杂度的限制，分离编码系统的性能受到了限制，无法达到最优。

联合信源信道译码通过将信源信道的编码或译码作为一个整体考虑，可以缩小次优系统与最优系统之间的性能差距。

变长编码由于其高压缩率，被广泛应用于多种图像、视频等多媒体数据压缩标准中。而由于变长编码数据对差错非常敏感，所以随着无线通信的日益普及，变长编码数据的可靠传输问题正在成为研究的热点，而基于变长编码信源的联合信源信道编译码也越来越引起人们的关注。

起源于了Turbo码译码的迭代译码技术可以降低译码复杂度，并可以按照实际需求灵活的在复杂度和性能之间折衷。近来迭代译码技术已经被引入到联合信源信道译码领域，在信源信道迭代译码方案中，软输入、软输出信源译码和软输入、软输出信道译码器互相交换软信息，进行迭代译码。当前主流的软输入、软输出信源变长译码沿用了网格译码方法。目前有两种主流的网格图，分别是符号级网格和比特级网格。基于符号级网格能实现最优变长译码，可以方便的利用符号间的关联，得到符号级和比特级的软输出，但基于符号级网格的译码复杂度很高，还无法在实际中应用。基于比特级网格，可以得到比特级软信息，译码复杂度低，但是其性能比基于符号级网格的变长译码性能要差。

技术实现要素：

针对当前基于符号级网格的变长译码复杂度过高和基于比特级网格的译码性能较差的特点，本发明提出了一种基于麻花辫网格的联合信源信道变长译码算法，可以在保证损失较少性能的前提下降低符号级变长译码的复杂度。

本发明解决其技术问题所釆用的技术方案是：将变长编码的比特序列用新型的麻花辫网格图表示，基于麻花辫网格提出了一种的软输入、软输出变长译码算法，在联合信源信道迭代译码器中，信源变长译码采用基于麻花辫网格的变长译码算法进行译码。

麻花辫网格具有单状态链式结构，网格中每条分支代表变长编码序列中一个可能存在的变长码字。网格中每个状态代表一段变长码序列的开始或结束，如果有一条或多条分支在n时刻开始或者在n时刻结束，则n时刻有且只有一个状态，反之n时刻不存在状态。基于麻花辫网格可采用软输入、软输出变长译码算法进行译码，在前向递推运算中，计算n时刻的前项递推值用到的其他各个前项递推值可以是不同时刻的，在后向递推运算中，计算n时刻的后项递推值用到的其他各个后项递推值也可以是不同时刻的，在计算第n比特的似然比时，将经过第n时刻的所有分支分为两类，第一类在n时刻对应的比特是1，第二类在n时刻对应的比特是0，第一类各分支的后验概率之和与第二类各分支的后验概率之和的比值作为第n比特的似然比。

本发明的有益效果是：在保证性能损失较少的前提下，降低了基于变长编码信源的联合信源信道译码的复杂度；可以在相对于传统的分离译码方法只增加少量复杂度和存储空间的条件下，很大程度提高了对变长编码序列的译码性能。无线信道中传输的图像、视频等变长编码数据，可以采用基于麻花辫网格的联合信源信道变长译码算法进行译码。

附图说明

图1：麻花辫网格。

在图1中设有包含4个元素的符号集U＝{A,B,C,D}，各符号经变长编码后的被映射成相应的变长码字，分别为：c(A)＝0，c(B)＝10,c(C)＝110,c(D)＝111。图中1表示为状态Sn，代表一段变长码字序列的开始或者结束；图中2，3，4，5分别表示不同符号对应的分支，每条分支对应比特序列中一个可能存在的变长码字。分支2对应符号A，也即码字0；分支3对应符号B，也即码字10；分支4对应符号C，也即码字110；分支5对应符号D，也即码字111。

图2：联合信源信道编解码模型。

图中6表示变长编码器；7表示交织器；8表示一个反馈系统卷积码编码器；9表示有噪信道；10表示联合信源信道迭代译码器；11表示符号序列u；12表示u经变长编码器6编码后输出比特序列v；13表示v经过交织器7交织的版本v’；14表示v’经反馈系统卷积码编码器8编码后输出的比特序列x；15表示迭代译码器的输入序列y；16表示联合信源信道迭代译码器10根据15得到的对信源符号序列11的估计序列U’。

图3：联合信源信道迭代译码器结构。

图3是图2中联合信源信道迭代译码器110的详细结构。图3中7表示交织器；17表示卷积码译码器(即软输入、软输出反馈系统卷积码译码器18表示变长译码器(即基于麻花辫网格的符号级软输入、软输出变长译码器19表示解交织器；15表示迭代译码器的输入序列y；21表示卷积码外信息(即反馈系统卷积码译码器17输出的软信息22表示变长码先验信息(即变长译码器18的软输入信息)23表示变长码外信息(即变长译码器18输出的软信息)；24表示卷积码先验信息(即反馈系统卷积码译码器17的软输入信息)；16表示估计序列U(即联合信源信道译码器10根据迭代译码器的输入序列y15得到的对信源符号序列u11的估计序列)

图4：前项递推运算。

图中25表示n-3时刻的前项递推值以αn-3，26表示n-2时刻的前项递推值αn-2，27表示n-1时刻的前项递推值αn-1，28表示n时刻的前项递推值αn，29表示开始于n-3时刻的c(C)＝110对应的递推因子γc,n-3，30表示开始于n-3时刻的c(D)＝111对应的递推因子γD,n-3，31表示开始于N-2时刻的c(B)＝10对应的递推因子γB,n-2，32表示开始于n-1时刻的c(A)＝0对应的递推因子γA,n-1，33表示乘法器，34表示加法器。由本图可得到计算前项递推值αn所用到的各个变量，并得到表示n时刻的前项递推值公式(1)：

α_n＝α_n-1×γ_A,n-1+α_n-2×γ_B,n-2+α_n-3×γ_C,n-3+α_n-3×γ_D,n-3 (1)

具体实施方式

1.符号级变长译码

a)麻花辫网格

将变长编码的比特序列用图1所示的新型的麻花辫网格图表示：麻花辫网格具有单状态链式结构，在麻花辫网格中，每条分支都代表了变长编码序列中一个可能存在的变长码字。图1中分支2对应符号A，也即码字0；分支3对应符号B，也即码字10；分支4对应符号C也即码字110；分支5对应符号D，也即码字111。图1中每个状态S代表一段变长码序列的开始或结束。如果有一条或多条分支从n时刻开始或者在n时刻结束，则在n时刻存在且只存在一个状态，记做Sn；反之n时刻不存在状态。

b)基于麻花辫网格的变长译码算法

在图1中设有包含4个元素的符号集U＝{A,B,C,D}，各符号经变长编码后的被映射成相应的变长码字，分别为：c(A)＝0，c(B)＝10,c(C)＝110,c(D)＝111。i是U中的符号，在图2中变长编码器6将符号i映射成一个变长码字，其长度为记作为l(i)。设在图3中卷积码译码器17输入端的输入序列y15中的信息位序列为w，将w用麻花辫网格表示。图1麻花辫网格中每个状态S1对应一个前项递推值αn时刻的状态记作Sn；，相应的前项递推值为αn,每条分支对应一个递推因子γ。对于起始于n时刻的符号i的分支，其递推因子记作γi，n。为方便说明，用un表示符号序列中的某符号，并且它对应的变长码字在比特序列中的起始位置为n，则麻花辫网格中起始于n时刻的符号i对应的分支的后验概率P(Un＝i|w),按)(2)式分解αn,γI,n+1,βn+l(i)和常数C四项的乘积。计算中C可以忽略。

p(uⁿ＝i|w)＝c*β_n+l(i)*γ_i,n*α_n ⑵

计算时，将α₁和β_n+l的初始值设为1，其余所有状态α和β的值都利用递推因子γ递推运算得来的。如图4所示，图中n-3时刻的前项递推值α_n-325与开始于n-3时刻的c(C)＝110对应的递推因子γ_C,n-329相乘，25与开始于n-3时刻的c(D)＝111对应的递推因子γ_d,n-330相乘，n-2时刻的前项递推值α_n-226与开始于n-2时刻的对应的递推因子c(B)＝1031相乘，n-1时刻的前项递推值n-127与开始于n-1时刻的c(A)＝0对应的递推因子γ_a,n-132相乘，然后各项之和作为n时刻的前项递推值α_n-28；以上运算可表示为式中的前项递推运算。

公式

β_n项由(4)式的后项递推运算得来，其过程与图4所描述的前向递推运算类似：

γ_i,n项如下计算，其中是w的子序列：

C)符号序列估计

基于麻花辫网格，本发明提出了对变长编码序列的最大似然序列估计方法。该序列估计方法将前项迭代值α作为路径量度，将迭代因子γ作为分支量度，可以得到到达每个状态的

最大似然路径，而到达麻花辫网格最后一个状态的最大似然路径即符号估计序列U’。

2.信源信道迭代译码器

A)编码模型

本发明中编码端结构如图2所示。由变长编码器6和反馈系统卷积码编码器8串行级联而成，两个编码器用交织器7隔开。

B)信源信道迭代译码器

在接收端，联合信源信道迭代译码器结构如图3所示，图中卷积码译码器17，变长译码器18，交织器7和解交织器19。在图3中卷积码译码器17和变长译码器18可以相互交换软信息，迭代译码。

在图3中卷积码译码器17根据迭代译码器的输入序列y15和卷积码先验信息24进行译码，并输出卷积码外信息21。卷积码外信息21经解交织19后得到变长码先验信息22，变长译码器18根据变长码先验信息22进行译码。

图3中变长码外信息23经交织器7交织后得到卷积码先验信息24，再被送入卷积码译码器17用于译码，如此迭代译码。当满足一定条件后图3所示的联合译码器将终止迭代，由变长译码器18进行符号序列判决并输出估计序列U’。