專利名稱：一種咬尾卷積碼的譯碼方法及譯碼器的制作方法
技術領域：
本發(fā)明涉及通信技術領域，尤其涉及一種咬尾卷積碼的譯碼方法及譯碼器。
背景技術：
數(shù)字通信系統(tǒng)中，糾正發(fā)射機和接收機之間由于信道干擾和噪聲帶來的差錯，是 非常重要的任務。信道編碼器通過人為增加冗余信息，使系統(tǒng)具有檢錯糾錯的能力。全球移 動通訊系統(tǒng)(Global System for MobileCommunications，GSM)增強型數(shù)據(jù)速率(Enhanced Data Rate for GSMEvolution, EDGE)入網(wǎng)(GSM EDGE Radio Access Network, GERAN)演進過程中，始終關注這一問題，其中一種差錯糾正的技術是使用卷積碼對發(fā)送的 數(shù)據(jù)進行編碼。卷積碼使用寄存器來增加碼元間的相關性，從而獲得更高的編碼增益。卷積碼可 以用一個三元有序組(n，k，m)表示。其中，η是一個單位時間編碼輸出的比特數(shù)；k是信息 碼元比特數(shù)，它表示一個單位時間輸入至卷積碼編碼器的信息比特的個數(shù)；m表示卷積碼 的編碼寄存長度，它等于卷積碼編碼器的最大移位寄存器長度。編碼約束長度N = m+1。如 圖1所示，是(2，1，幻編碼器框圖，圖中，D為移位寄存器， 為加法器，編碼輸入1個比特， 輸出2個比特。其網(wǎng)格圖如圖2所示，2個寄存器0/1內(nèi)容組合構(gòu)成4個狀態(tài)(即00、01、 10、11)，圖中，實線代表編碼輸入0時的狀態(tài)轉(zhuǎn)移，虛線代表編碼輸入1時的狀態(tài)轉(zhuǎn)移。卷積碼的譯碼技術維特比算法(Viterbi Algorithm, VA)以網(wǎng)格圖為基礎，其譯 碼過程就是沿著網(wǎng)格圖按照最大似然準則尋找出最佳譯碼序列。當-1代表二進制“1”，+1 代表二進制“0”時，即尋找與接收序列相關函數(shù)(累計度量)最大的序列。其中累積度量 的計算采用加比選方法，如圖3所示，是維特比算法中加比選過程示意圖，在時刻k+Ι，對指 向狀態(tài)i兩支路上的當前累積度量(即前一時刻(k)的舊累積度量加上當前分支度量)進 行比較，度量較大則作為幸存路徑，記錄相應的支路判決值。VA算法就是從某個(或所有) 狀態(tài)開始進行度量累積，計算到最后時刻就得到所有狀態(tài)的累積度量并記錄相應的幸存路 徑，從某特定結(jié)束狀態(tài)就可根據(jù)幸存路徑回溯而得到譯碼輸出序列。卷積碼最終狀態(tài)有兩種策略零尾法(zero termination)和咬尾法 (tailbiting)。零尾法將固定尾比特(通常用全0)添加到信息比特后面，保證編碼器以特 定狀態(tài)(通常即狀態(tài)0)結(jié)束。因此回溯必然是從該狀態(tài)開始，能比較容易和可靠地譯碼。 但附加的尾部降低了比特率，所以GERAN中，零尾法一般用于信息比特較多的數(shù)據(jù)分組。而 對于報文中包含重要信息、信息比特較少的頭部，協(xié)議規(guī)范中使用咬尾卷積碼來編碼。咬尾 法通過在編碼輸出0時刻前預輸入與結(jié)束狀態(tài)相同的各比特，保證編碼器的開始狀態(tài)和結(jié) 束狀態(tài)一致。因此咬尾卷積碼譯碼器在回溯前所依據(jù)的結(jié)束狀態(tài)對譯碼器而言是未知的。VA算法所占的時間和空間復雜度是咬尾卷積碼譯碼器的主要花費。然而由于首末 狀態(tài)未知，現(xiàn)有技術或者多次(一般大于兩次)地執(zhí)行VA算法，或者使用多倍重復輸入序 列長度來進行更長的VA，大大增加了計算復雜度和存儲器使用率?，F(xiàn)有技術中通常根據(jù)咬尾卷積碼首末狀態(tài)一致的特征，把開始狀態(tài)和結(jié)束狀態(tài)一致作為譯碼成功的判定標志。但是，如果某次VA算法后得到的最大累積度量的結(jié)束狀態(tài) 不是真實的結(jié)束狀態(tài)，而其回溯后得到的錯誤的開始狀態(tài)卻仍有一定可能和該結(jié)束狀態(tài)相 同，顯然，這樣得出的輸出序列并不是正確的譯碼結(jié)果。

發(fā)明內(nèi)容
本發(fā)明的目的之一是提供一種咬尾卷積碼的譯碼方法及譯碼器，以減小譯碼花費 和復雜度；本發(fā)明實現(xiàn)簡單。本發(fā)明提出了一種咬尾卷積碼的譯碼方法，從所有狀態(tài)開始，對待譯碼序列執(zhí)行VA算法，得到所有狀態(tài)的累積度量及幸存路 徑；從所述累積度量中找出預設個數(shù)個較大的累積度量，并記錄所述累積度量的結(jié)束 狀態(tài)；根據(jù)所述幸存路徑，按照累積度量從大到小的順序，分別對所述記錄的結(jié)束狀態(tài) 進行回溯，得到相應的開始狀態(tài)和輸出序列；從所述得到的開始狀態(tài)中選出參考狀態(tài)；比較與所述參考狀態(tài)對應的結(jié)束狀態(tài)是否與所述參考狀態(tài)相同，若是，則譯碼序 列等于所述結(jié)束狀態(tài)回溯得到的輸出序列；否則，從所述參考狀態(tài)開始，再次對所述待譯碼 序列執(zhí)行VA算法，得到新的所有狀態(tài)的累積度量及幸存路徑；根據(jù)所述幸存路徑，以所述 參考狀態(tài)作為結(jié)束狀態(tài)進行回溯，得到的輸出序列即為譯碼序列。優(yōu)選地，上述從所有狀態(tài)開始，對待譯碼序列執(zhí)行VA算法前，首先將上述所有狀 態(tài)的累積度量初始化為相同值。優(yōu)選地，上述預設個數(shù)大于等于3。優(yōu)選地，上述從得到的開始狀態(tài)中選出參考狀態(tài)步驟具體包括判斷上述開始狀態(tài)中是否有重復出現(xiàn)的開始狀態(tài)，若是，則上述參考狀態(tài)為重復 出現(xiàn)次數(shù)最多的開始狀態(tài)，若所述重復出現(xiàn)次數(shù)最多的開始狀態(tài)大于一個，則所述參考狀 態(tài)為所述重復出現(xiàn)次數(shù)最多的開始狀態(tài)中較早回溯得到的開始狀態(tài)；否則，上述參考狀態(tài) 為最大的累積度量的結(jié)束狀態(tài)回溯得到的開始狀態(tài)。優(yōu)選地，上述再次對上述待譯碼序列執(zhí)行VA算法前，還執(zhí)行如下步驟將上述參考狀態(tài)的累積度量初始化為0，將其余狀態(tài)的累積度量初始化為相應累 積度量的數(shù)據(jù)格式表示的負最小值。本發(fā)明還提出了一種實現(xiàn)上述方法的譯碼器，包括VA算法模塊、查找模塊、回溯 模塊、狀態(tài)選擇模塊以及比較模塊，上述VA算法模塊，用于對待譯碼序列執(zhí)行VA算法；上述查找模塊，用于從所有狀態(tài)的累積度量中找出預設個數(shù)個較大的累積度量， 并記錄上述累積度量的結(jié)束狀態(tài)；上述回溯模塊，用于對結(jié)束狀態(tài)進行回溯，得到輸出序列；上述狀態(tài)選擇模塊，用于確定參考狀態(tài)；上述比較模塊，用于比較與上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考狀態(tài)相 同，并根據(jù)比較結(jié)果確定譯碼序列。
5
優(yōu)選地，上述VA算法模塊，還用于初始化各狀態(tài)的累積度量。優(yōu)選地，上述查找模塊包括選取子模塊和記錄子模塊，上述選取子模塊，用于從上述所有累積度量中找出預設個數(shù)個較大的累積度量；上述記錄子模塊，用于記錄上述找出的累積度量的結(jié)束狀態(tài)。優(yōu)選地，上述狀態(tài)選擇模塊包括判斷子模塊和參考狀態(tài)確定子模塊，上述判斷子模塊，用于判斷所有開始狀態(tài)中是否有重復出現(xiàn)的開始狀態(tài)；上述參考狀態(tài)確定子模塊，用于根據(jù)上述判斷子模塊的判斷結(jié)果，確定參考狀態(tài)。優(yōu)選地，上述比較模塊包括狀態(tài)對比子模塊、譯碼序列確定子模塊，上述狀態(tài)對比子模塊，用于比較與上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考 狀態(tài)相同；上述譯碼序列確定子模塊，用于根據(jù)上述狀態(tài)對比子模塊的比較結(jié)果，確定譯碼 序列。與傳統(tǒng)的方法相比，本發(fā)明最多僅需執(zhí)行兩次VA算法，且不需要擴展輸入序列及 進行更長的VA，不僅簡化了譯碼復雜度，減小了譯碼花費，并且具有不弱于甚至更強的譯碼 性能。本發(fā)明適合對通信系統(tǒng)中的咬尾卷積碼進行譯碼，比如應用于GERAN系統(tǒng)中。


圖1是卷積碼編碼器結(jié)構(gòu)示意圖；圖2是卷積碼編碼網(wǎng)格圖；圖3是VA算法中加比選過程示意圖；圖4是本發(fā)明所述方法的優(yōu)選實施例流程圖；圖5是譯碼誤幀率(Frame Error Rate, FER)性能曲線對比圖；圖6是本發(fā)明所述譯碼器的第一實施例原理框圖；圖7是本發(fā)明所述譯碼器的第二實施例原理框圖。本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進一步說明。
具體實施例方式下面結(jié)合附圖和優(yōu)選實施例，對本發(fā)明提出的咬尾卷積碼的譯碼方法及譯碼器作 進一步的詳細說明。如圖4所示，是本發(fā)明所述方法優(yōu)選實施例流程圖，包括S401 將所有狀態(tài)的累積度量初始化為相同值，即初始化所有狀態(tài)的累積度量；上述相同值一般為0;S402 從所有狀態(tài)開始，對待譯碼序列執(zhí)行VA算法，得到所有狀態(tài)的累積度量及
幸存路徑；在譯碼開始時，因開始狀態(tài)未知，故需要從所有狀態(tài)開始。S403:從上述得到的累積度量中找出預設個數(shù)M個較大的累積度量，記錄上述找 出的累積度量的結(jié)束狀態(tài)；上述預設個數(shù)一般大于等于3 ；S404 根據(jù)幸存路徑，按照累積度量從大到小的順序，分別對上述各結(jié)束狀態(tài)進行
6回溯，得到各自的開始狀態(tài)和輸出序列；因有M個結(jié)束狀態(tài)，故本步驟得到M個開始狀態(tài)；S405 從上述得到的開始狀態(tài)中選出參考狀態(tài)；本步驟通過如下方法實現(xiàn)S4051 判斷上述得到的開始狀態(tài)中是否有重復出現(xiàn)的開始狀態(tài)，若是，則執(zhí)行 S4052 ；否則，執(zhí)行 S4053 ；S4052 令參考狀態(tài)為重復出現(xiàn)次數(shù)最多的開始狀態(tài)；若上述重復出現(xiàn)次數(shù)最多 的開始狀態(tài)大于一個，則令參考狀態(tài)為上述重復出現(xiàn)次數(shù)最多的開始狀態(tài)中較早回溯得到 的開始狀態(tài)；S4053 令參考狀態(tài)為最大的累積度量的結(jié)束狀態(tài)回溯得到的開始狀態(tài)。S406 比較與上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考狀態(tài)相同，若是，則執(zhí) 行S407 ；否則，執(zhí)行S408 ；S407 令譯碼序列等于上述結(jié)束狀態(tài)回溯得到的輸出序列，譯碼結(jié)束；S408 將上述參考狀態(tài)的累積度量初始化為0，其余狀態(tài)(即除了上述參考狀態(tài)以 外的所有狀態(tài))的累積度量初始化為相應累積度量的數(shù)據(jù)格式表示的負最小值；S409 從上述參考狀態(tài)開始，再次對待譯碼序列執(zhí)行VA算法，得到新的所有狀態(tài) 的累積度量及幸存路徑；S410 根據(jù)幸存路徑，以上述參考狀態(tài)作為結(jié)束狀態(tài)進行回溯，得到輸出序列；S411 令譯碼序列等于上述參考狀態(tài)回溯得到的輸出序列，譯碼結(jié)束。如圖5所示，是使用本發(fā)明所述方法得到的譯碼FER性能曲線與使用現(xiàn)有技術得 到的譯碼FER曲線對比圖；本實施例以GERAN系統(tǒng)中分組業(yè)務(假設該分組業(yè)務簡稱為 SCHM)頭部使用(3，1，6)咬尾卷積碼編碼后，在信噪比(Signal to Noise Ratio, SNR)為 SNR的信道中傳輸后的待譯碼序列的譯碼FER性能曲線為例，對本發(fā)明所述方法及現(xiàn)有技 術的兩種方法進行比較說明，圖中，SCHM-Maxl曲線為現(xiàn)有技術中，從執(zhí)行VA算法得到的累積度量中選取1個最大的 累積度量，對上述最大的累積度量的結(jié)束狀態(tài)進行回溯得到輸出序列，并以該輸出序列為 最終譯碼序列情況下的譯碼FER性能曲線；SCHM-Max3曲線為現(xiàn)有技術中，從執(zhí)行VA算法得到的累積度量中選取3個較大的 累積度量，依次對上述累積度量的結(jié)束狀態(tài)進行回溯，得到當前結(jié)束狀態(tài)的開始狀態(tài)和輸 出序列，比較上述開始狀態(tài)與結(jié)束狀態(tài)是否相同，若相同，則以當前結(jié)束狀態(tài)回溯得到的輸 出序列為最終的譯碼序列；若不同，則對下一個累積度量的開始狀態(tài)進行回溯情況下的譯 碼FER性能曲線；SCHM-TrcE曲線為使用本發(fā)明所述方法得到的譯碼FER性能曲線；從圖上可以看出，使用本發(fā)明所述方法的FER低于使用現(xiàn)有技術方法的FER。如圖6所示，是本發(fā)明所述譯碼器的第一實施例原理框圖，包括VA算法模塊100、 查找模塊200、回溯模塊300、狀態(tài)選擇模塊400以及比較模塊500，VA算法模塊100，用于初始化各狀態(tài)的累積度量；用于對待譯碼序列執(zhí)行VA算法， 得到所有狀態(tài)的累積度量及幸存路徑；本發(fā)明中，VA算法模塊100會執(zhí)行一次或者兩次VA 算法，第一次從所有狀態(tài)開始，第二次從上述參考狀態(tài)開始。
查找模塊200，用于從上述VA算法模塊100得到的累積度量中找出預設個數(shù)M個 較大的累積度量，并記錄找出的累積度量的結(jié)束狀態(tài)；回溯模塊300，用于根據(jù)上述VA算法模塊100得到的幸存路徑，對結(jié)束狀態(tài)(包括 上述查找模塊200記錄的結(jié)束狀態(tài)，以及參考狀態(tài)作為結(jié)束狀態(tài)時的結(jié)束狀態(tài))進行回溯， 得到相應結(jié)束狀態(tài)的開始狀態(tài)和輸出序列；狀態(tài)選擇模塊400，用于從上述回溯模塊300得到的開始狀態(tài)中選出參考狀態(tài)；比較模塊500，用于比較與上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考狀態(tài)相 同，并根據(jù)比較結(jié)果確定譯碼序列。如圖7所示，是本發(fā)明所述譯碼器的第二實施例原理框圖，本實施例與第一實施 例相同之處在于，均包括VA算法模塊100、查找模塊200、回溯模塊300、狀態(tài)選擇模塊400 以及比較模塊500 ；不同之處在于查找模塊200包括選取子模塊201、記錄子模塊202 ；狀態(tài)選擇模塊400包括判斷 子模塊401和參考狀態(tài)確定子模塊402 ；比較模塊500包括狀態(tài)對比子模塊501、譯碼序列 確定子模塊502，其中，選取子模塊201，用于從上述VA算法模塊100得到的所有累積度量中找出預設個 數(shù)M個較大的累積度量；記錄子模塊202，用于記錄上述選取子模塊201找出的累積度量的結(jié)束狀態(tài)；判斷子模塊401，用于判斷上述回溯模塊300得到的所有開始狀態(tài)中是否有重復 出現(xiàn)的開始狀態(tài)；參考狀態(tài)確定子模塊402，用于根據(jù)判斷子模塊401的判斷結(jié)果，確定參考狀態(tài)， 即當上述回溯模塊300得到的開始狀態(tài)中有重復出現(xiàn)的開始狀態(tài)時，令參考狀態(tài)為重復 出現(xiàn)次數(shù)最多的開始狀態(tài)；當上述回溯模塊300得到的開始狀態(tài)互不相同時，令參考狀態(tài) 為最大的累積度量的結(jié)束狀態(tài)回溯得到的開始狀態(tài)；狀態(tài)對比子模塊501，用于比較與上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考 狀態(tài)相同；譯碼序列確定子模塊502，用于根據(jù)狀態(tài)對比子模塊501的比較結(jié)果，生成譯碼序 列，即當參考狀態(tài)對應的結(jié)束狀態(tài)與上述參考狀態(tài)相同時，令譯碼序列等于上述結(jié)束狀態(tài) 回溯得到的輸出序列；當參考狀態(tài)對應的結(jié)束狀態(tài)均與上述參考狀態(tài)不相同時，令譯碼序 列等于從上述參考狀態(tài)開始，對待譯碼序列再次執(zhí)行VA算法，并以上述參考狀態(tài)作為結(jié)束 狀態(tài)進行回溯得到的輸出序列。以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關的技 術領域，均包括在本發(fā)明的專利保護范圍內(nèi)。
權利要求
1.一種咬尾卷積碼的譯碼方法，其特征在于，所述方法為從所有狀態(tài)開始，對待譯碼序列執(zhí)行維特比(VA)算法，得到所有狀態(tài)的累積度量及幸 存路徑；從所述累積度量中找出預設個數(shù)個較大的累積度量，并記錄所述累積度量的結(jié)束狀態(tài)；根據(jù)所述幸存路徑，按照累積度量從大到小的順序，分別對所述記錄的結(jié)束狀態(tài)進行 回溯，得到相應的開始狀態(tài)和輸出序列；從所述得到的開始狀態(tài)中選出參考狀態(tài)；比較與所述參考狀態(tài)對應的結(jié)束狀態(tài)是否與所述參考狀態(tài)相同，若是，則譯碼序列等 于所述結(jié)束狀態(tài)回溯得到的輸出序列；否則，從所述參考狀態(tài)開始，再次對所述待譯碼序列 執(zhí)行VA算法，得到新的所有狀態(tài)的累積度量及幸存路徑；根據(jù)所述幸存路徑，以所述參考 狀態(tài)作為結(jié)束狀態(tài)進行回溯，得到的輸出序列即為譯碼序列。
2.如權利要求1所述的咬尾卷積碼的譯碼方法，其特征在于，所述從所有狀態(tài)開始，對 待譯碼序列執(zhí)行VA算法前，首先將所述所有狀態(tài)的累積度量初始化為相同值。
3.如權利要求1所述的咬尾卷積碼的譯碼方法，其特征在于，所述預設個數(shù)大于等于3。
4.如權利要求1所述的咬尾卷積碼的譯碼方法，其特征在于，所述從得到的開始狀態(tài) 中選出參考狀態(tài)步驟具體包括判斷所述得到的開始狀態(tài)中是否有重復出現(xiàn)的開始狀態(tài)，若是，則所述參考狀態(tài)為重 復出現(xiàn)次數(shù)最多的開始狀態(tài)，若所述重復出現(xiàn)次數(shù)最多的開始狀態(tài)大于一個，則所述參考 狀態(tài)為所述重復出現(xiàn)次數(shù)最多的開始狀態(tài)中較早回溯得到的開始狀態(tài)；否則，所述參考狀 態(tài)為最大的累積度量的結(jié)束狀態(tài)回溯得到的開始狀態(tài)。
5.如權利要求1所述的咬尾卷積碼的譯碼方法，其特征在于，所述從參考狀態(tài)開始，再 次對所述待譯碼序列執(zhí)行VA算法前，還執(zhí)行如下步驟將所述參考狀態(tài)的累積度量初始化為0，將其余狀態(tài)的累積度量初始化為相應累積度 量的數(shù)據(jù)格式表示的負最小值。
6.一種譯碼器，其特征在于，包括VA算法模塊、查找模塊、回溯模塊、狀態(tài)選擇模塊以 及比較模塊，所述VA算法模塊，用于對待譯碼序列執(zhí)行VA算法；所述查找模塊，用于從所有狀態(tài)的累積度量中找出預設個數(shù)個較大的累積度量，并記 錄所述累積度量的結(jié)束狀態(tài)；所述回溯模塊，用于對結(jié)束狀態(tài)進行回溯； 所述狀態(tài)選擇模塊，用于確定參考狀態(tài)；所述比較模塊，用于比較與所述參考狀態(tài)對應的結(jié)束狀態(tài)是否與所述參考狀態(tài)相同， 并根據(jù)比較結(jié)果確定譯碼序列。
7.如權利要求6所述的譯碼器，其特征在于，所述VA算法模塊，還用于初始化各狀態(tài)的累積度量。
8.如權利要求6所述的譯碼器，其特征在于，所述查找模塊包括選取子模塊和記錄子 模塊，所述選取子模塊，用于從所述所有累積度量中找出預設個數(shù)個較大的累積度量； 所述記錄子模塊，用于記錄所述找出的累積度量的結(jié)束狀態(tài)。
9.如權利要求6所述的譯碼器，其特征在于，所述狀態(tài)選擇模塊包括判斷子模塊和參 考狀態(tài)確定子模塊，所述判斷子模塊，用于判斷所有開始狀態(tài)中是否有重復出現(xiàn)的開始狀態(tài)； 所述參考狀態(tài)確定子模塊，用于根據(jù)所述判斷子模塊的判斷結(jié)果，確定參考狀態(tài)。
10.如權利要求6、8或9所述的譯碼器，其特征在于，所述比較模塊包括狀態(tài)對比子模 塊、譯碼序列確定子模塊，所述狀態(tài)對比子模塊，用于比較與所述參考狀態(tài)對應的結(jié)束狀態(tài)是否與所述參考狀態(tài) 相同；譯碼序列確定子模塊，用于根據(jù)所述狀態(tài)對比子模塊的比較結(jié)果，確定譯碼序列。
全文摘要
本發(fā)明涉及一種咬尾卷積碼的譯碼方法及譯碼器，上述方法對待譯碼序列執(zhí)行維特比(VA)算法，從得到的累積度量中找出預設個數(shù)個累積度量，并對其結(jié)束狀態(tài)進行回溯，從得到的開始狀態(tài)中確定參考狀態(tài)；通過比較上述參考狀態(tài)對應的結(jié)束狀態(tài)是否與上述參考狀態(tài)相同，決定是直接得到譯碼序列，還是對上述待譯碼序列再次執(zhí)行VA算法，之后通過回溯得到譯碼序列；所述譯碼器包括VA算法模塊、查找模塊、回溯模塊、狀態(tài)選擇模塊以及比較模塊。本發(fā)明不僅簡化了譯碼復雜度，減小了譯碼花費，具有更強的譯碼性能。
文檔編號H03M13/41GK102142848SQ20101010652
公開日2011年8月3日 申請日期2010年1月28日 優(yōu)先權日2010年1月28日
發(fā)明者黃東曉 申請人:中興通訊股份有限公司