卷积码的前向纠错方法、装置及译码器与流程

本发明涉及通信译码技术领域，特别设计一种用于高速抗干扰卷积码的前向纠错方法及装置。

背景技术：

在信息传递和处理的过程中，存在着信号失真和噪声干扰，如何从信号失真和噪声污染中获得原始信号，一直是工程界和学术界十分关心的问题。自20世纪90年代以来，信息领域中，移动通信、深空通信、卫星导航、遥控、遥感等迅速发展。相对而言，与之密切相关的fec(forwarderrorcorrection，前向纠错)技术，则长期处于技术发展的瓶颈状态。

fec属于高可靠性通信技术，依据的是可靠性编码理论，研究如何利用抗干扰编码的规律性和关联性，解决最佳接收的问题。fec采用单向传输信道，信源端负责对信息进行抗干扰编码处理，信宿端则执行抗干扰的译码处理过程，纠正传输过程产生的错误，尽最大可能提高信息的可靠性和实时性。因此，fec不仅适用于一般通信应用，更适用于深空通信、同播通信等特殊场合。fec受到重视的另一个原因是其译码算法在智能信息技术领域同样具有重要的影响。

在现代通信与数字信号处理领域内，维特比教授提出的卷积译码算法沿用至今。该译码器的基本运算过程涉及相加、比较和选择(英文缩写为acs)三个步骤，其译码进程的每一步都需要重复进行一次acs运算，最后再通过回溯从中选择一条误码最小的路径，回避了误码较大的路径，因而该算法不能抗拒强干扰。当前的各种概率译码算法都存在这种“避重就轻”的现象。在信息化社会中，环境干扰与人为干扰日益严重，所有“避重就轻”的算法都难以称为最优算法。目前，提高译码性能的手段只有增大卷积编码器的状态数m，而在增大状态数m的同时会使度量存储器和路径存储器的长度倍增，同时还会使acs运算量的陡然增加。因此，上述译码器对于约束长度长的编码就相当复杂了。

另外，当信噪比非常低时，上述译码器的编码增益变为负值，在无误码的区域会产生大量的译码错误，形成噪声放大作用(即门限效应)，使得利用纠错码后的性能劣于信源端不编码直接传输原始信号的过程。

发明人在研究中发现，基于最大似然算法的现有卷积译码器，存在提高译码性能的手段对于约束长度长的编码处理过程复杂且本身存在门限效应的问题，针对该问题，目前尚未提出较好的解决方式。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种卷积码的前向纠错方法、装置及译码器，对约束长度长的编码处理过程简单有效并且能够可靠解决现有译码器存在的门限效应问题。

第一方面，本发明实施例提供了一种卷积码的前向纠错方法，包括：

接收信源端发送的被噪声干扰后的卷积码序列；所述卷积码序列包括多个卷积字，所述卷积字是所述信源端根据生成矩阵生成的且其携带有信元序列信息和叠加的干扰序列；

抽取所述卷积码序列中的待搜索序列；

根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码；所述平滑贯穿特性为所述卷积码具有连贯性且所述连贯性符合生成矩阵设定的约束规律；

若是，对待搜索序列进行译码处理，利用译码处理得到的译码序列生成正解卷积码序列，并利用正解卷积码序列覆盖所述被噪声干扰后的卷积码序列对应的卷积码；

根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列；

对所述后续干扰序列进行译码处理，得到最大似然译码序列。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码，包括：

将所述待搜索序列划分为多个反卷积时隙组，使多个反卷积时隙组满足以下第一设定条件；所述待搜索序列包括第一设定位数的比特；所述第一设定条件为：任意两个相邻的所述反卷积时隙组中包括第二设定位数重叠的比特；

利用反卷积公式分别对划分的多个反卷积时隙组进行反卷积计算，生成与所述反卷积时隙组对应的多个译码序列；每一个所述译码序列均包括多个反卷信元；

检测多个译码序列中任意相邻译码序列中重叠的多个反卷信元是否相等；

若是，确定所述待搜索序列能够准确译码。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列，包括：

根据用于生成卷积码的生成矩阵的最大自由距，构建用于分离处理所述卷积码序列的多个多阶平滑式；所述平滑式包括：无关比特和用于分离处理所述卷积码序列的相关比特；所述相关比特包括用于检测所述卷积码序列的特征参数：每个所述多阶平滑式包括的所述相关比特不同，且不同的所述相关比特检测的所述特征参数不同；所述相关比特为所述欧拉图包括的任意一条边上的点；所述无关比特则为所述欧拉图包括的任意一条边外的点；

根据多个多阶平滑式，从所述卷积码序列中分离所述后续干扰序列和所述信元序列信息。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据用于生成卷积码的生成矩阵的最大自由距，构建用于分离处理所述卷积码序列的多个多阶平滑式，包括：

根据所述卷积码对应的生成矩阵的最大自由距，构建最短多阶平滑式；

根据所述最短多阶平滑式，构建多个多阶平滑式，每一个所述多阶平滑式的阶数均大于所述最短多阶平滑式的阶数。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述卷积码是信源端按照[3,1,8]非系统卷积码的生成矩阵生成的；

所述最短多阶平滑式为[3375]，[3375]为四阶平滑式且对应的相关比特和无关比特依次为：110、110、111、101；所述多阶平滑式至少包括：九阶平滑式[614000023]和十四阶平滑式[51324000000556]。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列之前，还包括：

抽取所述卷积码序列中的待分级序列；所述待分级序列包括第三设定位数的比特；

根据卷积码序列的特征参数对所述待分级序列进行分级处理，得到多个多级序列；每一个所述多级序列均对应第一设定个数的干扰图案；所述干扰图案对应特征参数具有共性；所述特征参数至少包括：反卷等效值和纠错等效值；所述反卷等效值为对所述待分级序列进行反卷处理得到的信元序列相同。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，对所述干扰序列进行译码处理，得到最大似然译码序列之后，还包括：

对得到的所述最大似然译码序列进行卷积编码处理，得到覆盖卷积码序列；

利用所述覆盖卷积码序列覆盖被噪声干扰后的卷积码序列。

第二方面，本发明实施例还提供了一种卷积码的前向纠错装置，包括：

接收模块，用于接收信源端发送的被噪声干扰后的卷积码序列；所述卷积码序列包括多个卷积字，所述卷积字是所述信源端根据生成矩阵生成的且其携带有信元序列信息和干扰序列；

抽取模块，用于抽取所述卷积码序列中的待搜索序列；

检测模块，用于根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码；所述平滑贯穿特性为所述卷积码具有连贯性且所述连贯性符合生成矩阵设定的约束规律；

覆盖模块，用于在所述待搜索序列能够准确译码时，对所述待搜索序列进行译码处理，利用译码处理得到的译码序列生成得到的正解卷积码序列，并利用正解卷积码序列对应的正解卷积码覆盖所述被噪声干扰后的卷积码序列对应的卷积码；

分离模块，用于根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列；

译码处理模块，用于对所述后续干扰序列进行译码处理，得到最大似然译码序列。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述检测模块，包括：

划分单元，用于将所述待搜索序列划分为多个反卷积时隙组，使多个反卷积时隙组满足以下第一设定条件；所述待搜索序列包括第一设定位数的比特；所述第一设定条件为：任意两个相邻的所述反卷积时隙组中包括第二设定位数重叠的比特；

生成单元，用于利用反卷积公式分别对划分的多个反卷积时隙组进行反卷积计算，生成与所述反卷积时隙组对应的多个译码序列；每一个所述译码序列均包括多个反卷信元；

检测单元，用于检测多个译码序列中任意相邻译码序列中重叠的多个反卷信元是否均相等；

确定单元，用于在检测到多个译码序列中任意相邻译码序列中重叠的多个反卷信元均相等时，确定所述待搜索序列能够准确译码。

第三方面，本发明实施例还提供了一种译码器，译码器用于执行第一方面任一项的卷积码的前向纠错方法。

本发明实施例提供的卷积码的前向纠错方法、装置及译码器，采用第一机制抽取卷积码序列中的待搜索序列，并根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测待搜索序列是否能够准确译码；若是，对待搜索序列进行译码处理，利用得到的正解卷积码覆盖被噪声干扰后的卷积码序列对应的卷积码，然后采用第二机制基于卷积码序列的强收敛特性以及卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的卷积码中分离后续干扰序列，并对该后续干扰序列进行译码处理，得到最大似然译码序列，与现有技术中的基于最大似然卷积译码算法的译码器，提高译码性能的手段对于约束长度长的编码处理过程复杂且译码器本身存在门限效应的问题相比，其基于数学思想，采用第二机制以先译码后纠错的方式对信源端的发送卷积码进行译码处理，译码速度快且准确度高；并且还实时启动第一机制对第二机制进行监测，督促第二机制维持在正确的译码路径上，有效地解决了第二机制步入错误路径的问题，可靠地解决了只启动一个机制的门限效应问题。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本发明实施例所提供的一种卷积码的前向纠错方法的流程图；图2示出了本发明实施例所提供的另一种卷积码的前向纠错方法的流程图；图3示出了本发明实施例所提供的另一种卷积码的前向纠错方法的流程图；图4示出了本发明实施例所提供的另一种卷积码的前向纠错方法的流程图；图5示出了本发明实施例所提供的另一种卷积码的前向纠错方法的流程图；图6示出了本发明实施例所提供的另一种卷积码的前向纠错方法的流程图；图7示出了本发明实施例所提供的一种卷积码的前向纠错装置的流程图；图8示出了本发明实施例所提供的信宿端的[3,1,8]非系统卷积码的译码器的结构框图。

图标：11、接收模块；12、第一抽取模块；13、检测模块；14、第一覆盖模块；15、分离模块；16、译码处理模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在现代通信与数字信号处理领域内，a.j.viterbi教授的贡献是人所共知的。他于40多年前提出的最大似然卷积译码算法作为fec的典型译码技术沿用至今(基于该技术的译码器具体详见在背景技术中详细说明)。

但是，上述基于最大似然卷积译码算法的译码器，存在对于约束长度长的编码处理过程复杂且本身存在门限效应的问题。

基于上述问题，本发明实施例选择抗干扰编码中最具代表性的卷积码作为研究对象。选择研究卷积码的译码技术的意义如下：第一，美国qualcomm(高通)公司提出的数字蜂窝扩频码分多址系统(cdma)被通信工业协会(tia)接受为is-95标准。is-95标准选择的抗干扰编码是卷积码。第二，在移动通信、深空通信之外，最现代化的电子技术中(如高速计算机、语音识别、神经元网络和高速光通信等)也采用了前向纠错技术，它被学术界公认为是21世纪最瞩目的信息技术之一。第三，21世纪要实现个人通信的目标，必须依赖无线通信和移动通信技术。2016年，全世界的智能手机用户达到20亿以上，由于cdma是一个自干扰系统，fec是提高cdma系统的有效用户密度、降低辐射、降低功耗的关键技术之一。总之，在国际上，fec已作为一门标准技术而被广泛采用。

本发明实施例提供的卷积码的前向纠错方法、装置及译码器(本发明实施例提供的卷积码的前向纠错方法简称w算法)，在fec诸多方面提出了新认识、新观点，明显提升了译码纠错能力。

在说明w算法之前，首先引述《古今数学思想》一书的两个观点：第一，“不要承认任何事物是真的，除非它在思想上明白清楚到毫无疑问的程度”。第二，“在一切领域里建立真理的方法是数学方法”。因为数学历来以严密的证明为基础，追求无懈可击的结论。

基于这两点，w算法形成了基于数学方法的fec的译码算法，w算法至少具有两个突出特点：第一，w算法首次提出“卷积码的前向纠错技术属于决定性现象，因而存在精确译码的可能性”。第二，fec学术界已成定论：“门限效应是所有利用纠错码的差错控制系统所共有的”绝症。w算法认为：“无论干扰多么严重，利用纠错码的差错控制系统理应优于不编码的系统，否则就是违背了《信息论》的宏观认知”。坚持此信念，w算法终于找到了克服卷积码的“门限效应”方法，下面具体详细说明。

本发明实施提供了一种卷积码的前向纠错方法，参考图1，所述方法包括如下步骤：

s101、接收信源端发送的被噪声干扰后的卷积码序列；所述卷积码序列包括多个卷积字，所述卷积字是所述信源端根据生成矩阵生成的且其携带有信元序列信息和叠加在信元序列信息上的干扰序列。

具体的，信源端将传输信息发送给信宿端，在该传输信息发给信宿端的过程中会存在信号失真和噪声干扰，因此，信源端在发送该传输信息之前，首先按照卷积码生成式(即生成矩阵)把该传输信息的信息序列(即信元序列信息)转换为卷积码序列(即一种抗干扰编码)，然后将转换的卷积码序列发送给信宿端。

信宿端接收该卷积码序列，此时的卷积码序列包括信元序列信息，可能包括噪声干扰序列。通常情况下，卷积码序列是既包括信元序列信息又包括叠加其上的干扰序列，且上述卷积码序列呈现强收敛特性。

作为一种可选的实施方式，本发明实施例中设置一个主译码器，通过该主译码器执行上述步骤101。

s102、抽取所述卷积码序列中的待搜索序列。

针对现有编码器存在的门限效应问题，本发明实施例中从这些卷积码序列分离干扰序列之前，首先对这些卷积码序列进行检测，即从卷积码序列中抽取待搜索序列，该待搜索序列包括第一设定位数的比特；作为一种可选的实施方式，上述第一设定位数为n0的整数倍([3,1,8]卷积码的n0＝3)。

作为一种可选的实施方式，本发明实施例中设置一个辅助译码器，通过该辅助译码器执行上述步骤102。

s103、根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码。

具体的，每个卷积码序列包括多个卷积字，相邻的任意两个所述卷积字均表示从上一时隙的状态转移到下一时隙的状态；上述平滑贯穿特性表示卷积码之间具有连贯性且所述连贯性符合生成矩阵设定的约束规律；

具体的检测方法中，若上述卷积码序列符合有向欧拉图规律的平滑贯穿特性，则确定待搜索序列能够准确译码。

作为一种可选的实施方式，本发明实施例中设置一个辅助译码器，通过该辅助译码器执行上述步骤103。

s104、若是，对所述待搜索序列进行译码处理，利用译码处理得到的译码序列生成得到的正解卷积码序列，并利用正解卷积码序列对应的正解卷积码覆盖所述被噪声干扰后的卷积码序列对应的卷积码。

具体的，当上述卷积码序列符合有向欧拉图规律的平滑贯穿特性时，确定待搜索序列能够准确译码，此时，对上述待搜索序列进行译码处理，得到译码序列，然后在对该译码序列进行编码处理，得到正解卷积码序列，最后利用该正解卷积码序列对应的正解卷积码覆盖被噪声干扰后的卷积码序列对应的卷积码。

作为一种可选的实施方式，本发明实施例中设置一个辅助译码器，通过该辅助译码器执行上述步骤104。具体的，辅助译码器在待搜索序列能够准确译码，其可以直接确定主译码器对该待搜索序列的处理过程无效，后期辅助译码器得到的正解卷积码直接覆盖主译码器的处理结果，并确定后期对该正解卷积码进行译码处理，确定该正解卷积码的译码输出结果为正确结果。

s105、根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列。

具体的，多阶平滑式可分离信宿端接收的卷积码序列，发现污染与无误的卷积码区域，其中，无误的卷积码区域包括两种：第一，卷积码区域完全没有被噪声污染；第二，卷积码区域本身被噪声污染但是污染后无需要纠错仍然可以正确译码。

故，本发明实施例中，可以首先构建用于分离处理卷积码序列的多个多阶平滑式，根据这多个多阶平滑式，从卷积码序列中分离所述干扰序列和所述信元序列信息。

本发明实施例中，步骤102和步骤103中在抽取新的待搜索序列以及对该待搜索序列进行检测的过程，与步骤105中对该新的待搜索序列的经过检测的前一个待搜索序列的处理过程可以同时进行，提高了译码过程的处理速度。

作为一种可选的实施方式，本发明实施例中设置一个主译码器，通过该主译码器执行上述步骤105。

s106、对所述干扰序列进行译码处理，得到最大似然译码序列。

具体的，根据与信源端的生成矩阵匹配的方式对该干扰序列进行译码处理，得到最大似然译码序列。

作为一种可选的实施方式，本发明实施例中设置一个主译码器，通过该主译码器执行上述步骤106。

下面整理说明一下对应于本发明实施例中步骤101-步骤106的过程：

本发明实施例中分三个部分阐述，第一部分：认知方面的不同看法；第二部分：处理方面的不同做法；第三部分：译码器总框图概述。

几十年来，各种fec算法均认为：“信源产生的是一些随机事件，信道传送的也是随机事件，信道中存在的干扰也是某种随机事件，因此需要用概率论、随机过程这样一些统计数学工具来描述和分析”。因此，当前各种译码算法都是以“最大似然法则”为基础的概率译码算法。w算法质疑“因此需要用概率论、随机过程这样一些统计数学工具来描述和分析”的观点。

w算法认为：在任何一次具体的通信过程中，信宿端接收的全部信息都是已发生的确定事件。无论信号的失真和噪声污染有多么严重，信宿端接收的一定是一组确定的数据；而绝非尚未发生的、随机变化的数据。对于已发生的确定事件，不应该采用概率论、随机过程这样一些统计数学工具来描述和分析。

基于该认知，本发明实施例提供的卷积码的前向纠错方法是基于数学算法的，而非现有技术中基于概率论的最大似然卷积译码算法，通过本发明实施例提供的方法能够对约束长度长的编码处理过程简单有效并且能够解决现有译码器存在的门限效应问题。

第一部分：认知方面的不同看法

第二点：概率论的最佳运用场合是对尚未发生的事件做出预测。就预测效果看，概率论对高概率事件可以做出合理的判断，而对于低概率事件则无能为力，甚至做出错误的判断。概率论的另一个运用场合是建立宏观理论，著名的《信息论》就是以概率论作为分析工具建立的通信理论，它对信息技术的发展产生了持久而深刻的影响。然而，在具体的信息处理事件中，往往不属于预测的事件或建立宏观理论，尽可能不采用概率分析。这一最新观点不仅仅适用于fec，很可能也适用于其它信息处理领域。

w算法认为：“在一次具体的通信过程中，信宿端接收的全部信息都是已发生的确定事件”。据此，w算法进一步明确：卷积码前向纠错技术不属于处理随机现象，而属于处理决定性现象的问题。决定性现象(在一定条件下，必然发生的现象)是随机现象的对立面；存在用数学方法精确分析的基础，存在精确译码的可能性。由此推论：采用“概率论、随机过程这样一些统计数学工具来描述和分析”处理决定性现象是造成前向纠错技术复杂，译码精度低的根本原因。

进一步的，参考图2，本发明实施例提供的卷积码的前向纠错方法，步骤103中，根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码，包括：

s1031、将所述待搜索序列划分为多个反卷积时隙组，使多个反卷积时隙组满足以下第一设定条件；所述待搜索序列包括第一设定位数的比特；所述第一设定条件为：任意两个相邻的所述反卷积时隙组中包括第二设定位数重叠的比特；

s1032、利用反卷积公式分别对划分的多个反卷积时隙组进行反卷积计算，生成与所述反卷积时隙组对应的多个译码序列；每一个所述译码序列均包括多个反卷信元；

s1033、检测多个译码序列中任意相邻译码序列中重叠的多个反卷信元是否相等；

s1034、若是，确定所述待搜索序列能够准确译码。

下面结合步骤1031～步骤1034整体对上述步骤103进行说明：几十年来，各种fec算法均采用概率论、随机过程这样一些统计数学工具来描述和分析。若以数学角度看待fec，会发现大部分的变量可以获得精确解。只有少部分变量难以直接推算出精确解，这类变量作为因变量又和其它变量存在函数关系(本发明实施例称为转移函数)。因为卷积码是由时序网络生成的记忆性信源，依据转移函数即可推知这些因变量。

主译码器承担fec的全部纠错、译码工作。一次通信的信息量可达数兆比特，主译码器难免会产生译码错误，基于该问题，本发明实施例中增加辅助译码器，该辅助译码器是防止和消除主译码器步入错误路径的关键措施(故先说明辅助译码器)。

辅助译码器功能介绍：

步入错误路径是译码纠错过程的心腹大患。错误路径是一个渐进的蔓延过程，错误路径必然有一个初始点，“防微杜渐”是一种有效措施。严酷的是：即使主译码器设计的再严谨，依然存在步入错误路径的危险，辅助译码器的作用就是降低这种危险的可能性。

辅助译码器包括两个功能：

第一功能：利用13比特的反卷积公式持续地生成13位译码序列，并且连续地比较前后生成的13位译码序列(参见表1)。

表1：辅助译码器的功能描述

表1中的b(3x-24)～b(3x+26)为污染区，但其中的b(3x+0)～b(3x+26)的27比特称为“潜在的无污染区”(可能的无误染区)。

假设瞬间的b(3x+0)～b(3x+26)的27比特没有被污染，表1中的1～5时隙将分别反卷积生成各自的13位译码系列，且相邻时隙的12位信元重叠逐对相等，当5个时隙充分满足这个条件时，相当可靠地获得了s(x+0)～s(x+16)的17位信元序列信息的正解。如果不满足这个判断，b(3x+0)～b(3x+26)的27比特一定被污染了。这是依据欧拉图上的点和边具有连贯性所决定的；其中，上述欧拉图上的点和边对应卷积码的点和边。

第二功能：当充分满足相邻五个时隙的12位信元逐对相等时，注定潜在的无误染区b(3x+0)～b(3x+26)确实没有被污染，势必反卷生成的17位译码序列s(x+0)～s(x+16)为全部正解。依据17位正解的译码序列，可以生成51比特无误的卷积码序列b(3x-24)～b(3x+26)；即利用无误的27比特卷积码获得了51比特无误的卷积码序列b(3x-24)～b(3x+26)，充分体现了编码增益的技术价值。辅助译码器用b(3x-24)～b(3x+26)强制覆盖主译码器的线路卷积码b(3x-24)～b(3x+26)，确保主译码器恢复到正确的译码路径上。辅助译码器是克服主译码器“门限效应”的有效的措施。

除了13比特反卷积公式之外，w算法还提供另外两组反卷积公式，三组判决结果的重合性是关键。随着干扰环境的不断恶化，连续≥27比特无干扰区将随之减少。可贵的是第二部分的第二点提出的“反卷积等效”现象弥补了这个问题，客观存在着部分≥27比特“反卷积等效”干扰图案，它们同样可以起到防止“门限效应”作用。

图8中，辅助译码器右下角的半加矩阵完成三组反卷信元序列信息的比较。通常情况下，三组公式的反卷积结果不同，半加矩阵关闭“覆盖控制b”使能“覆盖控制a”，由主译码器实施覆盖功能。一旦三组反卷积形成完全相同的≥17位信元时，必然是接收卷积码序列出现了≥27比特的无干扰区域。半加矩阵关闭“覆盖控制a”使能“覆盖控制b”，这组17位信元再生的51比特无误卷积码覆盖对应的线路卷积码区段，强制译码器恢复到正确的译码路径上，有效地避免了fec的“门限效应”。辅助译码器能够快速、精确恢复正确路径的功能，保障了主译码器不会持续停留在错误路径上。

目前，学术界认为“卷积码是靠相邻符号间的相关性提供保护，卷积码抗突发错误能力很差”；对此，w算法有着不同认识和实践结果。w算法认为：为验证卷积码的抗干扰能力，须采用“干扰全集”的方式，所谓的“干扰全集”就是遍历的干扰图案。本发明实施例将用“反卷积等效”和“纠错等效”两点证明卷积码抗突发错误能力很强，绝非很差。

在证明之前，首先引述[3,1,8]卷积码与有向欧拉图相关的部分内容：

走遍每个顶点的通路就是欧拉通路(回路)，存在欧拉回路的图就是欧拉图，而[3,1,8]卷积码完全符合上述欧拉图的特征。

具体的，把信元序列信息的状态值视为欧拉图的顶点，[3,1,8]卷积码则是相对于欧拉图上的欧拉通路。[3,1,8]卷积码有256个顶点，其中包括两个特殊顶点a和b。特殊顶点a是8位移存器的[00000000]状态，特殊顶点b是[11111111]状态。实际运用中，通常把特殊顶点a定义为起点(起点为通信双方的初始状态或待机状态)。

w算法已证明：译码算法与信噪比的关联性越小，译码效果越好(表2)。为此，必须充分利用信宿端无误的初始状态，尽可能减少反卷积公式中涉及污染区的因子项。表2列出利用污染区的[b27～b33]的7比特反卷积13位信元序列信息的[s0,s2,s4,s12]的四条公式。

w算法虽不认同“渐近编码增益值”，但是承认编码增益的概念。由于实现了7比特反卷积13位信元序列信息，编码增益＝10log(39/7)＝7.46db，大幅度突破了硬译码的理论渐近值4.77db，根本动摇了“理论渐近值γ(db)”的存在性。

说明3：信宿端初始状态的24比特全0只是一个良好开端，如果持续地获得污染区一系列的信元正解，就可以把初始的无误区一直向后延续，从而可以继续利用7比特反卷积13位信元序列信息的技术优势。必须申明：“持续地获得污染区一系列的信元正解”是所有fec一致追求的最高目标，绝非w算法的特殊苛求。

说明4：除了前述的13比特反卷13位信元之外，表2的反卷积公式的相关比特≤7比特，是一种更高效率的“反卷积等效现象”。表2的“反卷积等效现象”是指完全不同的256个干扰图案的反卷积生成的译码结果完全相同！通常用“举一反三”表示通用性强，此刻则有“举一反256”的效果。它不仅仅提高译码效率，同时大幅度降低了量化分析的工作量。

反卷积等效：与无干扰的12比特[全√]图案完全等效的干扰图案有256个，表3列举了其中的6个。表3中最大的干扰强度为83.3％，如此强的干扰竟然和无干扰的[全√]图案反卷积等效(反卷积生成的[s8～s12]五位信元完全相同！)；进一步的与无干扰的18比特[全√]图案完全等效的干扰图案有4096个。“反卷积等效”体现了卷积码具有极强的收敛性。它根本动摇了“编码增益…与信噪比有关”的观点；尤其动摇了“卷积码是靠相邻符号间的相关性提供保护，卷积码抗突发错误能力很差”的观点。“反卷积等效”的现象为w算法确立了“先译码后纠错”的译码规则。

②纠错等效：表3的反卷积等效着眼于干扰与译码信元之间的映射关系。表4的纠错等效则是关注于卷积码序列中是否出现干扰，判断码流中每一位是否遭受干扰。

w算法可以实现的纠错等效范围比较大，运算范围跨越60比特以上(还可以实现更大范围)。本发明实施例用表4的小范围判断进行介绍。

说明5：表4仅显示相关项，省略了无关项。例如判断污染区ⅰ的b28，仅决定于污染区ⅱ的b34b35，只要b34b35没有受到干扰或者受到偶数个干扰，均可以准确判断b28是否受到干扰。

说明6：初始状态的b9～b23属于初始无误区，如果初始无误区的相关比特偏差被推算为1(称之诬告现象)，必然是污染区ⅰ、ⅱ的相关比特存在奇数的干扰，这是一个辅助性纠错判断方法。

第三点：为验证卷积码的抗干扰能力，w算法采用遍历“干扰全集”的方式。因此，要求w算法具有精确识别干扰图案的能力。

说明8：表5列出7条公式，可以把[b27～b38]的2¹²＝4096个干扰图案精确划分为2⁷＝128个共性子集。精确判断128个共性子集，每个共性子集对应着16个具体的12比特干扰图案。可见w算法明显优于概率译码算法。第一，方法简单明瞭(一步锁定16个嫌疑干扰图案，其中一定包括实际干扰图案)。第二，判断结果与干扰强度基本无关(w算法依据的正交判断，而不是误码率)。

说明9：请注意表5的[b24～b26]标示为◆，它们是污染区的开始(罪魁祸首)，w算法称之为“斩首字节”，无误地正确处理斩首字节是持续地精确译码的保障和捷径。但是“斩首字节”难以直接精确判断，需要采用多种正交综合判断。

第四点：利用抗干扰编码的规律性和关联性，解决最佳地恢复原始信息。

w算法认为：卷积码的fec技术属于决定性现象，决定性现象应存在唯一的精确解。在表5中“斩首字节”对应的是信元s8，污染区[b27～b38]有2¹²＝4096个干扰图案，w算法借助7比特的反卷积公式推算s8。具体方法是把[b27～b38]的2¹²＝4096个干扰图案分为两个子集(子集a、b)，子集a和子集b分别包括2048个干扰图案，对应子集a的2048个干扰图案，7比特的反卷积公式精确推算出s8的正解。对应子集b的2048个干扰图案，7比特的反卷积公式精确推算出s8的反解。更重要的是：除了s8的判断不同之外，子集a和子集b的共计256个等效干扰图案反卷积生成的s9～s12相同！正确判断干扰图案属于子集a或b是纠错的捷径，但是干扰图案属于子集a或b难以精确判断(存在可能性)。

很明显，w算法回避了难以实现的纠错思路，因为干扰图案的数量很大，精确地判断每一个干扰图案，并进行修正几乎是不可能的事情。惟有按其共性分类，直接建立译码信元与干扰图案之间的映射关系，可以大幅度简化fec译码的复杂性，提高了译码精度。

说明10：表6中列举了子集a中的16个干扰图例，自12比特无干扰(全√)到12比特中存在11位干扰，干扰强度自0升至0.92％。若按照概率译码的纠错思路，难以设想如何判断并纠正如此众多、复杂、强烈的干扰！又何谈实现最佳地恢复原始信息呢？所以，在第一部分的第七点中，w算法认为：前向纠错(fec)的称谓偏离了最终目标，因为纠错的思路难以实现(甚至无法实现)，因此不利于恢复原始信息。表6充分地说明：处理过程≠最终目标，由于认识上的模糊，形成译码方法和效果的明显差异。

第三点：在fec领域，广泛采用码树图或生成矩阵的描述方式。对于不同的抗干扰编码，码树图或生成矩阵一律描述为发散的树形结构或者是一个半无穷的矩阵，显然不能令人信服。维特比教授采用网格图(也称篱笆图)描述卷积码，它所描述的卷积码呈现了收敛的特征。但是，用网格图描述、分析卷积码的概念非常复杂；最简单的(2,1,2)卷积码的网格图了采用四行多列的描述；要看懂繁杂的网格图上各节点与路径变化非常困难，更不用说发现和理解纠错方法了，对此，参考图3，本发明实施例提供的前向纠错方法，步骤104，根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列，包括：

s1041、根据用于生成卷积码的生成矩阵的最大自由距，构建用于分离处理所述卷积码序列的多个多阶平滑式；所述平滑式包括：无关比特和用于分离处理所述卷积码序列的相关比特；所述相关比特包括用于检测所述卷积码序列的特征参数：每个所述多阶平滑式包括的所述相关比特不同，且不同的所述相关比特检测的所述特征参数不同；所述相关比特为所述欧拉图包括的任意一条边上的点；所述无关比特则为所述欧拉图包括的任意一条边外的点。

s1042、根据多个多阶平滑式，从所述卷积码序列中分离所述后续干扰序列和所述信元序列信息。

下面结合上述步骤1041～步骤1042对上述步骤104进行整体说明：1948年c.e.仙农在《通信的数学理论》中，阐明了在有扰信道中实现可靠通信的方法，提出了著名的有扰信道编码理论，奠定了抗干扰编码的基石。此后，由于通信工作者和数学家的重视，在理论和实际中产生了多种抗干扰编码及其有效译码技术。

fec属于高可靠性通信问题，是研究如何利用抗干扰编码的规律性和关联性，解决最佳地恢复原始信息，实现可靠通信的技术。必须强调：纠错是恢复原始信息的重要手段而非最终目的。w算法认为：在某种程度上，前向纠错(fec)的称谓偏离了“利用抗干扰编码的规律性和关联性，解决最佳地恢复原始信息”的最终目标。因为纠错只是一个有利于恢复原始信息的处理过程，而不是高可靠性通信之目的。应该强调：处理过程≠最终目标，认识上的模糊，将造成译码方法的巨大差别(详见本发明实施例第二部分的分析)。

w算法建议：从高精度译码的总体目标看，前向纠错(forwarderrorcorrection)更名为前向信息恢复(forwardinformationrenovation)可能更合理、更精确。

第二部分：处理方面的不同做法

第一点：从接收的卷积码序列中，分离污染区与无误区是fec的首要问题

用平滑式扫描整个接收序列，从中分离出污染区与无误区。实际的一次通信量可能达到数兆比特，干扰图案千变万化。为实现严密的监视效果，w算法采用了11条平滑式(监视宽度仍为24比特)，分离效果接近100％。其实，只有24个连续的(0000…00000)才是纯正的没有受到污染情况，这种情况只占整个干扰图案全集的2²⁴次方之一。

识别接收数据是否被污染分为两种情况，第一种，准确判断了接收数据中的污染区，这是绝大部分的情况。第二种，受到污染而没有发现(本发明实施例称为漏判)。一般而言，平滑式的跨度越长、越多，漏判可能性越低。但是，即使采用更长、更严密的平滑式，依然存在漏判，本发明实施例称为“伪无污染区”。

对于漏判现象不必过虑，只要公式足够严密，即使很微小的干扰也会被发现。真正漏判的反而是(表7)列出的具有明显规律性的干扰图案。更为重要的是：伪无污染序列与无干扰的[全√]序列之间存在共性现象。所谓共性现象是指：叠加了漏判图案[1～4]与没有叠加干扰[全√]的接收卷积码序列构成一个共性子集，同一个共性子集存在“反卷积等效”或“纠错等效”现象，即它们判断的恢复的信元序列信息或纠错图案大体相同。表7中的最大的干扰强度为75％，如此强的干扰竟然和无干扰具有共性，动摇了“编码增益…与信噪比有关”的观点。

w算法认为：恰如语言是人际交流的工具一样，码树图或生成矩阵描述方式绝非分析fec方面得心应手的工具；最大自由距离df有利于译码器的纠错，但是要看懂繁杂的网格图上各节点与路径的变化非常困难，更难以发现和理解纠错方法。所以，网格图依然不是理想的工具。

第四点：w算法认为：“卷积码的生成矩阵符合有向欧拉图的特征”。在有向欧拉图上，要求“笔不离纸”地经过各个节点及其链接相邻节点之间的边。在信源端，卷积码没有叠加任何干扰，信元序列信息生成卷积码过程就是一个“笔不离纸”的过程，所形成的卷积码是一系列圆润贯通的数据流。在传输过程中存在失真和噪声干扰，信宿端通常是受到污染的卷积码信息序列，失去了圆润贯通的特征，呈现出“笔离开纸”的跳跃感。

w算法认为：在同样的n0k0下，构造卷积码的更重要方向是寻找“最短平滑式”。因为最短平滑式的跨度越短，各高阶平滑式也更紧凑，利于区分各种干扰图案。w算法已分析出：按照最大自由距构造的生成式为g(0)＝[557]、g(1)＝[663]、g(2)＝[711]的非系统卷积码之最短平滑式为12比特。如果按照有向欧拉图的概念重新构造生成式，有可能形成更短的平滑式。目前，w算法惟有沿用业已形成的最大自由距离df＝18卷积码生成式。

多阶平滑式可分离信宿端接收的卷积码序列，发现污染与无误的卷积码区域[表8]。

说明1：b(3m+0)～b(3m+23)为卷积码序号；表8内标注”1”的为相关比特；标注”0”的为无关比特。在平滑式中，相关比特是一系列圆润贯通的卷积码数据流轨迹上的点；无关比特则是轨迹之外的点。这是w算法在fec领域首次提出的概念。著名的维特比译码算法是基于篱笆图(trellis)的最佳的概率译码算法。其译码算法就是在网格图上计算、比较、累计每一条路径，从中选择一条误码最小的路径。维特比译码算法没有相关比特的概念，全部卷积码一律参与acs处理过程，增大了判断的模糊性。

实际分析表明：12比特平滑式可以发现50％的污染区域；若使用12、15比特两个平滑式，可以发现75％的干扰；若采用12、15、18比特三个平滑式则可以发现87.5％的干扰，随着平滑式的长度增加，过滤的效果也迅速递增。表8中的5条平滑式可以发现96.9％的污染区域；若采用更多的平滑式可以发现极微小的污染区域。表1判别公式的总跨度为24比特(本发明实施例称为监视宽度)。

论证卷积码的生成矩阵符合有向欧拉图，目的在于更清晰地分析卷积码的特征，以发现卷积码一切潜在的规律性；而不限于研究欧拉闭迹问题(通过图中每条边一次且仅一次，并且过每一顶点的回路)。采用有向欧拉图的方式描述和分析卷积码是一种相当理想的工具，有助于寻找、搜索、分析卷积码的纠错公式。

进一步的，参考图4，本发明实施例中，步骤1041中，根据用于生成卷积码的生成矩阵的最大自由距，构建用于分离处理所述卷积码序列的多个多阶平滑，包括：

1041a，根据所述卷积码对应的生成矩阵的最大自由距，构建最短多阶平滑式。

第五点：在fec的理论叙述中，往往把信元序列信息与叠加其上的干扰序列视为一个整体进行描述和分析，造成了fec问题的复杂化。

w算法认为：由信元序列信息生成的卷积码序列与叠加其上的干扰序列不是一个整体。在相当大的程度上，可以分为两个独立的部分。多阶平滑式是分离两者的理想工具，两者的分离使fec变得清晰。突显了fec所关注的纠错仅限于干扰序列部分，而与信源的信息序列无关。

多阶平滑式的方法暗合于《并元论》。《并元论》称“非正弦正交变换在处理离散信号的综合性能远远好于傅立叶变换，而绝大部分非正弦正交变换都以并元论为基础”。“数字通信系统中，噪声对信道的干扰过程实际上就是噪声序列与信息序列的并元相加的过程”。

利用卷积码序列的强收敛特性和欧拉图特征，发现接收信息序列被干扰的情况。

利用卷积码序列的强收敛特性和欧拉图特征，搜索纠正干扰的公式。

利用并元论，执行接收信息序列“以错纠错”的方法。

利用并元论，直接恢复接收信息序列的方法。

近十年，风靡世界的“数独游戏”起源于欧拉发明的《拉丁方块》，它是进行严密逻辑运算的理想工具，w算法推演的逻辑公式完全暗合于《拉丁方块》。如果把干扰视为肆意篡改“正确的数独矩阵”，其结果必然是漏洞百出。

本发明实施例所讨论的n0,k0,m＝[3,1,8]卷积编码器属于时不变的卷积编码器，故本发明实施例所提供的公式均可在[3,1,8]非系统卷积码内大范围验证。

为阐述清晰准确之目的，约定本发明实施例的公式和表格描述如下：

s(m)表示信元序列信息第m位信元；

b(3m+0)～b(3m+2)表示对应s(m)信元的3比特卷积码元；

w(m)表示对应s(m)信元的卷积字，即第(3m+0)～(3m+2)的3比特码元；

本发明实施例通常采用二进制描述，对于较长的数据则采用八进制描述。按照数据通信的规则，信息序列先发送低位，8进制的计数也是自低位向高位计值。按此约定：s(10)对应着w10的b30、b31、b32，若w10＝2表示b30b31b32＝010，w10＝4表示b30b31b32＝001。

1041b，以所述最短多阶平滑式为基准，构建多个多阶平滑式；每一个所述多阶平滑式的阶数均大于所述最短多阶平滑式的阶数。

现提供如下的四条平滑式供读者验证。

s(m)＝b(3m-2)⊕b(3m-1)⊕b(3m+2)⊕b(3m+4)⊕b(3m+5)公式1

公式1是用卷积码直接恢复信元s(m)的反卷积公式。该公式包括5个相关比特，只要该5个相关比特没有受到干扰或者受到偶数个干扰，均可以获得s(m)的正解。

平滑式:[30425]公式2

公式2是一条15比特的平滑式。

平滑式:[614000023]公式3

公式3是一条跨越12个无关比特的27比特的平滑式。

平滑式:[51324000000556]公式4

公式4是一条跨越18个无关比特的51比特的平滑式。

公式2～公式4用于发现卷积码序列是否出现干扰，没有干扰或者出现偶数个干扰时，平滑式结果为0，否则为1。充足的平滑式可以发现极其微量的干扰，实现分离数据信元序列信息与干扰序列的重要目的，为前向纠错提供有利条件。

w算法可以提供数百条以上的各类平滑式，其中部分公式的应用价值非常高(参见辅助译码器的内容)。鉴于w算法是纯数学的方法译码，自然采用公式的方式进行描述。在实际译码器中，这些公式完全转化为具体的逻辑电路。综上所述，“卷积码的生成矩阵符合有向欧拉图”的观点极具实用价值，它是fec领域的最佳分析工具，也是信宿端最佳的译码方法。

进一步的，本发明实施例提供的卷积码的前向纠错方法，所述卷积码是信源端按照[3,1,8]非系统卷积码的生成矩阵生成的；

所述最短多阶平滑式为[3375]，[3375]为四阶平滑式且对应的相关比特和无关比特依次为：110、110、111、101；所述多阶平滑式至少包括：九阶平滑式[614000023]和十四阶平滑式[51324000000556]。

第六点：目前，学术界认为：“编码增益是评价纠错码性能的重要指标”。并定义编码增益为：“在某一误码率下，应用某特定的纠错码系统后，相对没有应用时所能获得的信噪比的减少分贝数”。同时提出两个结论，第一，“编码增益不仅与纠错码有关，而且与信噪比有关”。第二，“当信噪比非常低时，编码增益变为负值，这说明利用纠错码后的性能(比不编码)更差。这种门限效应是所有利用纠错码的差错控制系统所共有的”。此结论令所有的fec纠错码黯然失色，是“所有利用纠错码的差错控制系统”头上的紧箍咒！w算法认同“编码增益是评价纠错码性能的重要指标”的观点，但是w算法质疑随后的两个结论，对两个结论分析如下：

如果“编码增益与信噪比有关”，势必产生如下悖论；“当信噪比非常低时，编码增益变为负值”。当信噪比非常高(甚至没有干扰)时，编码增益也是负值。因为没有干扰时，不编码的系统没有错码，而编码的系统却浪费着带宽。综合的结论是：信噪比非常低或非常高的两种情况下，编码增益都变为负值。人们不禁要问：什么情况下编码增益达到最佳？理论界没有给出明确答案。

至于“门限效应”，本发明实施例已有明确的解决方法(详见本发明实施例第三部分)。克服了门限效应就是解除了利用卷积码纠错的差错控制系统的紧箍咒，令人放心大胆地利用和改进卷积码纠错的差错控制系统。本发明实施例希望w算法的思路对其它纠错编码系统有所帮助。

第七点：学术界对于特定的纠错码，提出了理论的渐近编码增益值γ(db)。渐近值是特定条件下的理想结果，通常代表着“无限逼近却不可达到”的理想值。

w算法质疑“渐近编码增益值γ(db)”的观点。w算法已经做到：依据无误的13比特卷积码序列可以精确译出13位信元序列信息，即卷积码的编码增益＝10log(39/13)＝4.77db，达到了硬译码的理论渐近值，动摇了理论渐近值γ(db)的存在性。

w算法进一步证明：译码算法与信噪比的关联性越小，译码效果越好。在表9中，信元s(m+2)的相关反卷积比特只有b(3m+4)、b(3m+5)、b(3m+8)、b(3m+10)、b(3m+11)5位比特，其它8位是无关比特。显示译码算法与信噪比的关联性越小，译码效果越好。需要再次指出：“如果与信元s(m+2)相关的5位比特都没有受到干扰或者是遭受偶数个干扰(负负为正)，反卷积生成的信元s(m+2)均为精确译码结果”。

说明2：b(3m+1)～b(3m+13)为卷积码序号；s(m-8)～s(m+4)是利用13比特卷积码反卷积生成的13位信元。表9内标注”1”的为相关比特；标注”0”的为无关比特。在反卷积式中，相关比特是与译码结果密切相关的卷积码位；无关比特则是与译码结果不相关的卷积码位。简言之，无关比特无论是否遭受干扰与译码结果无关。

实际的fec处理过程中，在信宿端的卷积码流中，出现13比特无误区域的机会还是比较高的，利用表9的公式可以一次反卷积产生出13位正确的信元序列信息，相当于跨越了(或者说忽略了)前面b(3m-23)～b(3m+0)的24比特的干扰影响，译码效率相当可观。

进一步的，参考图5，本发明实施例中提供的卷积码的前向纠错方法中，步骤105，根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列之前，还包括：

s1051、抽取所述卷积码序列中的待分级序列；所述待分级序列包括第三设定位数的比特；

s1052、根据卷积码序列的特征参数对所述待分级序列进行分级处理，得到多个多级序列；每一个所述多级序列均对应第一设定个数的干扰图案；所述干扰图案对应特征参数具有共性；所述特征参数至少包括：反卷等效值和纠错等效值；所述反卷等效值为对所述待分级序列进行反卷处理得到的信元序列信息相同。

进一步的，参考图6，本发明实施例提供的卷积码的前向纠错方法，步骤106，对所述干扰序列进行译码处理，得到最大似然译码序列之后，还包括：

s1061、对得到的所述最大似然译码序列进行卷积编码处理，得到覆盖卷积码序列。

s1062、利用所述覆盖卷积码序列覆盖被噪声干扰后的卷积码序列。

由于存在着辅助译码器的强劲可靠的支持，主译码器几乎不必担心译码器步入错误路径的危险。但是，随着干扰环境的不断恶化，连续≥27比特无干扰区将随之减少，辅助译码器的功能将在一定程度上略有降低。主译码器必须充分利用发现的卷积码的规律性，利用多重正交公式压缩准确解的范围，增大获得精确解的可能性，主动避免步入错误路径。

本发明实施例中确定卷积码前向纠错技术不属于处理随机现象，而属于处理决定性现象的问题。w算法的译码精度正比于“监视宽度”，“监视宽度”越大可用的正交公式和规律性越多，译码精度也越高。

为获得精确解，纯数学方法的台下工作量相当大。究其原因有三个。第一，当前的卷积码生成式是按照“最大自由距”产生的，未必符合“最短平滑式”的规律性。第二，w算法的译码精度正比于干扰全集的规模，规模越大可用的正交公式和规律性越多，数独矩阵也越大越严密。第三，卷积码生成矩阵存在着对称性，因而准确解的极限范围是两个。

有限于此，从通用性来看，w算法将有三类推算结果，第一类是精确判断；第二类是准确判断(两个以上的有限解)；第三类是依据准确解的干扰强度做出选择判断。

本发明实施例提供的卷积码的前向纠错方法，采用第一机制抽取卷积码序列中的待搜索序列，并根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测待搜索序列是否能够准确译码；若是，对待搜索序列进行译码处理，利用得到的正解卷积码覆盖被噪声干扰后的卷积码序列对应的卷积码，然后采用第二机制基于卷积码序列的强收敛特性以及卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的卷积码中分离后续干扰序列，并对该后续干扰序列进行译码处理，得到最大似然译码序列，与现有技术中的基于最大似然卷积译码算法的译码器，提高译码性能的手段对于约束长度长的编码处理过程复杂且译码器本身存在门限效应的问题相比，其基于数学思想，采用第二机制以先译码后纠错的方式对信源端的发送卷积码进行译码处理，译码速度快且准确度高；并且还实时启动第一机制对第一机制进行监测，督促第二机制维持在正确的译码路径上，有效地弱化了第二机制步入错误路径的问题，有效解决了只启动一个机制的门限效应问题。

本发明实施例提供了一种卷积码的前向纠错装置，所述装置用于执行一种卷积码的前向纠错方法，参考图7，所述装置包括：

接收模块11，用于接收信源端发送的被噪声干扰后的卷积码序列；所述卷积码序列包括多个卷积字，所述卷积字是所述信源端根据生成矩阵生成的且其携带有信元序列信息和干扰序列；

第一抽取模块12，用于抽取所述卷积码序列中的待搜索序列；

检测模块13，根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测所述待搜索序列是否能够准确译码；所述平滑贯穿特性为所述卷积码具有连贯性且所述连贯性符合生成矩阵设定的约束规律；

第一覆盖模块14，用于在所述待搜索序列能够准确译码时，对所述待搜索序列进行译码处理，利用译码处理得到的译码序列生成得到的正解卷积码序列，并利用正解卷积码序列对应的正解卷积码覆盖所述被噪声干扰后的卷积码序列对应的卷积码；

分离模块15，用于根据卷积码序列的强收敛特性以及所述卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的所述卷积码中分离后续干扰序列；所述卷积码序列包括多个卷积字，任意两个相邻所述卷积字表示上一时隙的状态转移到下一时隙的状态；所述平滑贯穿特性表示卷积码具有连贯性且所述连贯性符合生成矩阵设定的约束规律；

译码处理模块16，用于对所述后续干扰序列进行译码处理，得到最大似然译码序列。

进一步的，本发明实施例提供的卷积码的前向纠错装置，检测模块13，包括：

划分单元，用于将所述待搜索序列划分为多个反卷积时隙组，使多个反卷积时隙组满足以下第一设定条件；所述待搜索序列包括第一设定位数的比特；所述第一设定条件为：任意两个相邻的所述反卷积时隙组中包括第二设定位数重叠的比特；

生成单元，用于利用反卷积公式分别对划分的多个反卷积时隙组进行反卷积计算，生成与所述反卷积时隙组对应的多个译码序列；每一个所述译码序列均包括多个反卷信元；

检测单元，用于检测多个译码序列中任意相邻译码序列中重叠的多个反卷信元是否均相等；

确定单元，用于在检测到多个译码序列中任意相邻译码序列中重叠的多个反卷信元均相等时，确定所述待搜索序列能够准确译码。

进一步的，本发明实施例提供的卷积码的前向纠错装置，分离模块15，包括：

构建单元，用于根据用于生成卷积码的生成矩阵的最大自由距，构建用于分离处理所述卷积码序列的多个多阶平滑式；所述平滑式包括：无关比特和用于分离处理所述卷积码序列的相关比特；所述相关比特包括用于检测所述卷积码序列的特征参数：每个所述多阶平滑式包括的所述相关比特不同，且不同的所述相关比特检测的所述特征参数不同；所述相关比特为所述欧拉图包括的任意一条边上的点；所述无关比特则为所述欧拉图包括的任意一条边外的点；

分离单元，用于根据多个多阶平滑式，从所述卷积码序列中分离所述干扰序列和所述信元序列信息。

进一步的，本发明实施例提供的卷积码的前向纠错装置，构建单元，包括：

第一构建子单元，用于根据所述卷积码对应的生成矩阵的最大自由距，构建最短多阶平滑式；

第二构建子单元，用于以所述最短多阶平滑式为基准，构建多个多阶平滑式；每一个所述多阶平滑式的阶数均大于所述最短多阶平滑式的阶数。

进一步的，本发明实施例提供的卷积码的前向纠错装置，所述卷积码是信源端按照[3,1,8]非系统卷积码的生成矩阵生成的；

所述最短多阶平滑式为[3375]，[3375]为四阶平滑式且对应的相关比特和无关比特依次为：110、110、111、101；所述多阶平滑式至少包括：九阶平滑式[614000023]和十四阶平滑式[51324000000556]。

进一步的，本发明实施例提供的卷积码的前向纠错装置，还包括：

第二抽取模块，用于抽取所述卷积码序列中的待分级序列；所述待分级序列包括第三设定位数的比特；

分级处理模块，用于根据卷积码序列的特征参数对所述待分级序列进行分级处理，得到多个多级序列；每一个所述多级序列均对应第一设定个数的干扰图案；所述干扰图案对应特征参数具有共性；所述特征参数至少包括：反卷等效值和纠错等效值；所述反卷等效值为对所述待分级序列进行反卷处理得到的信元序列信息相同。

进一步的，本发明实施例提供的卷积码的前向纠错装置，还包括：

卷积编码处理模块，用于对得到的所述最大似然译码序列进行卷积编码处理，得到覆盖卷积码序列；

第二覆盖模块，用于利用所述覆盖卷积码序列覆盖被噪声干扰后的卷积码序列。

本发明实施例还提供了一种译码器，包括所述译码器用于执行上述卷积码的前向纠错方法。

本发明实施例提供的卷积码的前向纠错装置及译码器，采用第一机制抽取卷积码序列中的待搜索序列，并根据卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，检测待搜索序列是否能够准确译码；若是，对待搜索序列进行译码处理，且利用得到的正解卷积码覆盖被噪声干扰后的卷积码序列对应的卷积码，然后采用第二机制基于卷积码序列的强收敛特性以及卷积码对应的生成矩阵符合有向欧拉图规律的平滑贯穿特性，从被覆盖后的卷积码中分离后续干扰序列，并对该后续干扰序列进行译码处理，得到最大似然译码序列，与现有技术中的基于最大似然卷积译码算法的译码器，提高译码性能的手段对于约束长度长的编码处理过程复杂且译码器本身存在门限效应的问题相比，其基于数学思想，采用第二机制以先译码后纠错的方式对信源端的发送卷积码进行译码处理，译码速度快且准确度高；并且还实时启动第一机制对第一机制进行监测，督促第二机制维持在正确的译码路径上，有效地弱化了第二机制步入错误路径的问题，有效解决了只启动一个机制的门限效应问题。

本发明实施例所提供的译码装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。