CN101064584A - 多层信道译码方法 - Google Patents

Abstract

一种用于通信系统的多层信道译码方法，包括步骤：a)在每次迭代的每个译码层，计算分支路径度量值；b)对所得到的分支路径度量值进行译码；c)如果当前迭代步是第一次迭代，返回步骤a)，否则，对上次迭代步和当前迭代步输出的结果执行早判决；d)若早判决成功，则本层译码结束，并且利用本层的译码结果来修剪后续其它层的分支路径度量值的计算过程；e)重复所述步骤a)－d)，如果所有的译码层都已标志早判成功，则整个译码迭代过程提前结束；否则直到执行完给定的译码迭代次数。采用上述机制的译码方法，与传统的软输入软输出的SISO方法相比，性能基本类似，且具有较少的计算量，易于实现，并够能有效地降低功耗和译码时延。

Description

多层信道译码方法

技术领域

本发明涉及通信技术领域，尤其涉及通信系统中的一种与编码和调制联合优化的信道编码方法相对应的多层信道译码方法。

背景技术

数字通信系统中，传输信息的速率增加时，系统产生的误码率要增加，如何解决由于提高传输信息速率带来的误码率增加，是通信系统设计和实践中一个很有意义的研究方向。将信道编码与调制相结合联合优化进行信道编码，就可以大大改善系统的性能。

多级信道编码(Multi Level channel code，简称MLC)是信道编码与调制相结合的一种主要方式，也可以将其称作多级或多阶段信道编码，已被一些系统采用，例如全球数字广播系统(DRM)。相应地，开发针对MLC的译码方法已经成为通信领域的研究热点之一。一些文献已描述了采用turbo译码原理来编译MLC的方法，系统能够被看作传统的串行连接的迭代译码结构，只是内部的一个译码器被软解调器(demapper)代替。并且已证明将迭代的多层译码器用于信道编码与调制相结合的系统，能减少比特错误率。那么解调器必须修改以便能够接受来自其它译码层的先验信息。文献[Stephan ten Brink，etc.，Iterative demapping and decoding for multilevel modulation，1998IEEE.]针对这一问题给出了解决方案。

因此对于MLC，一种有效的译码方法就是迭代的多层译码器(multistage decoder，简称MSD)。关于MSD的实现方法，目前主要有两种方案，一种是基于软输入、不同层软输出、最后再进行硬判的软输入软输出译码器(soft-in and soft-output decoder，简称SISO)；另一种是软输入，在不同层进行硬判，即硬输出的译码器(soft-in andhard-decision decoder，简称SIHO)。前者可以采用类似通常所说的基于符号的MAP译码方法，通过保持每个译码层的似然信息，而达到较好的译码性能，但其实现复杂度较高，即使是简化方法Max-log-map，其计算复杂度也至少相当于Viterbi译码器的两倍。后者由于在不同层进行硬判，译码器的复杂度小，但后续层的译码层被强制以概率为一利用以前译码层的结果，如果以前译码层的结果错误，将会造成性能的严重恶化。

综上所述，SISO具有较好的译码性能，但实现复杂度较高；SIHO实现复杂度低，但性能损失却太大。因此需要研究实现复杂度相对低且译码性能较好的多层译码器。

发明内容

因此，为了实现上述目的，本发明提供了一种用于通信系统的多层信道译码方法，包括步骤：a)在每次迭代的每个译码层，计算分支路径度量值；b)对所得到的分支路径度量值进行译码；c)如果当前迭代步是第一次迭代，返回步骤a)，否则，对上次迭代步和当前迭代步输出的结果执行早判决；d)若早判决成功，则本层译码结束，并且利用本层的译码结果来修剪后续其它层的分支路径度量值的计算过程；e)重复所述步骤a)-d)，如果所有的译码层都已标志早判成功，则整个译码迭代过程提前结束；否则直到执行完给定的译码迭代次数。

采用上述机制的译码方法，与传统的软输入软输出的SISO方法相比，性能基本类似，且具有较少的计算复杂度，易于实现，能很好的降低功耗，译码时延较小。

附图说明

图1L层MQAM调制的信道编码示例；

图2一种应用于多级编码调制的多层译码方法；

图3在DRM系统中采用64QAM调制的3层信道编码示例；

图4在DRM系统中3层信道编码对应的多层译码框图；

图5在DRM系统中3层信道编码对应的多层译码方法流程图；

图6在DRM信道2下方法SISO、SIHO和SISHO的BER信能曲线比较；

图7在DRM信道3下方法SISO、SIHO和SISHO的BER信能曲线比较；

图8在DRM信道4下方法SISO、SIHO和SISHO的BER信能曲线比较。

具体实施方式

参考图1，考虑卷积码和M进制的正交调幅调制MQAM(QuadratureAmplitude Modulation)(M＝2^m)相结合的编码方式，每个m-维向量u_k＝{u_k，1，u_k，2，...，u_k，m}将映射到MQAM中的M个星座点之一。在某个时间k，能用一组(X_k，Y_k)实值符号来表示，因此相应地在时间k接收信号(A_k，B_k)可以写作：

           A_k＝a_kX_k+I_k，B_k＝a_kY_k+Q_k，       (1)

其中a_k是瑞利随机衰落信道，I_k和Q_k，是两个不相关的高斯燥声，均值是零，方差是σ_N ²。

与每个编码器输出比特u_k，i，i＝1，...，L，相关的软决策信息的似然值Logarithm Likelihood Ratio(LLR)，也即译码方法中的解调器的分支路径度量值，可以表示为：

$L\left(u_{k,i}\right)=\log \frac{P\{u_{k,i}=1/(A_k,B_k)\}}{P\{u_{k,i}=0/(A_k,B_k)\}}...\left(2\right)$

很明显，当u_k，i＝1和u_k，i，＝0各对应于MQAM中的M/2不同的星座点。也就是说，对于每个比特u_k，i，MQAM星座点被分为两个互不相交的子集。假定集合C₁(i)包含满足u_k，i＝1的M/2个星座点(X_n，Y_n)，集合C₀(i)包含满足u_k，i＝0的M/2个星座点(X_n，Y_n)，这里n＝1，2...M/2。在文献[Xingyu Gu等，A novel Efficient Soft Output DemodulationAlgorithm for high Order Modulation，CIT’04，IEEE]给出的一个简化的LLR的计算方法为：

$L\left(u_{k,i}\right)=\frac{{a_k}^2}{2{\mathrm{\σ}}_N^2}\left[\underset{(X_n,Y_n)\∈C_0\left(i\right)}{\mathrm{Min}}\right\{{{(x_k-X_n)}^2+(y_k-Y_n)}^2\}-\underset{(X_n,Y_n)\∈C_1\left(i\right)}{\mathrm{Min}}\{{(x_k-X_n)}^2+{(y_k-Y_n)}^2\left\}\right]$

                 i＝0，1...L-1，              (3)

这里 $x_k=\frac{A_k}{a_k},$ $y_k=\frac{B_k}{a_k}.$

对于一个含有平方个星座点的MQAM信号集而言，它能够分解为两个独立的

维调制的信号集。也就是说对于一个含有平方个星座点的MQAM信号集而言，其同相(in-phase)分量X_n和正交(quadrature)分量Y_n能够被独立映射。因此，编码后比特序列{u_k，i}i＝1，2，...，L能够划分为两部分：他们中的一部分映射到星座点集{X_n，Y_n}中的同相分量X_n；另一部分映射到星座点集{X_n，Y_n}中的正交分量Y_n。用集合S_X表示包含映射到同相分量X_n的u_k，i，S_Y表示包含映射到正交分量Y_n的u_k，i，并且集合S_X，0(i)和S_X，1(i)是包含分别满足u_k，i＝1和u_k，i＝0的对应值，那么公式(3)能够进行如下简化：

$L\left(u_{k,i}\right)=\frac{{a_k}^2}{2{\mathrm{\σ}}_N^2}[\underset{X_n\∈S_{X,0}\left(i\right)}{\mathrm{Min}}\left\{{(x_k-X_n)}^2\right\}-\underset{X_n\∈S_{X,1}\left(i\right)}{\mathrm{Min}}\left\{{(x_k-X_n)}^2\right\}],$ u_k，i∈S_X

(4)

$L\left(u_{k,i}\right)=\frac{{a_k}^2}{2{\mathrm{\σ}}_N^2}[\underset{Y_n\∈S_{Y,0}\left(i\right)}{\mathrm{Min}}\left\{{(y_k-Y_n)}^2\right\}-\underset{Y_n\∈S_{Y,1}\left(i\right)}{\mathrm{Min}}\left\{{(y_k-Y_n)}^2\right\}],$ u_k，i∈S_Y

(5)

不难看出，利用公式(4)和(5)去计算的u_k，i的LLR值，仅需要计算一维距离，而不是如公式(3)中的两维距离。并且仅需要计算大小为

的两个集合的距离，而不是计算大小为M/2两个集合的距离，因此减少了计算复杂度。

考虑比特u_k，i的似然值L-value的先验信息L_a(u_k，i)，以及来自其它译码层j的可靠性信息L_a(u_K，j)，不考虑常量σ_N，(4)和(5)能够写为如下(6)和(7)：

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{X_n\∈S_{X,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j=0,j\≠i}{\overset{M-1}{\mathrm{\Σ}}}{L}_a\left(u_{k,j}\right)\}-\underset{X_n\∈S_{X,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j=0,j\≠1}{\overset{M-1}{\mathrm{\Σ}}}{L}_a\left(u_{k,j}\right)\}$

                    u_k，i∈S_X         (6)

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{Y_n\∈S_{Y,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j=0,j\≠i}{\overset{M-1}{\mathrm{\Σ}}}{L}_a\left(u_{k,j}\right)\}-\underset{Y_n\∈S_{Y,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j=0,j\≠1}{\overset{M-1}{\mathrm{\Σ}}}{L}_a\left(u_{k,j}\right)\}$

                    u_k，i∈S_Y         (7)

迭代多层译码器的计算量主要由解调器的LLR值的计算、内部译码器和给定的迭代次数决定。

在多级编码方式中，如图1，MQAM信号集的同相(in-phase)分量X_n和正交(quadrature)分量Y_n被单独映射。例如考虑MQAM机制中每个同相分量，其对应的每L-维向量u_k＝{u_k，0，u_k，1，...，u_k，L-1}将成功的划分在L层(Levels)上，其定义了一个从u_k＝{u_k，0，u_k，1，...，u_k，L-1}到星座点a_m的二进制的地址映射。例如L＝3时，每个正交分量将映射到如下的星座点地址a_m＝(u₀，u₁，u₂)：a0＝(0，0，0)，a1＝(0，0，1)，a2＝(0，1，0)，a3＝(0，1，1)，a4＝(1，0，0)，a5＝(1，0，1)，a6＝(1，1，0)，a7＝(1，1，1)。同理MQAM机制中每个正交分量对应的每L-维向量u_k＝{u_k，0，u_k，1，...，u_k，L-1}也将成功的划分在L层(Levels)上，其也定义了一个从u_k＝{u_k，0，u_k，1，...，u_k，L-1}到星座点a_m的二进制的地址映射。这里 $2^L=\sqrt{M}.$

注意到当这个地址中的一个或两个比特固定来计算LLR时，只需考虑S_X的一个小子集。例如，如果u_k，0＝1和u_k，1＝1，那么仅a3和a7是合法的星座点。

根据公式(5)和(6)，解调器中LLR的计算复杂度与集合S_X，0(i)和S_X，1(i)的大小成正比，如果能够减少这些集合的大小，那么计算复杂度也能相应减少。

例如，考虑第0层，即i＝0，那么S_X，0(i)＝{000，001，010，011}，包含四个元素。如果1层的比特序列被成功的早判决(决定)，那么就能使用这个信息去成功的选择S_X，0(i)的一个合法子集，C_X，0(i)＝{0X0，0X1}。因此S_X，0(i)集合的大小降低了一半，相应地解调器的LLR的计算复杂度也降低了一半。如果第1层和第2层的比特序列都能够尽早获知，那么C_X，0(i)＝{0XX}，解调器的LLR的计算复杂度就能相应地降低3/4。

根据以上分析，(6)和(7)能够简化为如下(8)和(9)：

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{X_n\∈C_{X,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}-\underset{X_n\∈C_{X,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}$

               u_k，i∈S_X                 (8)

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{Y_n\∈C_{Y,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}-\underset{Y_n\∈C_{Y,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}$

               u_k，i∈S_Y                 (9)

这里C_X，0(i)是集合S_X，0(i)裁剪后的子集，C_X，1(i)是集合S_X，1(i)裁剪后的子集。集合D表示到目前为止没有被成功译码的层(bits)。例如考虑3层编码，假定当前的译码层是1，如果第0层早判决成功，第1层早判决失败，那么集合D＝{1}。

综上所述能够构造一种新的简化方法，即基于SISO，早判决机制被使用，如果在某个译码层，早判决成功，那么此层的译码过程结束，并且以概率1利用这个早判结果去修剪其它层的分支路径度量值的计算过程(只计算一个较小子集)；如果所有层都早判决成功，则整个译码过程结束，即使没有执行完给定的译码迭代次数。这种方法简称为SISHO。

因此本发明提出的一种低复杂度的多层译码方法，参照图2，主要包含如下步骤：

在201步：在每次迭代的每个译码层i，根据所述公式(8)和(9)计算分支路径度量值(LLR)；

在202步：若发端该层包含交织运算，则将所得的分支路径度量值进行相应的解交织运算；

在203步：将解交织运算后的值送入内部译码器进行译码；

在204步：将内部译码器输出的结果，根据发端该层是否进行交织进行处理，如果发端该层执行交织，则执行软卷积和交织；

在205步：对上述两次迭代输出的结果，执行早判决；

在206步：若早判决成功，则本层译码结束，并且利用这个信息去修剪其它层的分支路径度量值的计算过程，即充分利用星座图的信息，去更新集合D，C_X，0(i)、C_X，1(i)、C_Y，0(i)和C_Y，1(i)；

在207步：如果所有的译码层都已标志早判决，则整个译码过程结束，即使没有执行完给定的译码迭代次数；否则转步骤201步。

在202和204步，按照与发端同样的交织模板执行相应的比特交织和解交织；

在205步，早判决仅在第二次迭代后做，并且可以选用多种方式，例如硬判决：对两次迭代输出的软信息序列进行符号判决，若均相同，则早判决成功，否则失败；或者也可以设立一阀值，若两次迭代输出的软信息序列的符号不同的个数小于这一阀值时，则早判决成功；否则失败；也可以是其它的判决方法。

发明的实施例

在DRM规范中，参照图3，采用3层的多阶信道编码方式。显然，本发明的应用并不局限于DRM规范。采用本发明提出的译码方法，其对应的多层译码器框图如图4。一种具体的实现流程图如图5，主要包括如下步骤：

在501步：初始化每层的译码结束标志LevelCorrect[i]＝FALSE，i＝0...L-1；

在502步：初始化循环变量k为0，这里k为迭代次数；

在503步：如果k＜给定的迭代次数，则继续下一步，否则译码结束；

在504步：初始化循环变量j为0，这里j＝0...L-1表示编码的层次；

在505步：如果j＜L，则继续下一步，否则k＝k+1进行下次迭代；

在506步：如果当前层j的译码结束标志LevelCorrect[j]＝TRUE，则j＝j+1，进行下一层译码，转到505步；否则继续下一步；

在507步：如果(k＞0)，则置早判决标志为TRUE，否则为FALSE；

在508步：根据所述公式(8)和(9)计算分支路径度量值LLRm；

在509步：对分支路径度量值LLRm执行比特解交织；

在510步：将解交织后的结果送入前、后向迭代的软输出的内部译码器；

在511步：如果k＜给定的迭代次数或者k等于给定的迭代次数但不是最后一层，则继续下一步，否则执行514步；

在512步：对内部译码器的输出结果进行软卷积；

在513步：对所述软卷积的结果La[j]按照与发端给定的该层使用的交织模板进行比特交织；

在514步：如果Hdecision＝＝TRUE，则进行早判决；否则执行516步；

在515步：对于当前层，如果上两次内部译码器输出的结果序列的符号位对应都相同，即Sign(LLRd)＝＝Sign(temp_LLRd)，则置LevelCorrect[j]为TRUE，表示本层译码过程结束；

在516步：如果所有层的译码结束标志LevelCorrect[i]都为TRUE，i＝0...L-1，则整个译码过程结束，否则j＝j+1，且转到505步。

采用上述方法进行了仿真，一些仿真假设和仿真参数如表1所示。

                表1仿真假设和仿真参数

Parameter	Assumption/Value
		Spectrum occupancy	3(10k)
Robustness Mode	Mode A for Channel 2；Mode B for Channel3 and 4
		Modulation	64 QAM for MSC
Coding rate	R is 0.6，i.e.，protection level is set 1.
		Cell-wise interleaving	Long，2s
Channel Estimation	Linear interpolation in time & frequencydirection
		Iterations Number	4
Signal power	Includes pilots and guard interval
		BER calculation	MSC service
AGC	On
		Sync	OFF

在DRM规范定义的信道2，3，4下，三种方法SISO、SIHO和本发明提出的方法SISHO的性能曲线的比较如图6，7，8。并且在仿真过程中，本发明提出的SISHO方法，实际的迭代次数，在信道2、3、4下，分别是2.977、2.041和2.23，均小于给定的迭代次数。

参照图6，7，8，本发明提出的方法具有与SISO类似的性能，且本发明的方法要好于SIHO。

选用DRM信道4，下面对本发明提出的方法的计算复杂度进行分析。在下面的描述中Mul表示乘法运算，Add表示加法运算。

根据公式(7)和(8)，对于某层i，考虑X和Y两个方向，计算L(u_k，i)所需的运算为2*[8*(3Mul+1Add)+1Add]＝16*(3Mul+2Add)+2Add。(用Y0表示)

当|C_X，0(i)|＝1，L(u_k，i)的计算复杂度，考虑X和Y两个方向，是2*[4*(3Mul+1Add)+1Add]＝8*(3Mul+2Add)+2Add。(用Y1表示)。(注意|C_X，0(i)|表示集合C_X，0(i))包含的元素个数)。

当|C_X，0(i)|＝0，L(u_k，i)的计算复杂度，考虑X和Y两个方向是2*[(3Mul+1Add)+1Add]＝2*(3Mul+1Add)+2Add。(用Y2表示)。

所以在SISO和SISHO两种方法中，计算LLR的复杂度比较如表2，在BER＝10e-4工作点。

仅考虑不同简化情况下每层的实际执行次数。假定L[i]是层i的实际执行次数，S1[i]是当|C_X，0(i)|＝1时层i的执行次数；S2[i]是当|C_X，0(i)|＝0时，层i的执行次数。为了描述方便，每层所包含的比特数在下面的复杂度分析中不予考虑，因为他们在不同的方法中贡献是相同的。

根据表2，在信道4下，当执行的帧数为10000，在SISHO方法中，LLR的计算复杂度是：

Y0：(22354-460-1861)+(20493-7858-367)+(20033-1859-7702)＝42773

Y1：460+7858+1859＝10177

Y2：1861+367+7702＝9930

因此在SISHO方法中，总的LLR的计算复杂度是：42773*Y0+10177*Y1+9930*Y2，那也就是：

Mul：y0*16*3+y1*8*3+y2*2*3＝2356,932

ADD：y0*(16*2+2)+y1*(8*2+2)+y2*(2*2+2)＝1697,048

在SISO方法中，LLR的计算复杂度是4*10000*3*y0，即5760,000MUL和4080,000 ADD.

因此，在方法SISHO和SISO中，关于LLR的计算复杂度的比较是：2356,932/5760,000＝0.4，ADD＝1697048/4080000＝0.4159，如表3所示。

           表2在不同的信道条件下LLR的计算复杂度比较

ChannelType/FrameNumber	Averageiterativenumbers	L[0:2]	S1[0:2]	S2[0:2]
					Channel2(12500)with SISHO	2.977	369082641425009	1406 68310599	10493 1368496
Channel3(37500)with SISHO	2.041	764627536275041	322 361781106	1099 26136076
					Channel4(10000)with SISHO	2.23	223542049320033	460 78581859	1861 3677702
Channel 2、3、4withSISO	4	4*3*FrameNumberOf channel2-4	NULL	NULL

Table 3在信道4下LLR的计算复杂度比较

	SISHO	SISO	SISHO/SISO
				MUL	2356,932	5760,000	0.4
ADD	1697,048	4080,000	0.4159

综上所述，本发明提出的多层信道译码方法SISHO所需的计算量，与SISO方法相比，乘法仅占SISO的40％，加法仅占SISO的41％，并且从性能比较结果看本发明所提出的方法能获得与方法SISO基本类似的性能。

本发明提出了一种用于多级编码的多层信道译码方法，其主要优点在于

1)在迭代译码的过程中，提前判决机制被使用，从而使实际执行的迭代次数减少；

2)若某译码层提前判决成功，则该层译码结束，并且利用这层的判决结果去修剪其它层的译码过程；从而使其它层译码过程所需的计算量大大减少；

3)若所有层都提前判决成功，则整个译码过程结束，即使没有达到给定的迭代次数，

4)与软输入软输出的SISO方法相比具有基本类似的性能；

5)译码时延较小；

6)与软输入软输出的SISO方法相比，具有较少的计算复杂度，易于实现，且能很好的降低功耗；

7)能有效地减少相关硬件的设计的复杂度，节约了成本，保证了在高速传输速率和更高维调制方式的情况下，误码率不增加或增加很少。

Claims (11)

1.一种用于通信系统的多层信道译码方法，包括步骤：

a)在每次迭代的每个译码层，计算分支路径度量值；

b)对所得到的分支路径度量值进行译码；

c)如果当前迭代步是第一次迭代，返回步骤a)，否则，对上次迭代步和当前迭代步输出的结果执行早判决；

d)若早判决成功，则本层译码结束，并且利用本层的译码结果来修剪后续其它层的分支路径度量值的计算过程；

e)重复所述步骤a)-d)，如果所有的译码层都已标志早判成功，则整个译码迭代过程提前结束；否则直到执行完给定的译码迭代次数。

2.如权利要求1所述的方法，其特征在于，对译码迭代结束后输出的各译码层的似然信息进行符号判决，以得到对应编码前的各层比特序列的估计值。

3.如权利要求1所述的方法，其特征在于，所述计算分支路径度量值的步骤包括步骤：计算经过信道均衡后的接收信号与调制星座点信号的距离。

4.如权利要求3所述的方法，其特征在于，分别针对经过信道均衡后的接收信号的同相分量和正交分量来进行计算。

5.如权利要求4所述的方法，其特征在于，对于经过信道均衡后的接收信号的同相分量，按照如下公式来计算分支路径度量值：

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{X_n\∈C_{X,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}-\underset{X_n\∈C_{X,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(x_k-X_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}$

其中u_k，i，表示多级编码器k时刻的输出比特，u_k，i∈S_X，S_X包含映射到MQAM星座点信号集中同相分量X_n的u_k，i；a_k是瑞利随机衰落信道， $x_k=\frac{A_k}{a_k},$ A_k是时刻k接收信号的同相分量；X_n是MQAM星座点信号集中对应的同相分量，C_X，0(i)是集合S_X，0(i)裁剪后的子集，C_X，1(i)是集合S_X，1(i)修剪后的子集。这里集合S_X，0(i)和S_X，1(i)是S_X中包含分别满足u_k，i＝1和u_k，i＝0的对应值；L_a(u_k，j)是来自其它层的先验信息。

6.如权利要求4所述的方法，其特征在于，对于经过信道均衡后的接收信号的正交分量，按照如下公式计算分支路径度量值：

$L\left(u_{k,i}\right)=L_a\left(u_{k,i}\right)+\underset{Y_n\∈C_{Y,0}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}-\underset{Y_n\∈C_{Y,1}\left(i\right)}{\mathrm{Min}}\{{a_k}^2{(y_k-Y_n)}^2+\underset{j\∈D}{\mathrm{\Σ}}{L}_a\left(u_{k,j}\right)\}$

其中u_k，i，表示多级编码器k时刻的输出比特，u_k，i∈S_Y，S_Y包含映射到MQAM星座点信号集中正交分量Y_n的u_k，i；a_k是瑞利随机衰落信道， $y_k=\frac{B_k}{a_k}.$ B_k是时刻k接收信号的正交分量；Y_n是MQAM星座点信号集中对应的正交分量；C_Y，0(i)是集合S_Y，0(i)裁剪后的子集，C_Y，1(i)是集合S_Y，1(i)裁剪后的子集。这里集合S_Y，0(i)和S_Y，1(i)是S_Y中包含分别满足u_k，i＝1和u_k，i＝0的对应值；L_a(u_k，j)是来自其它层的先验信息。

7.如权利要求1所述的方法，其特征在于，如果发送端处对应层包含交织运算，则计算分支路径度量值的步骤还包括步骤：对得到的分支路径度量值进行相应的解交织运算；以及

所述译码步骤还包括步骤：对译码的结果执行软卷积和比特交织。

8.如权利要求1所述的方法，其特征在于，采用硬判决来执行所述早判决，所述硬判决包括比较两次译码输出的软信息的符号是否全相同，如果相同，则早判决成功，否则早判决失败。

9.如权利要求1所述的方法，其特征在于，采用以下方式来执行所述早判决：设置阀值，若两次迭代输出的软信息的符号的不同的个数小于所述阀值，则早判决成功，否则失败。

10.如权利要求1所述的方法，其特征在于，所述修剪步骤包括步骤：更新集合D，C_X，0(i)，C_X，1(i)，C_Y，0(i)和C_Y，1(i)。

11.如权利要求4、5或10所述的方法，其特征在于，集合D表示到目前为止没有被成功译码的层。

Images