CN104065599A - 数字通信中的统计自适应软判决前向纠错 - Google Patents

Abstract

本申请公开了在数字通信中的统计自适应软判决前向纠错。数字通信接收器使用最大似然序列估计阶段以根据接收的信号的数字化样本值恢复符号。计算出概率密度函数且使用概率密度函数以改善软判决前向纠错计算。纠错解码的结果，其表示纠错后的数据比特，还被用于改善概率密度函数计算。

Description

数字通信中的统计自适应软判决前向纠错

相关申请的交叉引用

本专利文件要求在2013年3月20日提交的美国临时专利号61/803,779的优先权益。前述专利申请的全部内容通过引用并入本文。

技术领域

本发明涉及接收纠错编码的数字通信信号。

背景技术

对于应用领域（诸如无线通信、光纤通信，等等）中的数据通信存在着日益增长的要求。对于核心网的要求更是尤其高，这不仅是因为由于多媒体应用的原因用户设备（像，智能手机和计算机）使用越来越多的带宽，还因为用于数据在核心网上传播的设备总量也在增长。

发明内容

在一些公开的实施例中，软判决最大似然序列估计（MLSE）技术被用于在前向纠错解码之前估计接收的解调后的信号数据。软判决输出被输入到概率密度函数（PDF）估计模块和前向纠错（FEC）模块。FEC模块还使用PDF计算结果来生成FEC纠错的输出数据比特。输出数据比特可选地被用于进一步改善PDF估计。

在一些实施例中，用于根据接收的信号产生数据比特的方法和装置包括进行以下操作的模块和步骤：处理接收的信号以产生信号值序列；使用软判决最大似然序列估计技术，将信号值序列转换成数据值估计，其中估计概率与每个数据值估计相关联；基于数据值估计，计算数据值的概率密度函数；以及使用数据值估计和概率密度函数，前向纠错解码数据值来产生数据比特。所接收的信号可以是无线信号或光通信信号。

在另一个方面，光通信系统包括前向纠错的和频谱整形光通信信号的源，以及光通信接收器，该光通信接收器包括数字信号处理阶段，在数字信号处理阶段，基于软判决的模块输入数据估计到输出纠错的数据比特的前向纠错模块（FEC）。FEC模块使用第一输入和第二输入，所述第一输入包括来自MLSE模块的软判决，所述第二输入包括估计的数据比特的概率密度函数（PDF）。基于先前解码的数据比特和来自MLSE的输出数据估计计算出PDF。

附图说明

图1显示的是使用相干检测的预滤波/奈奎斯特WDM传输系统。

图2显示的是使用相干检测的多级联ROADM传输系统。

图3显示的是DSP处理的示例性实施例。

图4显示的是通常在软判决FEC解码器中假定的正态分布的概率密度函数。

图5显示的是在被施用于在相干光接收器中窄滤波所致的ISI补偿的MLSE的输出观察到的信号样本的统计直方图。

图6显示的是统计自适应的软判决FEC子系统的结构。

图7是接收和解码数字信号处理的流程图表示。

图8是数字接收器的框图表示。

具体实施方式

除了其他方面以外，本文公开了用于在相干光接收器中使用最大似然序列估计（MLSE）和软判决前向纠错（FEC）一同接收和检测光信号的方法。特别是，一个公开的实施例涉及自适应估计在MLSE模块的输出的信号样本统计，其被送入随后的软判决FEC模块，用于解码中的对数似然计算。统计自适应软判决FEC改善了纠错解码性能且增加了需要的光信噪比（ROSNR）的系统余量。所公开的技术可以被用于光学的、有线的或无线的调制通信信号的接收，其中使用前向纠错码编码数据比特。

基于相干检测和数字信号处理（DSP）的光传输系统已经在超高速光传输中的改善接收器灵敏度和实现优越的信号损失的信道均衡方面建立了它们不可或缺的地位。增加的接收器灵敏度或较低的需要的光信噪比（ROSNR）和频谱效率是开发高速光传输系统的两个方面。软判决FEC是改善接收器灵敏度的强有力的方法。另一方面MLSE有效用于补偿可能在高SE系统中受强滤波影响而严重损伤的符号间干扰。为了同时达到接收器灵敏度和SE的目标，实施例可以使用统计自适应软判决FEC用于相干光MLSE接收器以基于由MLSE输出的不同的信号统计来自适应优化FEC性能。

相干光接收器中的数字信号处理可以使用有限脉冲响应（FIR）滤波器和MLSE来补偿ISI、ICI（符号间干扰和信道间干扰）和其他信号失真。除了基于FIR和MLSE的ISI/ICI均衡，FEC是相干光接收器中另一个关键的模块。施加于光通信系统中的FEC已经经历了3代，即，硬判决单码字FEC、硬判决级联码FEC和软判决级联码FEC。硬判决FEC解码器接收仅由二进制数字0和1组成的数据流。硬判决解码通常是基于代数编码格式进行的。使用此解码模式，信号中信道干扰统计特征被丢失。另一方面，软判决（SD）FEC通过考虑包含在信号样本的软信息中的信号统计分布改善解码性能。

FEC解码中常用的信号统计模型具有高斯分布或正态分布。然而，在实际传输系统中，FEC解码器的输入信号可具有不同于高斯分布或正态分布的统计分布且信号统计也可针对不同信道状况（像OSNR等）改变。因此，为了完全利用SD FEC码的纠错能力，对于解码器具有关于接收的信号统计的准确的先验知识是有用的。如果信号统计是动态的（随时间变化的），那么其可以被自适应地跟踪或估计以实现最佳的FEC性能。

在既采用MLSE又采用FEC的相干光接收器中，FEC模块采集来自MLSE模块的输出信号。可以观察到MLSE模块的输出信号样本具有非高斯分布和动态统计分布。出于自适应地优化FEC性能的目的，不同的实施例基于由MLSE输出的不同信号统计可以使用本公开的技术。一个示例方法，采用MLSE模块输出的软信息，自适应地估计对应的信号统计、提供统计分布给随后的FEC解码器，以及接收来自解码结果的反馈以进一步改善信号统计估计的准确性。此处所述方法可以被应用于具有光谱窄化损失的光通信系统和使用MLSE和SD-FEC技术的其他系统中。

下面将参照附图更完整地描述几个实施例。事实上，所述技术内容可以体现为许多不同的形式且不应该被认为限制于本文所述的实施例。在全篇文章中相似的数字指代相似的元素。

图1中示出了根据示例性实施例的使用相干检测的基本预滤波/奈奎斯特WDM传输系统。光波产生的激光（101）被偏振分束器（PBS）分离且分别由QPSK光调制器进行调制，并且随后利用偏振合束器（PBC）合并以实现偏振复用的QPSK调制（102）。该NRZ-QPSK调制可以通过级联的串行或并行调制器来实现。然后，具有窄带光滤波功能的光复用器（103）被用于实施积极的频谱成形和复用功能获得奈奎斯特（符号带宽=信道间隔）或快于奈奎斯特WDM信号（符号带宽<信道间隔）。传输链路（104）未对包含进的光放大器（OA）和每个跨距的光纤进行色度色散（CD）补偿。在传输之后，光解复用器（105）被用于解复用WDM信道以用于相干检测。在接收器侧，在PBS之后LO信号与偏振分离的传入传输信号一起被发送（launch）到90°光混合器(106)。多元化信号被发送到发光二极管（PD）（107）且使用模拟数字转换器（ADC）（108）被数字采样。随后的常规数字信号处理单元（109）被用来补偿光前端（106和107）失真，而后均衡静态和动态线性损耗、定时和载波恢复。

为了帮助缓解光网络，实施了光谱变窄的容限，如在通过光信道传输之后信号信道间隔被劣化，特别是当可重新配置的光分/插复用器（ROADM）（112）被用于网络中时，如在图2中所示的第二个示例性的实施例。光谱变窄在连续传输的符号之间引起严重的ISI。

使用自适应判决前馈均衡器的传统DSP算法对于特定的ISI补偿来说是低效率的解决方案，因为在光谱变窄的补偿过程中这种有限脉冲响应（FIR）滤波器增强了噪声。除了普通相干检测中的传统DSP之外，额外的数字滤波器和最大似然序列估计（MLSE）算法被用于抑制噪声和串扰以在强滤波通道中实现最佳检测（110）。图3中示出了作为示例性实施例的DSP处理过程。

MLSE方法已经被成功证明减轻ISI。为了进一步改善系统性能，通过将适当的纠错码插入到传输的数据流以便于检测数据错误和纠正数据错误来使用SD FEC。在SD FEC中，产生了多比特“软”信息，其表示所接收的数据的置信水平或可靠性（如，一比特或者极有可能是1，或者可能是1，或者可能是0，或者极有可能是0）。为了实施SD-FEC解码，MLSE可与传统的“硬”信息结合产生“软”数据流。

对于SD FEC解码，解码器需要具有输入软判决样本的先验统计知识。输入软判决值的常用假设具有对应于加性白高斯噪声（AWGN）信道的正态分布。正态分布概率密度函数（PDF）的一般公式由下面的等式给出：

$P_1\left(I\right)=\frac{1}{\sqrt{{2\mathrm{\&pi;}{\mathrm{\&sigma;}}_1}^2}}\exp \left(\frac{-{(I-I_1)}^2}{2{{\mathrm{\&sigma;}}_1}^2}\right)---\left(1\right)$

$P_0\left(I\right)=\frac{1}{\sqrt{{2\mathrm{\&pi;}{\mathrm{\&sigma;}}_0}^2}}\exp \left(\frac{-{(I-I_0)}^2}{2{{\mathrm{\&sigma;}}_0}^2}\right)---\left(2\right)$

其中，I₁，I₀，σ₁和σ₀表示所接收的信号的分别携带信息“1”和“0”的均值和方差。图4描述的是使用双极性调制的接收信号在给定的信噪比的正态分布PDF的示例。图4中的水平轴表示可能的信号值，且垂直轴表示给定信号值的概率。可以看出，图4中曲线的相对分离使判决过程变得简单。

SD FEC解码中的关键术语是对数似然比（LLR），其定义如下：

$L\left(I\right)=\log \left(\frac{P_1\left(I\right)}{P_0\left(I\right)}\right)---\left(3\right)$

其表示接收的信号样本I正在传输“0”或“1”的似然。可清楚地发现，等式（1）和等式（2）中示出的正态分布PDF中的指数计算可以通过等式（3）中的对数计算而被消除，从而，具有正态分布的信号的LLR可以通过直接使用其软判决值来获得，这可简化解码的复杂性。然而，对于具有与正态分布不同的统计的信号，这种简化可能降低FEC解码性能。

图5显示的是在被用于在实验中使用相干光接收器的窄滤波所致的ISI补偿的MLSE模块的输出观察到的两种不同的OSNR的信号样本的统计直方图。在实验中观察到的信号分布不同于图4中所示的正态分布。例如，图5中两个主要的PDF分组中的每一个其自身被分离成两个不同的尖峰。例如，可以在双二进制输入信号被接收到时观察到此类PDF，其具有在不同的信号值+1和-1组合之间的概率发散。由于概率分布图的非均匀特性（其现在包含波峰和波谷），简化的判决技术可能导致错误的符号判决。

为了通过获得更好的输入信号统计来改善FEC性能，可以使用具有图6中所示的结构的SD FEC子系统。在这个结构中，PDF估计器被添加在软判决MLSE模块与SD FEC模块之间之后，且引起从SD FEC模块到PDF估计器的反馈环路。PDF估计器采集来自MLSE模块输出的软信号样本值且积累起类似于图5中所示的信号统计直方图。基于直方图，对应于信号统计分布的PDF可以数值地或解析地来进行估计。估计的PDF被送入SDFEC用于例如但不限于公式（3）中所示的LLR计算。SD FEC解码输出可以被反馈给PDF估计器以迭代地改善PDF估计的准确性。

图7是根据接收的信号产生数据比特的过程700的流程图描述。过程700可以在信号接收器（如，光通信网络的骨干网中的接收器）实施。

在702，接收的信号被处理，以产生信号值序列。方法700可以执行例如，之前论述的图3中的从偏振检测仪PD到数字滤波器的输出的接收器处理链。

在704，使用其中估计概率与每个数据值估计相关的软判决最大似然序列估计技术来将信号值序列转换成数据值估计。

在706，基于数据值估计计算出数据值的概率密度函数（PDF）。方法700可以例如通过产生判决值的直方图计算PDF。

在708，使用数据值估计和概率密度函数，数据值被前向纠错解码以产生数据比特。在某些实施中，基于产生的数据比特可以进一步计算数据值的PDF。由于前向纠错解码，所产生的数据比特可以提供恢复自所接收的信号的比特的更可靠的估计且因此可有助于提高PDF的准确性。

图8是表示用于根据接收的信号产生数据比特的装置800的框图。所接收的信号可以是，例如，双二进制调制的光信号。模块802用于处理接收的信号以产生信号值序列。模块802，例如，可具有接收接收信号的输入、产生值序列的处理组件。模块804使用其中估计概率与每个数据值估计相关的软判决最大似然序列估计技术将信号值的序列转换成数据值估计。模块806用于根据数据值估计计算数据值的概率密度函数。模块808用于使用数据值估计和概率密度函数来前向纠错解码数据值以产生数据比特。

在一些实施例中，数据接收装置包括存储指令的存储器和执行指令并实施上述过程700的处理器。在一些实施例中，光通信系统包括光发送器、光传输线和被配置为实施过程700的光接收器。

所公开的和其他的实施例、本文中所阐述的模块和功能操作可以以下形式来实施：数字电路、或计算机软件、固件、或硬件，包括本文所公开的结构以及它们的结构等价物、它们的一个或多个的组合。所公开的和其他的实施例可以被实施为一个或多个计算机程序产品，即，用于由数据处理装置来执行的或控制数据处理装置操作的被编码在计算机可读介质上的计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读储存设备、机器可读储存基质、存储器设备、实现机器可读的传播信号的物体的组合、或一个或多个它们的结合。术语“数据处理装置”包括用于处理数据的所有装置、设备、和机器，通过示例的方式包括可编程处理器、计算机、或多个处理器或计算机。除硬件之外，装置可包括，产生所讨论的计算机程序的执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、或它们中的一个或多个结合的代码。传播信号是人工生成的信号，如，机器生成的电信号、光信号、或电磁信号，其可以被产生以编码用于传输到适当的接收器装置的信息。

计算机程序（也被称为程序、软件、软件应用、脚本、或代码）可以用任何形式的编程语言来编写，包括被编译的或解释的语言，且其可以以任何形式进行部署，包括作为独立程序或作为模块、组件、子程序、或适用于计算机环境的其他单元。计算机程序并不一定对应于文件系统中的文件。程序可以被存储在支持其他程序或数据（如，存储在标记语言文件中的一个或多个脚本）的文件中的一部分，可以被存储在专用于所讨论的程序的单个文件中，或可以被存储在多个相协作的文件中（如，存储一个或多个模块、子程序、或代码部分的文件）。可以部署计算机程序以在一个计算机上或位于一个场所或分布在多个场所且由通信网络互连的多个计算机上执行。

本文所述的过程和逻辑流可以通过一个或多个可编程处理器执行一个或多个计算机程序以通过操作输入数据和产生输出来实现功能来执行。方法和逻辑流也可以由专用目的逻辑电路（如，FPGA（现场可编程门阵列）或ASIC（特定应用集成电路））来执行，且装置也可以被实施为专用目的逻辑电路（如，FPGA（现场可编程门阵列）或ASIC（特定应用集成电路））。

适于执行计算机程序的处理器通过示例的方式包括，通用目的和专用目的微处理器、和任何种类的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或二者中接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常，计算机也将包括，或可操作地被耦合，以从存储数据的一个或多个大容量储存设备（如，磁盘、磁光盘、或光盘）接收数据，或将数据传输到存储数据的一个或多个大容量储存设备（如，磁盘、磁光盘、或光盘），或既存储又接收。然而，计算机不一定需要这些设备。适用于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，通过示例的方式包括半导体存储器设备（如，EPROM、EEPROM、和闪存设备）；磁盘（如，内置硬盘或可移动磁盘）；磁光盘；以及CD ROM和DVD-ROM盘。处理器和存储器可以由专用目的逻辑电路来补充，或并入专用目的逻辑电路。

虽然本专利文件中含有许多具体细节，但是这些并不应该被认为构成发明范围的限制，发明范围是指要求保护的或可能要求保护的但作为特定实施例的具体特征的描述。本文中在独立的实施例的背景下阐述的某些特征也可以在单个的实施例的组合实施。反过来，在单个的实施例的背景下描述的各特征也可以在多个实施例中独立地实施或在任何适当的子组合中实施。而且，虽然特征可能在上面被描述为以特定的组合起作用而且甚至最初的声明也是如此，但是所声明的组合中的一个或多个特征在某些情况下可以从组合中分离出来，且所声明的组合可以是针对子组合或子组合的变形。类似地，虽然附图中以特定的顺序描述了操作，但是这不应该被理解为要求这些操作被实施为所示的特定顺序或以顺序的次序实施、或不应该被理解为执行所有示出的操作以实现期望的结果。

仅仅是公开了一些示例和实施例。对所述示例和实施例或其他实施例的变化、修改、和增补可以基于所公开的内容进行。

Claims (16)

1.一种根据接收的信号产生数据比特的方法，包括：

处理所述接收的信号以产生信号值序列；

使用软判决最大似然序列估计技术，将所述信号值序列转换成数据值估计，在所述软判决最大似然序列估计技术中，估计概率与每个数据值估计相关；

基于所述数据值估计来计算数据值的概率密度函数；以及

使用所述数据值估计和所述概率密度函数，前向纠错解码所述数据值以产生数据比特。

2.如权利要求1所述的方法，还包括：

进一步基于所产生的数据比特计算数据值的概率密度函数。

3.如权利要求1所述的方法，其中，所述接收的信号包括双二进制信号，且其中所述概率密度函数包括非高斯函数。

4.如权利要求2所述的方法，其中，计算所述概率密度函数包括产生数据值估计的直方图。

5.如权利要求1所述的方法，其中，所述接收的信号是光信号。

6.一种根据接收的信号产生数据比特的装置，包括：

接收链，所述接收链处理所述接收的信号以产生信号值序列；

最大似然序列估计MLSE模块，所述最大似然序列估计MLSE模块使用其中估计概率与每个数据值估计相关的软判决MLSE将所述信号值序列转换成数据值估计；

概率密度函数PDF模块，所述概率密度函数PDF模块基于所述数据值估计来计算数据值的PDF；以及

前向纠错解码FEC模块，所述前向纠错解码FEC模块使用所述数据值估计和所述概率密度函数纠错解码所述数据值以产生数据比特。

7.如权利要求6所述的装置，其中：

所述PDF模块还基于产生的数据比特计算所述数据值的PDF。

8.如权利要求6所述的装置，其中所述接收的信号包括双二进制信号，且其中所述概率密度函数包括非高斯函数。

9.如权利要求7所述的装置，其中，所述PDF模块包括直方图模块，所述直方图模块产生数据值估计的直方图。

10.如权利要求6所述的装置，其中所述接收的信号是光信号。

11.一种数据接收装置，包括：

存储器，所述存储器用于存储指令代码；以及

处理器，所述处理器执行所述指令代码以实施根据接收的信号产生数据比特的方法，所述方法包括：

处理所述接收的信号以产生信号值序列；

使用软判决最大似然序列估计技术，将所述信号值序列转换成数据值估计，在所述软判决最大似然序列估计技术中，估计概率与每个数据值估计相关；

基于所述数据值估计来计算数据值的概率密度函数；以及

使用所述数据值估计和所述概率密度函数，前向纠错解码所述数据值以产生数据比特。

12.如权利要求11所述的数据接收装置，其中，所述方法还包括：

进一步基于产生的数据比特计算所述数据值的概率密度函数。

13.如权利要求11所述的数据接收装置，其中，所述接收的信号包括双二进制信号，且其中所述概率密度函数包括非高斯函数。

14.如权利要求12所述的数据接收装置，其中，计算所述概率密度函数包括产生数据值估计的直方图。

15.如权利要求11所述的数据接收装置，其中，所述接收的信号是光信号。

16.一种光通信系统，包括：

光信号发送器，所述光信号发送器被配置为发送纠错编码的光信号；以及

光信号接收器，所述光信号接收器被配置为：

接收所述纠错编码的光信号；

处理接收的信号以产生信号值序列；

使用软判决最大似然序列估计技术，将所述信号值序列转换成数据值估计，在所述软判决最大似然序列估计技术中估计概率与每个数据值估计相关；

基于所述数据值估计来计算数据值的概率密度函数；以及

使用所述数据值估计和所述概率密度函数，前向纠错解码所述数据值以产生数据比特。