CN103259628A - 基于模型匹配的误码率估算方法及装置 - Google Patents

Abstract

本发明公开了基于模型匹配的误码率估算方法及装置。该方法包括：对所述接收信号进行解码，获得去冗余数据块；校验所述去冗余数据块；当校验正确时，对所述去冗余数据块进行编码，获得冗余数据块；比较所述接收信号与所述冗余数据块，计算误码率；以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。采用本发明，可以根据实时更新的二维样本子集，从备选误码曲线模型中进行匹配，能适应信道时变性，达到可靠的估算通信链路质量的目的。

Description

基于模型匹配的误码率估算方法及装置

技术领域

本发明涉及无线通信领域，特别是涉及基于模型匹配的误码率估算方法及装置。

背景技术

误码率估算主要用于评估通信链路的质量，为功控及其他无线资源调度提供重要参考。然而在无线通信中，信道环境复杂多变，通信质量也受终端状态及周边站点部署情况等诸多因素的影响，各种因素交织在一块，使得精确估算误码率变得非常困难。

首先，由仿真模型估算误码率的方法较为普遍，例如，先通过统计解调所得软比特信息的方差，再通过仿真所得方差与误码率的映射曲线来估算误码率；又例如，通过仿真确定一个门限值，对解调得到的软比特信息进行可信度判定，用权值小于门限值的个数除以总个数，得到误码率。以上这些提及的方法存在一个共性问题：各类门限都是基于仿真且门限取值固化，未能实时的适应多变的信道模型，因此效果不好。

有的误码率估算方法是通过解调导频信号，利用导频信号的已知性，来估算误码率，该方法需大量增加运算量（以GSM为例，该方法增加18.3%的运算开销），此外该方法还存在误码率估算准确度、估算分辨率低下的其他问题。

又有的误码率估算方法，通过预仿真，在各个信道环境下，建立C/I与误码的映射关系，通过估算C/I后，再查询映射关系来获得误码率，该方法虽能一定程度上丰富映射关系模型，但并未能给出实时从备选模型中选得最佳匹配模型的方法，最终导致只能根据人为的判断，选择一个模型固化下来投入应用，大大限制其应用场景。

发明内容

基于此，有必要针对上述问题，提供一种基于模型匹配的误码率估算方法及装置，能够提供一种低代价的，能更广泛的实时适应各类信道模型变化的误码率估算方法。

一种基于模型匹配的误码率估算方法，包括：

对所述接收信号进行解码，获得去冗余数据块；

校验所述去冗余数据块；

当校验正确时，对所述去冗余数据块进行编码，获得冗余数据块；

比较所述接收信号与所述冗余数据块，计算误码率；

以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。

相应地，一种基于模型匹配的误码率估算装置，包括：

重编码单元，用于获取冗余数据块；所述重编码单元，具体包括：

解码单元，用于对所述接收信号进行解码，获得去冗余数据块；

与所述解码单元相连的校验单元，用于校验所述去冗余数据块；

与所述校验单元相连的编码单元，用于对所述去冗余数据块进行编码，获得冗余数据块；

与所述重编码单元相连的误码率计算单元，用于比较所述接收信号与所述冗余数据块，计算误码率；

与所述误码率计算单元相连的特征库构建单元，用于以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

与所述特征库构建单元相连的误码率输出单元，用于根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。

实施本发明，具有如下有益效果：

本发明只需采用重编码及少数点构建误码特征参数匹配最佳的误码率，克服了因实时解析导频所引起的运算开销急剧增加的问题；另外，借助现有技术基于预仿真产生判决门限值、预仿真产生映射曲线的固化关系等提供的备选误码曲线模型，根据实时更新的二维样本子集，从备选误码曲线模型中进行匹配，能适应信道时变性，达到可靠的估算通信链路质量的目的。

附图说明

图1为本发明基于模型匹配的误码率估算方法的流程图；

图2为本发明基于模型匹配的误码率估算方法的实施例流程图；

图3为本发明实施例的误码率估算性能示意图；

图4为本发明基于模型匹配的误码率估算装置的示意图；

图5为本发明基于模型匹配的误码率估算装置的实施例流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

图1为本发明基于模型匹配的误码率估算方法的流程图，包括：

S101：对所述接收信号进行解码，获得去冗余数据块；

S102：校验所述去冗余数据块；

S103：当校验正确时，对所述去冗余数据块进行编码，获得冗余数据块；

S104：比较所述接收信号与所述冗余数据块，计算误码率；

S105：以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

S106：根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。其中，频度为系统在某信道上对终端的调度周期。

本发明方法先对接收信号进行重编码得到冗余数据块，通过比对接收信号与冗余数据块的差异来获得当前的误码率，并以当前信噪比跟误码率为二维样本子集，根据预期接收频度查询所述二维样本子集，输出当前的误码率；频度:系统在某信道上对终端的调度周期。如果重编码不完全正确，则以二维样本子集为参考样本，从备选误码率模型中选得最匹配的误码率，得到当前的误码率。采用本专利的误码率估算方法，能适应信道时变性，实时匹配最佳的误码率，同时克服了因实时解析导频所引起的运算开销急剧增加的问题。

现有技术在重编码校验不通过时，将误码率设置为校验正确时的误码率，该做法缺乏科学性，没能认知校验不正确说明数据存在更大误码率可能这一事实，因此，做法不可取；第二，将校验不通过的误码率设置为一个固定门限或者由校验正确的误码率直接推算校验不正确的误码率，该做法未能找出校验错误接收信号与校验正确时接收信号间的换算关系量，未能提出科学的估算模型，因此不够准确；第三，只能由过去的误码率估算将来的误码率，对于校验正确前各个数据块的误码率估算无法实现，导致进一步恶化测量周期的误码率估算结果。

相比之下，本发明借助现有技术基于预仿真产生判决门限值、预仿真产生映射曲线的固化关系等提供的备选误码曲线模型，根据实时更新的二维样本子集，从备选误码曲线模型中进行匹配，达到可靠的估算通信链路质量的目的。

图2为本发明基于模型匹配的误码率估算方法的实施例流程图；

S201：对所述接收信号进行解码，获得去冗余数据块；

S202：校验所述去冗余数据块；

S203：当校验正确时，对所述去冗余数据块进行编码，获得冗余数据块；

S204：比较所述接收信号与所述冗余数据块，计算误码率；

S205：以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

S206：以所述计算获得的误码率作为最佳的误码率，并以该误码率和相应的信噪比，作为所述二维样本子集的有效节点；

S207：当校验不完全正确时，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数，选择与所述当前特征参数最接近的备选特征参数相对应的误码率曲线模型作为最匹配曲线模型，在所述最匹配曲线模型中查询当前的信噪比对应的误码率，作为最佳的误码率。

S208：输出当前的误码率。

所述步骤S201的解码过程与步骤S203中编码互为逆过程，涉及编码多项式一致；如果接收信号为穿刺后的信号，则应该先对接收信号进行解穿刺后再进行解码。解穿刺与穿刺互为逆向过程，如果发送对端没有采用穿刺，则后续的步骤也无需解穿刺。例如，对输入信号B0解穿刺、解码，得到去冗余数据块B1；所述步骤S201、步骤S203中提及的编解码包括任何带有纠错能力的编解码方式，对具体的编解码方式不做限制；检查接收数据是否正确可靠，对于具体的校验方式不做限制，如果校验正确，则对B1进行编码、穿刺，得到冗余数据块B2。比对B0与B2的差异性，得到当前误码率。码率的计算方法为，B0硬判结果与B2取值不一致的个数总和S0，除以B0比特总数S1所得，即误码率由S0/S1求得。

以当前信噪比、误码率为二维样本子集，构建二维样本子集（其中，信噪比可以为SNR、SINR、C/I等能够衡量有用信号与无用信号数学关系的物理量）。根据预期接收频度查询所述二维样本子集，校验所述去冗余数据块；频度:系统在某信道上对终端的调度周期。当校验正确时，以所述计算获得的误码率作为最佳的误码率，并以该误码率和相应的信噪比，作为所述二维样本子集的有效节点；当校验不完全正确时，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数，选择与所述当前特征参数最接近的备选特征参数相对应的误码率曲线模型作为最匹配曲线模型，在所述最匹配曲线模型中查询当前的信噪比对应的误码率，作为最佳的误码率。

统计有效节点的数目；以有效节点数获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数。

当所述有效节点的数目少于预设最小值时，继续采集接收信号进行重编码校验；

当所述有效节点的数目大于预设最大值时，根据有效节点或有效节点的组合获取节点特征参数，对各项节点特征参数进行加权均值运算，获得当前特征参数。

具体地，如果大于等于M（M为二维样本子集的有效节点数的总数），则构建特征参数，否则，继续采集接收信号进行重编码校验，继续获取有效节点。

将二维样本集定义为{{snr₀、ber₀}、{snr₁、ber₁}、......、{snr_m-1、ber_m-1}}，其中m代表二维样本集中元素的个数，{snr_i、ber_i}则为二维样本集的子集（即二维样本子集），其中0<=i<=m-1，二维样本节点集是由二维样本集的子集组合而来，定义二维样本节点集为：{{SNR_₀、BER_₀}、{SNR_₁、BER_₁}、......、{SNR__M-1、BER__M-1}}，其中

${\mathrm{SNR}\_}_k=\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}{C}_{\mathrm{ki}}*{\mathrm{snr}}_i$     （式1）

${\mathrm{BER}\_}_k=\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}{D}_{\mathrm{ki}}*{\mathrm{ber}}_i$     （式2）

（式1）、（式2）中，0<=k<=M-1，C_ki为第i个二维样本子集的snr对第k个二维样本节点的SNR的加权值、D_ki为第i个二维样本子集的ber对第k个二维样本节点的BER的加权值。

误码率曲线的特征参数主要用于表征当前误码率与备选误码曲线的一致性或者相似度，可以通过二维样本节点集的几何特征来表征，所述的几何特征可以以二维样本节点集中两个以上节点的斜率或者备选误码曲线各个信噪比对应的误码率与当前误码率的差值或者以上方式的组合来表征，具体不做要求；

所述步骤S207中，通过误码曲线特征参数，从备选误码曲线模型中选得最匹配的误码曲线的做法为：先用二维样本节点集的信噪比SNR__k，其中0<=k<=M-1，查询各个备选误码曲线模型，得到各条误码曲线对应该信噪比的误码率BER__n,k，其中0<=k<=M-1，0<=n<=N-1（N为备选误码曲线的总数）；然后按照误码曲线特征参数的计算方法，计算每条备选误码曲线的特征参数；接着从备选误码曲线特征参数中选出与当前误码曲线特征参数最接近的一个，以其误码曲线作为最佳误码曲线。

查询时，如果误码曲线特征参数还没生成，则把当前信噪比存起来，等误码曲线特征参数生成后再从备选误码曲线中选择相应的最佳误码曲线，进而查询该曲线，得到对应的误码率。

如果在测量周期内仍无法生成误码曲线特征参数，则通过查询默认的误码曲线来获得当前测量周期的误码率，所述的默认误码曲线为备选误码曲线的其中一条或者独立于备选误码曲线的初始误码曲线。

图3为本发明实施例的误码率估算性能示意图。下面结合图3，列举实施例1加以阐明。此例以二维样本节点集的节点数为3，备选误码曲线总数为2，误码曲线特征参数采用斜率标识，来阐述本发明提出的一种基于模型匹配的误码率估算方法，本实施例链路处理过程中不带穿刺与解穿刺操作。

如图3所示，假如时刻T0，输入接收信号为B0（B0不穿刺、总比特数为1000比特），信噪比为7，经过解码后得到去冗余数据块B1，完成校验并且校验正确，对B1进行重新编码后得到冗余数据块B2，通过比对B0与B2，发现有110个比特不一致，因此可以得到当前误码率为11%，即获得信噪比与误码率的第一个二维样本子集{snr₀、ber₀}等于{7,12%}；假如时刻T1，输入信号，信噪比为5，解码后校验不正确，则无法直接获得当前的误码率，必须等误码曲线特征参数生成完毕，才能匹配最佳误码模型并通过信噪比去查询该误码曲线得到当前的误码率，由于本实施例以二维样本节点集的节点数为3为例，因此必须有三个互异二维样本节点才能获取误码率，目前只有一个映射函数节点，无法查询，因此先把当前信噪比存起来；假如时刻T2，输入信号，信噪比为9，解码后校验正确，获得当前误码率为9.3%，获得信噪比与误码率的第二个二维样本子集{snr₁、ber₁}等于{9,9.3%}；假如时刻T3，输入信号，信噪比为16，解码后校验正确，获得当前误码率为3.3%，获得信噪比与误码率的第三个二维样本子集{snr₂、ber₂}等于{16,3.3%}。由于已经有三个互异的样本子集，因此，可以在时刻T2把二维样本节点集的节点{SNR_₀、BER_₀}、{SNR_₁、BER_₁}、{SNR_₂、BER_₂}依次定义为{snr₀、ber₀}、{snr₁、ber₁}、{snr₂、ber₂}，此时匹配模型选择模块可以构建或更新误码曲线特征参数，本实施例以斜率为参数，可以得到当前误码曲线的特征参数，即三个斜率值：Slope_₀、Slope_₁、Slope_₂，具体如下。

${\mathrm{Slope}\_}_0=\frac{{\mathrm{ber}}_1-{\mathrm{ber}}_0}{{\mathrm{snr}}_1-{\mathrm{snr}}_0}=\frac{0.093-0.12}{9-7}=-0.0135,$ ${\mathrm{Slope}\_}_1=\frac{{\mathrm{ber}}_2-{\mathrm{ber}}_0}{{\mathrm{snr}}_2-{\mathrm{snr}}_0}=\frac{0.033-0.12}{16-7}=-0.0097,$ ${\mathrm{Slope}}_{\_2}=\frac{{\mathrm{ber}}_2-{\mathrm{ber}}_1}{{\mathrm{snr}}_2-{\mathrm{snr}}_1}=\frac{0.033-0.093}{16-9}=-0.0086.$

先定义”AWGN仿真的BER备选曲线”对应SNR_₀的误码率为BER__0,0，SNR_₁的误码率为BER__0,1，SNR_₂的误码率为BER__0,2，三个斜率值为Slope__0，0、Slope__0，1、Slope__0，2；”TU50仿真的BER备选曲线”对应SNR_₀的误码率为BER__1,0，SNR_₁的误码率为BER__1,1，SNR_₂的误码率为BER__1,2，三个斜率值为Slope__1，0、Slope__1，1、Slope__1，2，以图3曲线为示例，则通过SNR_₀、SNR_₁、SNR_₂去查询两条备选误码曲线，得到BER__0,0等于0.096、BER__0,1等于0.0711、BER__0,2等于0.0213、BER__1,0等于0.2、BER__1,1等于0.1863、BER__1,2等于0.153，计算两条备选误码

曲线的特征参数，得到 ${\mathrm{Slope}\_}_{\mathrm{0,0}}=\frac{0.0711-0.096}{9-7}=-0.01245,$ ${\mathrm{Slope}\_}_{\mathrm{0,1}}=\frac{0.0213-0.096}{16-7}=-0.0083,$ ${\mathrm{Slope}\_}_{\mathrm{0,2}}=\frac{0.0213-0.0711}{16-9}=-0.0071,$ ${\mathrm{Slope}\_}_{\mathrm{1,0}}=\frac{0.1863-0.2}{9-7}=-0.00685,$ ${\mathrm{Slope}}_{\_\mathrm{1,1}}=\frac{0.153-0.2}{16-7}=-0.0052,$ ${\mathrm{Slope}\_}_{\mathrm{1,2}}=\frac{0.153-0.1863}{16-9}=-0.00475.$

分析两条误码曲线特征参数与当前误码曲线特征参数的偏差：

err_₀=|slope__0,0-slope_₀|+|slope__0,1-slope_₁|+|slope__0,2-slope_₂|

=|-0.01245+0.0135|+|-0.0083+0.0097|+|-0.0071+0.0086|

=0.00395

err_₁=|slope__1,0-slope_₀|+|slope__1,1-slope_1|+|slope__1,2-slope_₂|

=|-0.00685+0.0135|+|-0.0052+0.0097|+|-0.00475+0.0086|

=0.015

由于err_₀取值较err_₁小，因此误码模型选择模块认为err_₀对应的备选误码曲线、即”AWGN仿真的BER备选曲线”为最佳误码曲线，此时，匹配模型误码率查询模块把T1时刻SNR等于5的值代入”AWGN仿真的BER备选曲线”，可以求得T1时刻的误码率为12.51%。基于模型匹配的误码率估算得到T1时刻的误码率误差为15.7%，而现有技术的误码率偏差率可能达到45.7%。

为了进一步降低误差，在所述最匹配曲线模型中查询有效节点的信噪比对应的匹配误码率，获取所述匹配误码率与有效节点的误码率之间的距离，将该距离补偿到当前误码率。

实施例2，在实施例1的基础上，在选得最佳匹配误码曲线后，在估算解码校验出错时刻的误码率时，用最佳匹配误码模型查得的误码率加上一个补偿偏差值，补偿偏差值Compansate_err的计算公式为：

Compansate_err=p0*（BER_₀-BER__0,0）+p1*（BER_₁-BER__0,1）+p2*（BER_₂-BER__0,2）+…+pi*（BER__i-BER__0,i）

其中i为二维样本节点集的索引，取值为0<=i<=M-1（M为构建误码曲线特征参数所需的节点总数），pi为第i个样本节点误差的权值，0<=pi<=1。本实施例中，有二维样本节点总数为三，即误差权值由p0、p1、p2构成，本实施例中这三个参量的取值皆为1/3，因此得到Compansate_err=(0.12-0.096)/3+(0.093-0.0711)/3+(0.033-0.0213)/3=0.0192，于是得到T1时刻的误码率为：12.51%+1.92%=14.43%，而实际的误码率为14.84%，可见，误码率估算误差只有2.8%，与非最佳匹配误码曲线的误码率为45.7%相比，精确度大大提高。

图4为本发明基于模型匹配的误码率估算装置的示意图，包括：

重编码单元，用于对接收信号进行重编码，当重编码校验正确时，获取冗余数据块；

与所述重编码单元相连的误码率计算单元，用于比较所述接收信号与所述冗余数据块，计算误码率；

与所述误码率计算单元相连的特征库构建单元，用于以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

与所述特征库构建单元相连的误码率输出单元，用于根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。

图4与图1相对应，图中各个单元的运行方式与方法中的相同。

图5为本发明基于模型匹配的误码率估算装置的实施例流程图。

如图5所示，所述重编码单元，具体包括：

解码单元，用于对所述接收信号进行解码，获得去冗余数据块；

与所述解码单元相连的校验单元，用于校验所述去冗余数据块；

与所述校验单元相连的编码单元，用于对所述去冗余数据块进行编码，获得冗余数据块。

如图5所示，包括：

连接在所述校验单元与所述特征库构建单元之间的判断单元，用于在校验正确时，以所述计算获得的误码率作为最佳的误码率，并以该误码率和相应的信噪比，作为所述二维样本子集的有效节点；

连接在所述判断单元与所述特征库构建单元之间的模型匹配单元，用于在校验不完全正确时，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数，选择与所述当前特征参数最接近的备选特征参数相对应的误码率曲线模型作为最匹配曲线模型，在所述最匹配曲线模型中查询当前的信噪比对应的误码率，作为最佳的误码率。

在其中一个实施例当中，所述模型匹配单元，包括：

与所述特征库构建单元相连的节点数统计单元，用于统计有效节点的数目；

与所述节点数统计单元相连的暂缓输出单元，用于在所述有效节点的数目少于预设最小值时，继续采集接收信号进行重编码校验；

与所述节点数统计单元相连的加权估算单元，用于在所述有效节点的数目大于预设最大值时，根据有效节点或有效节点的组合获取节点特征参数，对各项节点特征参数进行加权均值运算，获得当前特征参数。

在其中一个实施例当中，还包括：

连接在所述模型匹配单元与所述误码率输出单元之间的偏差补偿单元，用于在所述最匹配曲线模型中查询有效节点的信噪比对应的匹配误码率，获取所述匹配误码率与有效节点的误码率之间的距离，将该距离补偿到当前误码率。

图5与图2相对应，图中各个单元的运行方式与方法中的相同。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于模型匹配的误码率估算方法，其特征在于，包括：

对所述接收信号进行解码，获得去冗余数据块；

校验所述去冗余数据块；

当校验正确时，对所述去冗余数据块进行编码，获得冗余数据块；

比较所述接收信号与所述冗余数据块，计算误码率；

以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。

2.根据权利要求1所述的基于模型匹配的误码率估算方法，其特征在于，匹配估算最佳的误码率的步骤，包括：

当校验正确时，以所述计算获得的误码率作为最佳的误码率，并以该误码率和相应的信噪比，作为所述二维样本子集的有效节点；

当校验不完全正确时，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数，选择与所述当前特征参数最接近的备选特征参数相对应的误码率曲线模型作为最匹配曲线模型，在所述最匹配曲线模型中查询当前的信噪比对应的误码率，作为最佳的误码率。

3.根据权利要求2所述的基于模型匹配的误码率估算方法，其特征在于，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数的步骤，包括：

统计有效节点的数目；

当所述有效节点的数目少于预设最小值时，继续采集接收信号进行重编码校验；

当所述有效节点的数目大于预设最大值时，根据有效节点或有效节点的组合获取节点特征参数，对各项节点特征参数进行加权均值运算，获得当前特征参数。

4.根据权利要求2或3所述的基于模型匹配的误码率估算方法，其特征在于，在所述最匹配曲线模型中查询当前的信噪比对应的误码率的步骤之后，输出当前的误码率的步骤之前，还包括：

在所述最匹配曲线模型中查询有效节点的信噪比对应的匹配误码率，获取所述匹配误码率与有效节点的误码率之间的距离，将该距离补偿到当前误码率。

5.一种基于模型匹配的误码率估算装置，其特征在于，包括：

重编码单元，用于获取冗余数据块；所述重编码单元，具体包括：

解码单元，用于对所述接收信号进行解码，获得去冗余数据块；

与所述解码单元相连的校验单元，用于校验所述去冗余数据块；

与所述校验单元相连的编码单元，用于对所述去冗余数据块进行编码，获得冗余数据块；

与所述重编码单元相连的误码率计算单元，用于比较所述接收信号与所述冗余数据块，计算误码率；

与所述误码率计算单元相连的特征库构建单元，用于以所述接收信号当前的信噪比，以及相应的误码率构建二维样本子集；

与所述特征库构建单元相连的误码率输出单元，用于根据预期接收频度查询所述二维样本子集，匹配估算最佳的误码率，输出当前的误码率。

6.根据权利要求5所述的基于模型匹配的误码率估算装置，其特征在于，包括：

连接在所述校验单元与所述特征库构建单元之间的判断单元，用于在校验正确时，以所述计算获得的误码率作为最佳的误码率，并以该误码率和相应的信噪比，作为所述二维样本子集的有效节点；

连接在所述判断单元与所述特征库构建单元之间的模型匹配单元，用于在校验不完全正确时，获取所述二维样本子集的当前特征参数以及各个误码率曲线模型的备选特征参数，选择与所述当前特征参数最接近的备选特征参数相对应的误码率曲线模型作为最匹配曲线模型，在所述最匹配曲线模型中查询当前的信噪比对应的误码率，作为最佳的误码率。

7.根据权利要求6所述的基于模型匹配的误码率估算装置，其特征在于，所述模型匹配单元，包括：

与所述特征库构建单元相连的节点数统计单元，用于统计有效节点的数目；

与所述节点数统计单元相连的暂缓输出单元，用于在所述有效节点的数目少于预设最小值时，继续采集接收信号进行重编码校验；

与所述节点数统计单元相连的加权估算单元，用于在所述有效节点的数目大于预设最大值时，根据有效节点或有效节点的组合获取节点特征参数，对各项节点特征参数进行加权均值运算，获得当前特征参数。

8.根据权利要求6或7所述的基于模型匹配的误码率估算装置，其特征在于，还包括：

连接在所述模型匹配单元与所述误码率输出单元之间的偏差补偿单元，用于在所述最匹配曲线模型中查询有效节点的信噪比对应的匹配误码率，获取所述匹配误码率与有效节点的误码率之间的距离，将该距离补偿到当前误码率。

Images