非对数域最大后验概率Turbo译码方法

摘要

本发明公布了一种数字通信差错控制并行级联卷积特博(Turbo)码的非对数域最大后验概率(MAP)译码方法。本译码方法使用单极性二进制信号{0，1}代替传统的双极性二进制信号{+1，-1}来实现状态转移概率测度的计算，从而得到一种非对数域的软输入软输出(SISO)迭代译码算法。

主权项

1、一种非对数域最大后验概率Turbo译码方法，该方法采用两个完全相同的软输入软输出(SISO)译码流程对通信系统接收端解调器输出的信息比特实数观测值序列和校验比特实数观测值序列进行译码，每个软输入软输出(SISO)译码流程内部包括前向迭代、后向迭代和外信息计算三个运算步骤，其特征在于：(1)第j个(j＝0，1)软输入软输出(SISO)译码流程有三个实数输入信号序列，分别是指数信息比特实数观测值$x_k^{/}=\exp \left(L_c{x}_k\right),$指数校验比特实数观测值$y_{j,k}^{/}=\exp \left(L_c{y}_{j,k}\right)$和信息比特先验概率似然比l_{(j+1)mod2，k}，其中，x_k是通信系统接收端解调器输出的第k个信息比特X_k的实数观测值，y_j，k是对应于第j(j＝0，1)个系统递归卷积(RSC)分量编码器输入信息比特X_k时输出的校验比特Y_j，k的实数观测值，L_c为信道可靠性测度，L_c＝4/N₀，N₀为高斯白噪声(AWGN)的单边功率谱密度；(2)第j个(j＝0，1)软输入软输出(SISO)译码流程有两个实数输出信号序列，分别是送到另一个软输入软输出(SISO)译码流程的先验概率似然比1j，k和用作译码判决的后验概率似然比Λ(X_k)，其中，$\Lambda \left(X_k\right)=x_k^{/}{l}_{0,k}{l}_{1,k},$当Λ(X_k)≥1时，将X_k译为1，否则将X_k译为0；(3)第j个(j＝0，1)软输入软输出(SISO)译码流程输出的关于第k个信息比特X_k的先验概率似然比为$l_{j,k}=\frac{\underset{s^{\prime }}{\Sigma }{\alpha }_{k-1}\left(s^{\prime }\right){\gamma }_k^{\left(e\right)}\left(Y_{s^{\prime }}^{\left(1\right)}\right){\beta }_k\left(t_{s^{\prime }}^{\left(1\right)}\right)}{\underset{s^{\prime }}{\Sigma }{\alpha }_{k-1}\left(s^{\prime }\right){\gamma }_k^{\left(e\right)}\left(Y_{s^{\prime }}^{\left(0\right)}\right){\beta }_k\left(t_{s^{\prime }}^{\left(0\right)}\right)},$其中，当$Y_{s^{\prime }}^{\left(i\right)}=0(i=\mathrm{0,1})$时，信息比特X_k的先验概率似然比的状态转移概率测度${\gamma }_k^{\left(e\right)}\left(Y_{s^{\prime }}^{\left(i\right)}\right)=1,$否则，当$Y_{s^{\prime }}^{\left(i\right)}=1$时，${\gamma }_k^{\left(e\right)}\left(Y_{s^{\prime }}^{\left(i\right)}\right)=y_{j,k}^{/};$而前向迭代计算公式为${\alpha }_k\left(s\right)=\frac{\underset{s^{\prime }}{\Sigma }\underset{i}{\Sigma }{\alpha }_{k-1}\left(s^{\prime }\right){\gamma }_k(i,Y_{s^{\prime }}^{\left(i\right)})}{\underset{s}{\Sigma }\underset{s^{\prime }}{\Sigma }\underset{i}{\Sigma }{\alpha }_{k-1}\left(s^{\prime }\right){\gamma }_k(i,Y_{s^{\prime }}^{\left(i\right)})},$(i＝0，1)，后向迭代计算公式为${\beta }_k\left(s\right)=\frac{\underset{s^{\prime }}{\Sigma }\underset{i}{\Sigma }{\beta }_{k+1}\left(s^{\prime }\right){\gamma }_{k+1}(i,Y_t^{\left(i\right)})}{\underset{s}{\Sigma }\underset{s^{\prime }}{\Sigma }\underset{i}{\Sigma }{\alpha }_k\left(s^{\prime }\right){\gamma }_{k+1}(i,Y_{s^{\prime }}^{\left(i\right)})},$(i＝0，1)计算，其中，状态转移概率测度γ_k(i，Y_m⁽ⁱ⁾)的全部4种可能值按下表计算。