一种误码率近似最优解码的获取方法及获取系统与流程

本发明属于通信领域，尤其涉及一种误码率近似最优解码的获取方法。

背景技术：

作为一种杰出的传输策略，中继辅助通信成为了研究热点，其基本思想是部署一个或多个中继节点来扩展源节点发出信号的覆盖范围。在众多已知的中继协议中，研究最广泛的是放大转发(amplify-andforward,af)与解码转发(decode-and-forward,df)协议。作为消除噪声和其他信道受损影响的最经典和实用的中继协议之一，df有重要的研究意义。在此协议中，中继节点完全解码、重新编码并重新传输源节点的信息。然而，传统的df协议的实现面临两个问题。

其一，传统的应用在目标节点上的最大比例组合方案假设从源节点至中继节点的传输是完善的，而实际上从源节点至中继节点的链路并不完善，这意味着中继节点有时并不能成功解码。其二，实现df协议的另一个难点是很难(不可能)在目标节点实现ber最优解码算法。首先，要实现最优解码，必须要获取从源节点至中继节点链路的精确的误差统计信息，然而这在实际系统中很难做到。其次，同最大似然解码(maximumlikelihooddecoding,mld)算法一样，在目标节点的ber最优解码算法不仅需要在目标节点，还要在中继节点上考虑所有可能的符号检测场景。

此外，已知的ber/bler最优解码算法的复杂性与信息快的长度指数相关，并且即便是对于一些未编码的系统，这些算法的实现也非常复杂。因此，在不完善的源节点至中继节点的链路中，一个优于传统的所有解码器的近似最优的解码算法应该具有能够有效估计不同中继解码场景的概率的能力，这也成为中继辅助通信领域的研究重点，而现有技术中，未提供能够有效估计不同中继解码场景的概率的能力的误码率近似最优解码的获取方法。

技术实现要素：

本发明所要解决的技术问题在于提供一种基于解码转发(decode-and-forward,df)协议的卷积码编码中继信道的误码率(biterrorrate，ber)近似最优解码的获取方法，旨在解决现有技术中未提供能够有效估计不同中继解码场景的概率的能力的误码率近似最优解码的获取方法的问题。

本发明是这样实现的，一种误码率近似最优解码的获取方法，包括：

步骤a，建立三节点单向中继信道的系统模型，所述系统模型中包含源节点、中继节点和目标节点，所述源节点通过所述中继节点向所述目标节点发送源信息；

步骤b，根据所述中继节点的所有可能解码错误的情况，及所述中继节点解码所引入的错误比特之间的相关性，生成具有特殊分支度量的网格结构；

步骤c，根据所述网格结构，在所述目标节点上构建并行乘积网络，通过bcjr算法和所述并行乘积网络对所述源节点传输的源信息进行计算，得到所述源信息的误码率近似最优解码。

本发明还提供了一种误码率近似最优解码的获取系统，包括：

模型建立单元，用于建立三节点单向中继信道的系统模型，所述系统模型中包含源节点、中继节点和目标节点，所述源节点通过所述中继节点向所述目标节点发送源信息；

网格生成单元，用于根据所述中继节点的所有可能解码错误的情况，及所述中继节点解码所引入的错误比特之间的相关性，生成具有特殊分支度量的网格结构；

信息解码单元，用于根据所述网格结构，在所述目标节点上构建并行乘积网络，通过bcjr算法和所述并行乘积网络对所述源节点传输的源信息进行计算，得到所述源信息的误码率近似最优解码。

本发明与现有技术相比，有益效果在于：本发明实施例通过生成一种合理定义了分支度量的网格结构，能准确地表示所有可能的中继节点解码错误的场景，并对中继节点解码所引入的错误比特之间的相关性进行准确建模，在考虑三节点单向中继信道，本发明实施例提供的获取方法充分利用了现有的解码算法所忽视的事实，即由中继信道传输的错误数据包仍然是有效码字。并且该算法复杂度与信息块的长度呈线性关系，也不需要改变现有的采用传统的df协议的中继节点。通过本发明所述的基于df协议的卷积码中继信道的ber近似最优解码的获取方法，可以在不同的中继信道场景中实现比现有的解码算法更优的性能。

附图说明

图1是本发明实施例提供的一种误码率近似最优解码的获取方法的流程示意图；

图2是本发明实施例提供的三节点单向中继信道的系统模型的结构示意图；

图3是本发明实施例提供的nbod方法的流程图；

图4a是本发明实施例提供的在三节点中继信道上的1/2码率2状态的卷积编码的传统结尾网格表示的示例图；

图4b是本发明实施例提供的在三节点中继信道上的1/2码率2状态的卷积编码的t为2的并行乘积网格表示的示例图；

图5是本发明实施例提供的nbod算法(t＝2和t＝1)与本领域公开的mrc，c-mrc以及sdf算法在γsr＝γsd＝γrd的snr下的三节点单向中继信道上的性能比较示意图；

图6是本发明实施例提供的nbod算法(t＝2和t＝1)与本领域公开的mrc，c-mrc以及sdf算法在平均snr为的三节点单向中继信道上的性能比较示意图；

图7是本发明实施例提供的一种误码率近似最优解码的获取系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提出了一种基于解码转发(decode-and-forward,df)协议的卷积码编码中继信道的误码率(biterrorrate，ber)近似最优解码的获取方法。该方法包括：一种合理定义了分支度量的网格结构，该网格结构能准确地表示所有可能的中继节点解码错误的场景，并对中继节点解码所引入的错误比特之间的相关性进行了准确地建模；考虑三节点单向中继信道，本发明实施例在终端采用一种新的，基于上述网格表示的ber近似最优解码(nearber-optimaldecoding，nbod)算法。该算法充分利用了现有的解码算法所忽视的事实，即由中继信道传输的错误数据包仍然是有效码字。并且该算法复杂度与信息块的长度呈线性关系，也不需要改变现有的采用传统的df协议的中继节点。

基于上述原理，图1示出了本发明实施例提供的一种误码率近似最优解码的获取方法，包括：

s101，建立三节点单向中继信道的系统模型，所述系统模型中包含源节点、中继节点和目标节点，所述源节点通过所述中继节点向所述目标节点发送源信息。

具体的，本步骤中，三节点单向中继信道的系统模型如图2所示，从源节点s发出的信息可以通过不同路径到达目标节点d，如从源节点s直接到目标节点d、从源节点s到中继节点r再到目标节点d。在本实施例中，假设三条链路(源节点至目标节点链路、源节点至中继节点链路和中继节点至目标节点链路)都是分别具有信噪比(signal-to-noiseratios,snrs)γsd,γsr和γrd的二进制输入无记忆通道，可以定义为：

其中，i,j∈{s,r,d}，hij是i节点和j节点之间的信道增益系数，eb/n0表示信息比特与高斯噪声功率比。

需要说明的是，在此三节点单向中继信道的系统模型下，假设上述节点为半双工模式，即不能在同一时间传输和接收数据。因此，在每次通信包含有两个不同的时隙。在时隙1中，源节点传输的调制符号为xs。由于无线通信具有广播的性质，中继节点与目标节点分别用ysr与ysd表示监听到的带有噪声的xs的观测。

其中，zsr和zsd表示双边功率密度为n0/2每维度的零均值高斯噪声。

中继节点对接收到的ysr进行解码并生成cr作为源节点传输码字cs的估计。为了不失一般性，假设使用了二进制相移键控(binaryphaseshiftkeying,bpsk)调制器且所有传输的符号具有标准单位功率。xr由cr通过bpsk调制器产生。由于在中继节点处可能存在不成功的解码过程，xr不一定同于xs。在时隙2中，中继节点将xr传送至目标节点，用yrd表示目标节点接收到的具有噪声的xr的观测。

ysd＝hsdxs+zsd

其中，zrd表示双边功率密度为n0/2每维度的零均值高斯噪声。基于上述的ysd与yrd，目标节点能够通过特定的解码方案恢复源信息。

s102，根据所述中继节点的所有可能解码错误的情况，及所述中继节点解码所引入的错误比特之间的相关性，生成具有特殊分支度量的网格结构。

在本步骤中，合理定义一种具有特殊分支度量的网格结构。其中，该网格结构能准确地表示所有可能的中继节点解码错误的场景，并对中继节点解码所引入的错误比特之间的相关性进行准确地建模。

具体的，本实施例中所定义的网格结构用来表示中继节点的解码错误率，并依据合理定义的此网格结构的分支度量结构计算出xs与xr之间的成对错误概率(pairwiseerrorprobability,pep)，作为中继节点发送xr至目标节点，而源节点发送xs的条件概率pr(xr|xs)的近似。具体地，在源节点发送xs时，中继节点发送xr的条件概率难以计算，因此在本实施例中，使用pep近似表示该条件概率。

需要说明的是，近似在γsr→∞和t→∞的情况下渐近准确。

其中，c1是一个常量，r是所考虑卷积码的码率，0＝θ0≤θ1…≤θt＝π/2。d为假设xr≠xs的位置个数。

具体的，引入网格误差表示来描述从xs到xr的可能误差。由于xs与xr之间的误差向量也是一个有效的码字，因此与卷积码相同结构的网格可以有效表示所有可能的误差码字，且能精确反映错误信息的相关性。此外，针对条件概率pr(xr|xs)，构建一个结合xs与xr的乘积网格，将pr(xr|xs)的计算与乘积网格的路径度量相关联。

其中，结合xs与xr的乘积网格的路径度量包含三部分。首先是用来反映xs与xr之间关系的pr(xr|xs)的表示；第二部分和第三部分用来表示pr(yrd|xr)和pr(ysd|xs)。其中，pr(yrd|xr)与pr(ysd|xs)分别说明了从中继节点至目标节点链路，与从源节点至目标节点链路所接收到信号的概率。在本实施中，路径度量的三个部分均表示概率。

根据上述的乘积网格，pr(xr|xs)的近似值可以表示为指数函数的和。由于总共有t个指数项，因此可以构建t个乘积网格组成一个并行乘积网格来分别同时地追踪这t个指数项。

其中，表示为第t个乘积网格的路径度量的第一部分，其定义为：

其中，l是乘积网格的总深度，di是的位置的数目(和表示从i-1时刻到i时刻，与状态转移有关联的xs和xr各自的子序列)，是xs和xr之间的汉明距离。上述等式右边的每一项都是相应的状态转移的分支度量。

上述的网格表示可以使nbod算法有效地解决实现最优译码的两个难点。其一，能够有效计算出每对xs与xr之间的pr(xr|xs)的pep近似；其二，基于并行乘积网格表示，可以实现改进的本领域公开的bcjr算法，通过检查所有可能的(xr,xs)组合得到本领域已知的ber最优解码算法所需要的解码规则并以此来计算源节点的二进制消息包us。

s103，根据所述网格结构，在所述目标节点上构建并行乘积网络，通过bcjr算法和所述并行乘积网络对所述源节点传输的源信息进行计算，得到所述源信息的误码率近似最优解码。

在本步骤中，在终端采用一种新的ber近似最优解码(nearber-optimaldecoding，nbod)算法。该算法基于步骤s102所生成的网格结构的表示，充分利用了现有的解码算法所忽视的事实，即一个由中继信道传输的错误数据包仍然是有效码字，且其复杂度与信息块的长度呈线性关系，此外该算法不需要修改现有的采用传统的df协议的中继节点。

具体的，步骤s103基于在目标节点处构建上述的并行乘积网格并用bcjr算法实现。如图3所示，包括以下步骤：

步骤301：在所述目标节点上构建并行乘积网络；

其中，并行乘积网格由t个相同的乘积网格构成。每个乘积网格都基于在源节点和中继节点的卷积码的单独网格进行设置。假设采用一个(n,k,v)的卷积码，给定k位的输入信息，编码器将每单位时间生成n位的输出，在网格中共有2^v-1个不同的状态。同时，每个状态有2^2k个转移关系。

具体的，可以使用2k标记每个分支的输入，2n标记每个分支的输出。其中，xs与第一个k输入位和第一个n输出位有关，xr与剩下的输入输出位有关。对于给出的特定路径，本发明实施例可以识别一对(xs,xr)。结合t个乘积网格的起始和结束状态，本发明实施例可以构建出并行乘积网络，下面是一个简单的示例来说明并行乘积网格的表示。

请参阅图4a及图4b，选择一个在八进制表示法中具有生成多项式(3-1)8的1/2码率2状态的卷积编码。使用s0和s1标记源网格的两个状态，使用r0和r1表示中继网格的两个状态。由于源节点和中继节点传输的信号都包括在内，所以每个乘积网格包含4个不同的状态，分别标记为r0s0，r0s1，r1s0和r1sl。

其中，状态r0s0是r0和s0的组合，其他状态同理。此外，为了在不同的乘积网格中区分状态，本发明实施例使用上标来表示乘积网格的索引。由于卷积编码是有限的，所有的乘积网格将收敛到相同的终止状态。

步骤302：计算所述并行乘积网络的分支度量；

具体的，并行乘积网格在第l深度下，从状态s到状态s′的第t个乘积网格的分支度量可以表示为：

其中，表示在第l个状态转移中，属于yrd的n个相应的符号，相似的，表示属于ysd的另外n个相应的符号。在同一时刻，每条分支附属了2n个调制符号。前n个符号，使用表示，为源节点的状态转移；后n个符号，表示中继节点的状态转移。dl表示与不相同的位置的数目。

步骤303：计算所述并行乘积网络的前向递归指标；

具体的，从第t个乘积网格的初始化αt,0＝[1,0,…,0]开始，所述的前向递归指标可以根据如下公式递归地进行计算：

其中，γ表示在第(l+1)个网格深度中到达状态s'的状态集合。

步骤304：计算所述并行乘积网络的后向递归指标；

具体的，随着初始化βt,h＝[1,0,…,0]，所述从第t个乘积网格到根部的第l网格深度的后向递归指标可以根据如下公式递归地进行计算：

其中，γ′为在第l个网格深度下连接到状态s的状态集合。

步骤305：根据所述分支度量、所述前向递归指标和所述后向递归指标计算所述源节点发送的源信息的对数似然比(log-likelihoodratio,llr)；

具体的，所述的源信息us,l的对数似然比llr可以根据如下公式进行计算：

其中，γ⁺和γ^-是与us,l＝1和us,l＝0在第l个网格深度下分别对应的(sl,sl+1)状态对的集合。

步骤306：得到源信息的硬解码输出。

在本发明实施例中，为了在此算法的复杂度与其性能之间获得一个良好的折衷，需要为t选择一个合适的值。可以使用一个q-函数表达上述的作为条件概率pr(xr|xs)近似的pep值。然而，为了满足pr(xr|xs)的总概率定律，本发明实施例在q-函数之前添加一个近似为一些指数函数之和的常数。通过数值计算，可以发现即使当t为1或2时，q-函数的近似效果都很好。

具体的，当t为1时，根据θ0＝0，且可以得到pr(xr|xs)可以使用如下形式表达：

其中，常数c2可以选择为如下形式：

本发明实施例使用本领域已公开的bcjr算法来在单个乘积网格上实现提出的nbod算法。

当t为2时，根据θ0＝0，θ1，且最优系数可以设置为和

pr(xr|xs)可以使用如下形式表达：

其中，常数c3可以选择为如下形式：

本发明实施例使用本领域已公开的bcjr算法在一个由两个并行乘积网格组成的并行乘积网格架构上实现提出的nbod算法。

需要说明的是，当t为1时，本实施例中提出的解码器是nbod算法的一个特例。由于基于q-函数的pep近似是渐近准确的，因此，可以使用q-函数作为评估近似值的基准。

基于并行乘积网格，可以方便的使用本领域所公开的bcjr算法来实现本发明实施例所提出的nbod算法。在nbod算法中，需要用到上述的前向递归指标和后向递归指标，这些递归指标遵从通常的bcjr算法。基于并行乘积网格，可以方便的使用本领域所公开的bcjr算法来实现本发明所提出的nbod算法。在nbod算法中，需要用到上述的前向递归指标和后向递归指标，这些递归指标遵从通常的bcjr算法。

需要说明的是，此算法的复杂度与信息块的长度呈线性关系，且可以扩展到任意的有网格结构的线性分组码上。不同之处在于，与一个线性分组码相关的是时变网格，而与卷积码相关的是时不变网格。此外，此算法不用限定源节点和中继节点有相同的卷积码，可以通过跟踪每个卷积码在状态转换期间的相同数量的信息位来构建乘积网格和并行乘积网格。

为了评估本发明实施例所提出的基于df协议的卷积码编码中继信道的ber近似最优解码的获取方法在当t分别为1和2时在三节点单向中继信道上的性能优于本领域已知的mrc，c-mrc和sdf方法，使用eb/n0表示在仿真中的信息位与背景高斯噪声功率比，衰减系数hsr，hsd和hrd都设置为1，本实施例选用一种在八进制中生成多项式为(53，75)8的1/2码率32状态的卷积编码，设置信息块的长度k为256。

使用dsd，dsr和drd分别表示源节点至目标节点链路，源节点至中继节点链路，中继节点至目标节点链路的物理距离。假设snrsγsr，γrd随γsd进行如下变化：

其中，在本发明实施例中设置a为2。

如图5所示，当所有的三种链路具有相同的物理距离时，即dsd＝dsr＝dsrd，这说明γsr＝γsd＝γrd，图5的横轴为γsd，表示在此场景下的ber。可以看出，本发明实施例所提出的nbod算法的性能能显著提升系统性能，且在t为1和2时几乎具有相同的性能。例如，与本发明实施例所提出的方法相比，基于sdf方案、c-mrc方案和mrc方案的解码算法在ber为10^-4时大约有0.8db，1.3db和1.5db的损失。

此外，本实施例还在准静态衰落中继信道下进行了不同算法的性能评估。假设衰减系数hsr，hsd和hrd为零均值和单位方差的高斯随机变量，能在一个信息块中保持不变，但在下一个信息块中随机变化。使用和分别表示源节点至中继节点链路、源节点至目标节点链路和中继节点至目标节点链路的平均snr。

图6表示场景下的ber。可以看出，本发明实施例所提出的nbod算法的性能能显著提升系统性能。例如，与本发明实施例所提出的方法相比，基于sdf方案、c-mrc方案和mrc方案的解码算法在ber为10^-4时大约有4db，5db和15db的损失。同时，本发明实施例所提出的方法几乎达到了限定，除了mrc算法，其他算法都能实现完全多样性。此外，可以看到本实施例中的nbod算法在t分别为1和2时的差距可以忽略。

综上所述，本发明所提出的一种基于df协议的卷积码编码中继信道的ber近似最优解码的获取方法，通过一种合理定义了分支度量的网格结构，能准确地表示所有可能的中继节点解码错误的场景，并对中继节点解码所引入的错误比特之间的相关性进行准确建模；考虑三节点单向中继信道，本发明实施例在终端采用一种新的，基于上述网格表示的nbod算法。该算法充分利用了现有的解码算法所忽视的事实，即由中继信道传输的错误数据包仍然是有效码字。并且该算法复杂度与信息块的长度呈线性关系，也不需要改变现有的采用传统的df协议的中继节点，且可以扩展到任意的有网格结构的线性分组码上。此外，此算法不用限定源节点和中继节点有相同的卷积码，可以通过跟踪每个卷积码在状态转换期间的相同数量的信息位来构建乘积网格和并行乘积网格。通过本发明实施例所述的基于df协议的卷积码中继信道的ber近似最优解码算法，可以在不同的中继信道场景中实现比现有的解码算法更优的性能。

本发明实施例还提供了如图7所示的一种误码率近似最优解码的获取系统，包括：

模型建立单元701，用于建立三节点单向中继信道的系统模型，所述系统模型中包含源节点、中继节点和目标节点，所述源节点通过所述中继节点向所述目标节点发送源信息；

网格生成单元702，用于根据所述中继节点的所有可能解码错误的情况，及所述中继节点解码所引入的错误比特之间的相关性，生成具有特殊分支度量的网格结构；

信息解码单元703，用于根据所述网格结构，在所述目标节点上构建并行乘积网络，通过bcjr算法和所述并行乘积网络对所述源节点传输的源信息进行计算，得到所述源信息的误码率近似最优解码。

进一步地，所述系统模型中包含源节点到中继节点链路、中继节点到目标节点链路和源节点到目标节点链路，每一链路均为具有信噪比的二进制输入无记忆通道，所述源节点以s表示，所述中继节点以r表示，所述目标节点以d表示，γsd表示所述源节点到目标节点链路的信噪比，γsr表示所述源节点到中继节点链路的信噪比，γrd表示所述中继节点到目标节点链路的信噪比，则：

其中，i,j∈{s,r,d}，hij是i节点和j节点之间的信道增益系数，eb/n0表示信息比特与高斯噪声功率比；

在所述系统模型中，所述源节点、所述中继节点和所述目标节点均工作在不能于同一时间传输和接收数据的半双工模式，且在每次通信过程中包含有两个不同的时隙，其中：

在第一时隙，所述源节点传输的调制符号为xs，所述中继节点监听到的带有噪声的xs的观测为ysr，所述目标节点监听到的带有噪声的xs的观测为ysd，有：

zsr和zsd表示双边功率密度为n0/2每维度的零均值高斯噪声；

所述中继节点对接收到的ysr进行解码，生成作为所述源节点传输码字cs的估计cr，并根据所述估计cr生成传输符号xr；

在第二时隙，所述中继节点将传输符号xr传送至所述目标节点，所述目标节点接收到的具有噪声的xr的观测为yrd，有：

ysd＝hsdxs+zsd，zrd表示双边功率密度为n0/2每维度的零均值高斯噪声。

进一步地，在所述系统模型中，所有传输的符号均具有标准单位功率，则：

所述传输符号xr由所述估计cr通过二进制相移键控调制器bpsk产生。

进一步地，所述网格结构的特殊分支度量用于计算调制符号xs与传输符号xr之间的成对错误概率pep，所述成对错误概率pep用于作为所述中继节点发送传输符号xr至所述目标节点，而所述源节点发送所述调制符号xs的条件概率

条件概率在γsr→∞和t→∞的情况下渐进准确，其中，c1表示常量，r表示所考虑卷积码的码率，0＝θ0≤θ1…≤θt＝π/2，d表示假设xr≠xs的位置个数；

在所述步骤b中，针对条件概率pr(xr|xs)，构建结合xs与xr之间关系的乘积网格，并将条件概率pr(xr|xs)的计算与所述乘积网格的路径度量相关联，其中：

所述乘积网格的路径度量包括：用来反映xs与xr之间关系的条件概率pr(xr|xs)的表示的第一部分，第二部分和第三部分用来表示pr(yrd|xr)和pr(ysd|xs)，pr(yrd|xr)和pr(ysd|xs)分别说明了从中继节点至目标节点链路，与从源节点至目标节点链路所接收到信号的概率；

条件概率pr(xr|xs)的近似值表示为指数函数的和，其总共有t个指数项，其中，表示第t个乘积网格的路径度量的第一部分，即:

其中，l是乘积网格的总深度，di是的位置的数目,和表示从i-1时刻到i时刻，与状态转移有关联的xs和xr各自的子序列，是xs和xr之间的汉明距离，上述等式右边的每一项都是相应的状态转移的分支度量。

进一步地，信息解码单元703具体用于：

首先，在所述目标节点上，根据所述乘积网络构建并行乘积网络，所述并行乘积网络由t个相同的乘积网络组成，每一所述乘积网络均基于在所述源节点和所述中继节点的卷积码的单独网格进行设置；

接着，计算所述并行乘积网络的分支度量；

所述并行乘积网格在第l深度下，从状态s到状态s′的第t个乘积网格的分支度量表示为：

其中，表示在第l个状态转移中，属于yrd的n个相应的符号，表示属于ysd的另外n个相应的符号，在同一时刻，每条分支附属了2n个调制符号，前n个符号，使用表示，为源节点的状态转移；后n个符号，表示中继节点的状态转移，dl表示与不相同的位置的数目；

接着，计算所述并行乘积网络的前向递归指标；

从第t个乘积网格的初始化αt,0＝[1,0,…,0]开始，所述前向递归指标通过下述公式递归地进行计算：

其中，γ表示在第(l+1)个网格深度中到达状态s'的状态集合；

接着，计算所述并行乘积网络的后向递归指标；

初始化βt,h＝[1,0,…,0]，从第t个乘积网格到根部的第l网格深度的后向递归指标通过下述公式递归进行计算：

其中，γ′为在第l个网格深度下连接到状态s的状态集合；

然后，根据所述分支度量、所述前向递归指标和所述后向递归指标计算所述源节点发送的源信息的对数似然比；

所述源信息以us,l表示，所述对数似然比以llr表示，源信息us,l的对数似然比llr通过下述公式进行计算：

其中，γ⁺和γ^-是与us,l＝1和us,l＝0在第l个网格深度下分别对应的(sl,sl+1)状态对的集合；

最后，根据所述对数似然比计算得到所述源信息的误码率近似最优解码。

本发明实施例还提供了一种终端，包括存储器、处理器及存储在存储器上且在处理器上运行的计算机程序，处理器执行计算机程序时，实现如图1所示的误码率近似最优解码的获取方法中的各个步骤。

本发明实施例中还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如图1所示的误码率近似最优解码的获取方法中的各个步骤。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块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全部或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。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。