CN1109409C - 借助卡尔曼滤波器源控制信道译码的方法和装置 - Google Patents

Abstract

阐述用于处理通过接收机(16)接收数据的一种方法。借助于采用度量增量的最大后验概率算法处理接收的数据。为了计算度量增量，采用在使用卡尔曼滤波器的条件下在估算单元(20)中已求出的可靠性值(L(u_k，1))。

Description

借助卡尔曼滤波器源控制信道译码的方法和装置

技术领域

本发明涉及用于处理用接收器接收的数据的一种方法，在此方法上在相继的帧中接收经传输线段传输的数据。一个帧含有规定数目的二进制位。借助于采用度量(Metrik)增量的最大后验概率算法或最大似然算法处理接收的数据，在此采用维特比算法。在此取决于对于此二进制位求出的一个现实的可靠性值来计算至少一个二进制位用的度量增量，二进制位的值和/或二进制位的所谓的可靠性值从帧到帧相关。可靠性值是二进制位(1)的值具有一个规定的值的概率的一个尺度。

背景技术

对于一种维特比算法例如从Joachim Hagenauer著的文章“Source-Control led Channel Decoding(源控制信道译码)”在“IEEE通信学报”43卷，第9期，1995年9月，2449页至2457页中公开了一种这样的方法。在专利文献DE 42 24 214 C2中含有此文章的主要部分。尤其是文章的公式(21)说明新的度量M_K(m)从旧的度量M_K-1(m)和一个所属的度量增量中的计算。在此m表示某个路径，而k表示一个帧中的某个二进制位。在计算度量(Metrik)M_K((m)时采用一个可靠性值L(u_k)。在所述文章的2454和2455页上建议基于经验模型的所谓的Hu_k算法用于确定可靠性L(u_k)，在此模型上类似于在德国汽车责任保险上的所谓的点来计算可靠性值L(u_k)。基于经验的特征可靠性值L(u_k)的估算是不准确的。要么将度量增量相加于已经计算的度量上，要么相乘。

最大后验概率算法和最大似然算法是将经传输线段传输的数据序列与参考序列s相比较的和确定参考序列s的算法，此参考序列以最大的概率属于发明的数据序列。最大后验概率意味着，选择对其概率P(s|y)变成最大的参考序列s，在此y是接收的数据序列。最大似然性意味着，选择对其概率P(s|y)变为最大的参考序列s。传输路段例如是一个无线电信道，是一个传输线路或者甚至是从中读取数据的存储媒体。

从欧洲专利申请EP 0 449 327 A2中公开了具有多个接收天线的一种噪声不敏感的多重接收机。通过经不同的传输路径到达天线的一个单一的发射信号生成接收信号。从各个天线的接收信号中计算实施维特比算法用的分支度量。在进行算法之前加权和连接对于各个天线的接收信号所计算的分支度量。这导致，在进行维特比计算之后生成与基于发射信号的发射字符序列良好一致的一个字符序列。

发明内容

本发明的任务在于提出用于求出可靠性值的一种简单的方法，此方法尽可能无差错和准确地计算现实可靠性值。

通过具有权利要求1特征的一种方法解决此任务。在归因于这些权利要求的从属权利要求中说明了有利的实施形式。

本发明根据的思路在于，用一种优化方法可以很准确地确定现实的可靠性值。可是困难在于，对于优化所采用的可靠性值基于伴有差错的观察之上。这些差错归因于在经传输线段传输数据时的干扰和维特比算法的伴有差错的结果。所以在按本发明的方法上，将一个帧用的基本上无差错的一个可靠值与为同一个帧求出的可靠性值的偏差的总和定义为目标函数。此偏差在此涉及在实际无差错可靠性值和求出的可靠性值之间的差值的数额。通过优化方法最小化此目标函数，使得为实施维特比算法求出的可靠性值很接近于无差错的可靠性值。

在按本发明的方法上，尽管不知道无差错的可靠性值却能够进行目标函数的最小化，是因为在优化方法上采用一种数学模型，此模型基于在观察的可靠性值和无差错可靠性值之间建立一种联系。此外在模型中采用所谓的先验信息，意即已经在经传输线段传输数据之前已知的信息，例如像在相继帧中的关于数据相关性或可靠性值相关性的信息。在此意义上，数据源影响数据的其它处理。如果这种处理例如是一种译码的话，则人们也称之为源控制信道译码。

在无迭代的维特比算法上通常随着一个帧的延迟才存在基于观察的可靠性值。因此为了求出现实的可靠性值必须动用观察的可靠性值，从对于一个二进制位的一个已经处理的帧中已确定过此可靠性值。如果与此相反地进行带有迭代的维特比算法，则已经在第二个迭代步骤中存在对于瞬时处理帧的基于观察的一个可靠性值。在此情况下采用此观察的可靠性值用于求出现实的可靠性值。

相对于已知的Hu_k算法按本发明的方法提供较好的结果，因为用此方法可以处理强烈波动的源信号，在这些源信号情况下Hu_k算法是没有能力足够准确地估算可靠性值的。在按本发明的方法上，在进行维特比算法时采用的可靠性值接近于实际的可靠性值，使得在路径选择时降低差错的概率，因为所采用的可靠性值影响路径选择。例如在译码时正确的路径选择导致正确的译码的位串。

在本发明的一个进一步发展中按下式计算可靠性值： $L\left(u_l\right)=\log \frac{P(u_l=+1)}{P(u_l=-1)}$

在此u_l是二进制位的优选可能为“+1”或“-1”的值。P(u_l＝+1)是所观察的二进制位1中的值是“+1”的概率。相应地P(u_l＝-1)是二进制位1中的值是“-1”的概率。

在按本发明的一个其它特征的一种方法上，在优化时不用可靠性值直接计算，而是采用辅助可靠性值，下式优先适用于这些辅助可靠性值：

m(u_l)＝P(u_l＝+1)-P(u_l＝-1)

相对于可靠性值辅助可靠性值有这种优点，即这些辅助可靠性值对于在“0”和“1”之间的概率P有在“+1”和“-1”之间的一个数值范围。与此相反地可靠性值在给定的函数范围中有从“-∞”到“+∞”的函数值，以致于给在有限的数值范围中的计算造成正如在机械计算机上存在的那样的困难。根据一种简单的数字关系进行从可靠性值向辅助可靠性值的，或从辅助可靠性值向可靠性值的换算，这种关系例如以表值形式存储到存储器中。

通过一种递归的优化可以减少优化时的计算工作量，在这种优化时从最后处理的帧用的可靠性值或辅助可靠性值中递归地计算现实的可靠性值或现实的辅助可靠性值。

为了优化，有利地采用在其上同样递归地进行优化的一种所谓的卡尔曼(Kalman)滤波器。例如在H.W.Sorenson著的文章“最小二乘方估算：从高斯到卡尔曼”中说明了一种这样的滤波器，在IEEE频谱，卷7，63至68页，1970年7月中阐述了此文章。基于卡尔曼滤波器的数学模型考虑这个事实，即只能间接地经基于伴随有差错的观察上的可靠性值求出实际的可靠性值。此外卡尔曼滤波器利用可靠性值和传输数据的统计性质，并且以足够的速度跟踪传输数据值的变化。

当在相继的帧的二进制位之间出现相关性时，则可有利地采用按本发明的方法。例如在一个帧中参数的较高值位用的二进制位上则是这种情况，按在移动无线电系统上的GSM标准传输此帧。在本发明方法的一个进一步发展中利用所述二进制位中的相关性用于这些二进制位的译码。

本发明此外涉及用于处理用接收机接收数据的和尤其是用于实施上述方法的一个装置。上述技术效应所以也适用于这种装置。

按本发明的一个其它特征，也通过具有权利要求15特征的一种方法解决所说明的任务。在此通过求平均值从至少两个观察的可靠性值中计算现实的可靠性值。这些措施基于这种认识，虽然每次观察的可靠值不与当时的实际可靠性值一致，可是通过求平均值相互消除观察时的差错。

在用求平均值的方法的一个进一步发展中仅针对一个规定数目的已经处理的帧来进行这种平均值计算，在此所规定的数目经越多次求平均值保持不变。通过这种措施，类似像通过一个窗口那样，仅优先考虑相继帧的序列的各自最后的区段。因此可以进行对变更着的条件的迅速适配。在递归地实施维特比算法时也将现实处理的帧计入窗口。

在用平均值计算的方法的一个另外的进一步发展上，采用例如由维特比算法处理的数据直接作为观察的可靠性值。所以这种措施导致现实可靠性值的一种很准确的计算，因为处理数据的平均值与辅助可靠性值一致，并且此平均值如已提及的那样对于实际无差错的可靠性值本身是一种良好的近似。

此外本发明涉及用于处理接收数据的和尤其是用于实旋用按权利要求19的平均值计算的方法的一个装置。刚才所述的技术效应因此也适用于这个装置。

附图说明

以下用附图阐述本发明的实施例。在其中：

图1展示具有数据传输用的主要动能单元的方框图，

图2展示两个由数据组成的应传输的帧，

图3展示卡尔曼滤波器中辅助可靠性值计算的一种第一方式用的示意图，

图4展示卡尔曼滤波器中辅助可靠性值计算的一种第二方式用的示意图，

图5展示来自GSM全价语音编码器的不同参数用的相关性系数的图表，和

图6展示一个GSM全价编码帧中的二进制位0至69用的相关性系数的图表。

具体实施方式

图1展示具有数据传输用的主要功能单元的方框图。在此主要针对一个帧k的传输，在这方面，为了清晰起见，在图1中和在此图的以下阐述时，仅在帧k的区分对于本发明是重要的情况下，随同写上采用自然数的下标k。下面用图2阐述帧k的构造。

在发射机8中生成的一个源字符序列{g_l′}由源字符g_l′组成，这些源字符取决于要发射的信息，例如具有值“+1”和“-1”。下标l′对于在帧k中传输的源字符q_l′从0进行至L′-1，在此L′是每个帧k的源字符q_l′的数目。通过源编码器10，例如用GSM全价语音编码器压缩源字符序列{q_l′}。在此由源编码的字符u_l生成一个源编码序列{U_l}。源编码的符号U_l要到具有值“+1”，要么具有值“-1”。在一个帧之内下标1从0进行到L-1，在此L是一个帧中的源编码字符U_l的数目。在此L′通常是大于L的。

然后在信道编码器12中防御信道干扰地编码源编码的序列{U_l}，在此例如采用一种卷积码。在此从码字x_l中形成一种信道编码的序列{X_l，n}。在码字x_l之内通过下标n标记二进制位，下标在一个码字x_l之内从零进行至N-1，在此N是一个码字x_l中的二进制位的数目。码字x_l的二进制位x_l，n又具有要么数值“+1”，要么数值“-1”。在一个未表示的调制器中，进一步处理随后经传输线段14传输信道编码的序列{x_l，n}。在传输时出现干扰，例如由衰落系数a_k描述的衰落和由噪声系数No描述的噪声。

传输线段14位于发射机8和接收机16之间。接收机16必要时含有用于接收经传输线段14传输的信号的二个未表示的天线、一个扫描装置、用于解调信号的一个解调器和用于消除字符间干扰的校正器。出于简化原因，在图1中同样未表示这些装置。校正器输出接收序列{y_l，n}的接收值y_l，n。由于经传输线段14传输时的干扰，接收值y_l，n拥有偏离“+1”和“-1”的，例如为“+0.2”或“-3.7”的值。

在信道译码器18中进一步处理接收值y_l，n。在信道译码器18中重新取消由信道编码器12进行的卷积编码，在此应纠正传输差错。在卷积译码时例如采用已知的维特比算法。为了进行维特比算法也给信道译码器18输送一个信道状态信息Lc_l，n。在信道译码器18中进行维特比算法时按以下的公式计算二进制位l用的路径m的一个所谓的度量M_l ^(m)： $M_l^{\left(m\right)}={M_{l-1}}^{\left(m\right)}+\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{{\hat{x}}_{l,n}}^{\left(m\right)}L{c}_{l,n}{y}_{l,n}+{{\hat{u}}_l}^{\left(m\right)}L\left(u_{k,l}\right)---\left(1\right)$ 在此M_l-1 ^(m)是路径m的旧的度量，意即对于二进制位l-1， 是属于路径m和二进制位1的码字的位，

是属于码字

的已译码的字符和L(u_k，l)是求出的可靠性值，此可靠性值是对于源编码的字符u_l等于“-1”的哪个概率的一个尺度。

在下面用图3和4阐述其构造的一个计算单元20中求出可靠性值L(u_k，l)。

隐含地确定信道状态信息Lc_l，n，其办法是求出一个所谓的信道软件输出，此信道软件输出相当于由信道状态信息Lc_l，n和各自接收值y_l，n的乘积。对于此信道软件输出适用于关系式：

L_CY＝L(x/y)-L(x)                                         (2)在式中L(x/y)是一个可靠性值，它说明，当已接收了接收值y时，在码字的各自的二进制位中以何种概率出现值x，并且L(x)是一个可靠性值，它说明可以如何可靠地确定值x。Lc＝4aEs/No适用于一种所谓的高斯信道/衰落信道，式中a为衰落系数，而Es/No为信噪比。

信道译码器18从源编码的或信道译码的接收字符 中生成一个接收的源编码的序列 一个观察的可靠性值

属于每个源编码接收字符

此可靠性值是信道译码器18的一个所谓的软输出(Soft-Ausgabe)。可靠性值L(u_k-1，l)是对于用其已可以通过信道译码器18确定的源编码接收字符的可靠性的一个尺度。为了区别于由计算单元20计算的可靠性值L*(u_k，l)，以下将由信道译码器18生成的可靠性值 称为基于观察的可靠性值或称为观察的可靠性值。通过信道译码器18以一个帧k的延迟才生成观察的可靠性值

通过下标k-1延迟变得明显了。在以下阐述的本发明的实施例上，在计算单元20中采用观察的可靠性值

以便求出现实处理帧k用的可靠性值L(u_k，l)。

将源编码的接收字符u_k-1，l和/或观察的可靠性值L*(u_k-1，l)输入解压着源编码接收字符u_l的源译码器22中，在此从接收的源字符q_l中形成一个源字符序列{q′_l}。

终止在一个加法单元28上的两个虚线箭头24和26应指明，在计算单元20中在可靠性值L*(u_k-1，l)之外，或者替代这些可靠性值，采用源编码的接收字符u_l和/或在译码时在源译码器22中生成的信息。计算单元20最后使得成为可能的是，接收的源字符序列{q′_l}基本上与发射的源字符{q′_l}一致，并且因此足够良好地纠正传输时的信道干扰的影响。

图2展示两个帧，即由源编码的字符U_l组成的现实的帧k和先前的帧k-1。L个源编码的接收字符U_l属于每个帧k，k-1，使得下标1从0进行至L-1。通过按图1的计算单元20才建立在帧k，k-1，k-2等等之间的一种联系。在此利用这个事实，即在相继帧k-1，k的某些源编码字符之间，例如字符u_k，l和u_k-1，l之间，或它们的可靠性值L(u_k，l)和L(u_k-1，l)之间出现一个明显的相关性。在本发明上通过一个数学模型描述此相关性，在模型的基础上求出可靠性值L(u_k，l)。

如果对于属于接收字符u_k-1，l的状态来计算度量增量M_l ^(m)，则各自考虑按公式(1)的可靠性值L(u_k-1，l)。在此时刻可靠性值L*(u_k-1，l)还是未知的。如果在此之后对于属于接收字符u_k，l的状态求出度量M_l ^(m)，计算单元20(请参阅图1)则提供从在此时刻已知的可靠性值L*(u_k-1，l)中计算出的一个可靠性值L(u_k，l)。因此尽管延迟达一个帧，直到生成基于观察的可靠性值L*(u_k，l)时仍有帧k用的，具有足够精度的一个可靠性值L(u_k，l)供支配。

图3展示计算卡尔曼滤波器中辅助可靠性值的一种第一方式的示意图。在首先详述了卡尔曼滤波器之后，在下面阐述辅助可靠性值。

以下采用一种书写方式，这种书写方式依据在阐述H.W.Sorenson著的文章“最小二乘方估算：从高斯到卡尔曼”中阐述卡尔曼滤波器时采用的书写方式，请比较IEEE频谱，卷7，63至68页，1970年7月。在方程(11′)和(10′)中采用的数学模型是多维的。为了阐述本发明的一个实施例却动用一维模型的较简单的情况。在此情况下矢量只有一个分量，并且因此是标量。产生以下的系统模型：

x_k＝ρkx_k-1+W_k                                           (3)式中x_k为在时刻k的状态、x_k-1为在时刻k-1的状态、ρk为x_k和x_k-1之间的相关系数，以及w_k为在时刻k的系统干扰。采用此系统模型用于模拟所谓的一级马尔科夫过程。这样的系统模型用的，另外经常采用的一种关系是“一级自动回归的模型”。

所属的模型为：

z_k＝x_k+v_k                                                (4)式中z_k为在时刻k的测量值和v_k为在时刻k的测量干扰。应与x_k相乘的测量系数H_k具有值“1”，并且所以未随同写入公式(4)。干扰w_k和v_k通过所谓的白噪声形成，并且具有平均值零，此外w_k的方差称为Q_k，而v_k的方差称为R_k。根据公式(3)和(4)的模型，卡尔曼滤波器算法是与H.W.Sorenson一致地通过以下的公式定义的： ${\hat{x}}_{k/k-1}={\mathrm{\ρ}}_k{\hat{x}}_{k-1/k-1}---\left(5\right)$ $P_{k/k-1}={\mathrm{\ρ}}_k^2{P}_{k-1/k-1}+Q_{k-1}---\left(6\right)$ $K_k=\frac{P_{k/k-1}}{P_{k/k-1}+R_k}---\left(7\right)$ ${\hat{x}}_{k/k}={\hat{x}}_{k/k-1}+K_k(z_k-{\hat{x}}_{k/k-1})---\left(8\right)$ $P_{k/k}=(1-K_k)P_{k/k-1}---\left(9\right)$ 式中

为状态x_k用的估算，而ρk为差错 $e_k=x_k-{\hat{x}}_k$ 的协方差。在下标上第一下标说明各自的时刻k或k-1，在此时刻计算或已计算下标的量。由一斜杠分开的下标说明，用于计算各自已作下标的量所必要的值在何时刻供支配。如果第二下标对于理解是不必要的话，以下也采用在其上略去第二下标的书写方式。

方差Q_k，R_k以及相关系数ρk优先是常数，并且在滤波开始时规定。在规定时有利地考虑事先已测量的测量值。

从均方差的意义上，在公式(5)至(9)中说明的卡尔曼滤波器算法是最佳的，意即在实际状态x_k和估计状态

之间偏差之和是最小的。

通过将公式(8)代入公式(5)产生 用的一种所谓的预测估算： ${\hat{x}}_{k+1/k}={\mathrm{\ρ}}_{k+1}({\hat{x}}_{k/k-1}+K_k(z_k-{\hat{x}}_{k/k-1}))---\left(10\right)$

基于在处理时刻k+1存在的测量值z_k-1的估算X_k+1/k+1，通过将公式(5)代入公式(8)中产生： ${\hat{x}}_{k+1/k+1}={\mathrm{\ρ}}_{k+1}{\hat{x}}_{k/k}+K_{k+1}(z_{k+1}-{\mathrm{\ρ}}_{k+1}{\hat{x}}_{k/k})---\left(11\right)$

估算值 按绝对值是小于或等于测量值Z_k的最大绝对值。卡尔曼滤波器算法因此工作稳定。通过新的测量值z_k或z_k+1产生数额 $(z_k-{\hat{x}}_{k/k-1})$ 或 $(z_{k+1}-\mathrm{\ρ}{k}_{-1}{\hat{X}}_{k/k}).$

通过数学的换算，在这些换算时在公式(7)和(9)中借助公式(6)代替协方差P_k/k-1，并且在这些换算时随后消除协方差P_k-1/k-1，产生计算放大系数K用的以下的公式： $K_{k+1}=\frac{Q_k+{{\mathrm{\ρ}}_{k+1}}^2{R}_k{K}_k}{Q_k+R_{k+1}+{{\mathrm{\ρ}}_{k+1}}^2{R}_k{K}_k}---\left(12\right)$

从公式(12)中得出，当测量干扰v_k与系统干扰w_k相比是很小的和R_k因此大大小于Q_k时，放大系数K_k大约取值1。如果放大系数K_k具有值1，则按公式(10)和(11)只通过现实的测量值z_k或z_k+1确定优化估算值

如果与此相反地系统干扰w_k与测量值v_k相比是微小的话，放大系数K_k则趋于零。从方程(10)和(11)中得出结论，对于约为零的放大系数K_k所得出最佳估算值

仅与以前的估算值

有关。卡尔曼滤波器的这些性能保证无差错的实际状态x_k的良好估算。

也可以如下地列出方程(11)： ${\hat{x}}_{k+1/k+1}=(1-K_{k+1}){\mathrm{\ρ}}_{k+1}{\hat{x}}_{k/k}+K_{k+1}{z}_k=...$ $=h_0{\hat{x}}_{0/0}+\underset{j=1}{\overset{k+1}{\mathrm{\Σ}}}{h}_j{z}_j---\left(13\right)$ 式中hj是与zj(j＝1，…，k+1)无关的滤波器常数。估算值 因此是所有迄今存在的测量值z_k的一种线性组合。从方程(10)、(11)和(13)中可以获知，在估算值 中既考虑测量值z_k的统计相关性(一级统计)也考虑测量值Z_k的数值分布(零级统计)。

当由L(u_k，l)替代 和由

替代z_k时，可采用上面说明的公式直接用于可靠性值L(u_k，l)的计算。可是出于下述原因合理的是，采用辅助可靠性值m(u_k，l)和 代替可靠性值L(u_k，l)和 例如由可靠性值L(u_k，l)与一个概率P的强烈非线性关系的线性得出这些辅助可靠性值。

对于可靠性值通常适用以下的定义： $L\left(u_l\right)=\log \frac{P(u_l=+1)}{P(u_l=-1)}=\log \frac{1-p}{p}---\left(14\right)$

在此将u_l看作为具有元素{+1，-1}的随机变量。P(u_l＝-1)＝p是对于u_l具有值“-1”的概率。与此相反地P(u_l＝+1)＝1-p是对于u_l具有值“+1”的概率。缩写“log”表示自然对数。可靠性值也称为软值或称为对数概率比。

按定义(14)可靠性值是[-∞，+∞]范围中的一个实数。如果用值L(u_l)将u_l分级为“+1”或“-1”，代数符号sign(L(u_l))则说明所谓的硬抉择，而绝对值|L(u_l)|则说明抉择的，也称为软值(Soft-Wert)的可靠性。

如果观察用于计算度量M_K ^(m)的，上面所说明的公式(1)的话，当可靠性值趋向于“+∞”或“-∞”时，则单独通过L(u_k，l)确定此公式。正如从公式(14)中可获知的那样，这对于P趋向于零或P趋向于1是这种情况。此外在用处理器实现时，对数函数的转换常常是碍事的。在本发明的一个实施例上为了消除这些缺点，将在p和L(u_k)之间的关系线性地近似：L(u_k)≈ L(u_k)≡K(1-2p)＝Km(u_k)                               (15)

式中L(u_k)为近似的函数，K是一个常数，和m(u_k)是已经提及的辅助可靠性值。常数K具有数值“z”，使得函数L(u_k)的按概率p对于既率P＝0.5的导数，等于函数L(u_k)在位置p＝0.5上按概率p的导数。

对于辅助可靠性值m(u_k)适用以下的关系：m(u_k)＝1-2p＝(-1)p+(+1)(1-p)＝E{u_k}                         (16)

从此公式中可以获知，辅助可靠性值m(u_k)是u_k的平均值。

从公式(14)和(16)中得出在辅助可靠性值和可靠性值之间的联系为： $m\left(u_k\right)=\tanh \frac{L\left(u_k\right)}{2}---\left(17\right)$

或者为： $L\left(u_k\right)=\log \frac{1+m\left(u_k\right)}{1-m\left(u_k\right)}---\left(18\right)$

辅助可靠性值m(u_k)具有像可靠性值L(u_k)相似的意义，意即代数符号sign(m(u_k))是所谓的硬抉择，而绝对值|m(u_k)|是抉择的可靠性(所谓的软抉择)。按公式(15)或(17)，例如借助于一个表格将由信道译码器18(请参阅图1)生成的观察的可靠性值 转换为一个辅助可靠性值m(u_k-1，l)。然后同样地在采用一个表格的条件下，将由计算单元20(请参阅图1)求出的辅助可靠性值m(u_k，l)转换为可靠性值L(u_k，l)。按方程(15)通过辅助可靠性值m(u_k)来近似可靠性值L(u_k)，中实践中同样导致良好的结果。

在用辅助可靠性值m_k的按本发明的一个实施例上，在此未再随同写上与u_k的关系，从方程(10)和(12)中对于卡尔曼滤波器得出以下的计算规范： $m_{k/k-1}={\mathrm{\ρ}}_k(m_{k-1/k-2}+K_{k-1}(m_{k-1}^{*}-m_{k-1/k-2}))---\left(19\right)$ $K_{k-1}=\frac{{\mathrm{\σ}}_{w,k-2}^2+{\mathrm{\ρ}}_{k-1}^2{\mathrm{\σ}}_{v,k-2}^2{K}_{k-2}}{{\mathrm{\σ}}_{w,k-2}^2+{\mathrm{\σ}}_{v,k-1}^2+{\mathrm{\ρ}}_{k-1}^2{\mathrm{\σ}}_{v,k-2}^2{K}_{k-2}}---\left(20\right)$ 式中σ² _w，k相当于已经提及的方差Q_k，而σ² _v，k相当于同样提及的方差R_k。

图3在一个方框图中展示按公式(19)的计算。用一个减法单元50计算在公式(19)中处于内括号中的表达式(m^* _k-1-m_k-1/k-2)。在一个乘法单元52中用按公式(20)已计算的放大系数K_k-1乘此结果。在一个加法单元54中将辅助可靠性值m_k-1/k-2叠加到相乘的结果上，以此确定了公式(19)中在外括号之内的表达式。随后在一个乘法单元56中将此表达式的计算结果与相关系数ρk相乘。相乘的结果是辅助可靠性值m_k/k-1，如已提及的那样，在这个可靠性值由信道译码器18(请参阅图1)采用之前，将此辅助可靠性值m_k/k-1转换为一个可靠性值。

延迟单元58从辅助可靠性值m_k/k-1中通过延迟一个帧生成下一个处理步骤用的辅助可靠性值m_k-1/k-2。图3中提出了一个乘法单元60，在此乘法单元中，在减法单元50中采用辅助可靠性m_k-1/k-2之前，将此辅助可靠性值与测量系数H_k-1相乘。如上面所提及的那样，在实施例中测量系数H_k-1却具有值1。

在有关辅助可靠性值的一个另外的实施例中，在时刻k辅助可靠性值m^* _k已经是已知的，例如当进行迭代的译码时。在此情况下对于卡尔曼滤波器与公式(11)和(12)一致地适用以下两个公式： $m_{k/k}={\mathrm{\ρ}}_k{m}_{k-1/k-1}+K_k(m_k^{*}-{\mathrm{\ρ}}_k{m}_{k-1/k-1})---\left(21\right)$ $K_k=\frac{{\mathrm{\σ}}_{w,k-1}^2+{\mathrm{\ρ}}_k^2{\mathrm{\σ}}_{v,k-1}^2{K}_{k-1}}{{\mathrm{\σ}}_{w,k-1}^2+{\mathrm{\σ}}_{v,k}^2+{\mathrm{\ρ}}_k^2{\mathrm{\σ}}_{v,k-1}^2{K}_{k-1}}---\left(22\right)$

图4展示公式(21)的计算。图4中的描述基本上符合图3中的描述，以致于不再次地阐述已经阐述过的功能单元，可是为了区别起见，所属的标记号获得一个位于上角的斜撇。与图3相比，在图4中下标k-1由下标k所代替。

作为初始条件在按图3或图4的实施例中例如选择：m_0/-1＝m_0/0＝0和k₀＝0。根据测量值来规定方差σ² _w，k和σ² _v，k。同样地根据例如借助于下述的图6求出的测量值来规定相关系数ρ_k。也可以在滤波过程期间按照规定的，必要时实现确定的函数，动态地计算方差σ² _w，k和σ² _v，k及相关系数ρk。

在图3和4中各自展示了帧k的二进制位1用的一个卡尔曼滤波器(请参阅图2)。通常有从帧到帧相关的多个二进制位1。在此情况下在计算单元20中对于这些二进制位l中的每一个采用按图3或按图4的一个卡尔曼滤波器，请参阅图1。

图5展示一个图表，在此图表上在横座标上展示了对于表示在纵座标上的参数号0至75的相关系数。具有号0至75的参数相当于由GSM全价语音编码器生成的参数，请参阅GSM建议06.10“欧洲数字蜂窝式电信系统；全价语音代码转换”，1995。GSM全价语音编码器例如是源编码器10，请参阅图1。

参数0至7是在LPC分析(线性预测编码)时生成的所谓的LAR系数(对数地区比例Logarithmical area ratio)。这些系数的相关性是整个地大于0.3的。甚至是所谓的LTP(长期预测)用的相似度b的参数号9，26，43和60具有大于0.2的相关性。此外在每个帧中存在着来自所谓RPE分析(规则脉冲激发)的，从帧到帧仅少量变化的和具有大于0.7的相关系数的四个x_MAX系数。所述参数的相关性也出现于在其中传输这些参数的较高值的二进制位中。

图6展示在一个GSM帧中的二进制位0至69用的相关系数的一个图表。许多二进制位的值具有一种可观的帧间相关性，意即在u_k和u_k-1之间的相关系数大于0.3。借助于在方程(16)中展示的平均值计算可以看出，在m(u_k)和m(u_k-1)之间的相关系数ρk必须更显著地大于u_k和u_k-1之间的相关系数，对于所述的值典型地为0.8至0.9，使得公式(3)的数学模型符合实际的情况，并且用卡尔曼滤波器生成的可靠性值L(u_k，l)导致译码过程的改善。

在本发明的一个其它实施例中采用一个多维的模型代替在公式(3)和(4)中说明的一维的模型。在此情况下适用在已提到的Sorensen著的文章中说明的矢量书写方式。尤其当在帧间相关性之外也考虑帧内相关性时，则采用多维的模型。

也可以不用优化方法，用稍为有限的但是仍然对于许多用途是足够的精度求出可靠性值或辅助可靠性值的计算结果。在此利用上面在公式(16)中说明的联系，其办法是按下列公式求出辅助可靠性值m(u_k)： $m\left(u_k\right)=E\left\{u_k\right\}\≈{\stackrel{\‾}{u}}_k=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\hat{u}}^{k-j}---\left(23\right)$ 式中N为帧的规定数目，经这些帧进行一种所谓的窗口化，意即只考虑最后的N帧的源编码的接收字符 通过这种措施也掌握应估算信号的迅速变化。

也可采用所属的辅助可靠性值m(u_k)或

代替接收字符

然后像上述那样进一步处理求出的辅助可靠性值m(u_k)。

借助于辅助可靠性值的定义，即m＝1-2p也可如下地表达公式(23)： $\hat{p}=\frac{\mathrm{AnzahlderBits}{\hat{u}}_{k-j}=-1(j=\mathrm{1,2},...,N)}{N}---\left(24\right)$

借助于最后的N译码的接收字符 ${\hat{u}}_{k-1},{\hat{u}}_{k-2},...,{\hat{u}}_{k-N}$ 首先进行将概率P确定为值“-1”的相对频度

在此之后借助公式(14)直接计算可靠性值L(u_k)，在此可以通过近似的概率 代替概率。

Claims (10)

1.用于处理用接收器(16)接收的数据的方法，

在此方法上在相继的帧(K)中接收经传输线(14)传输的数据，在此一个帧(K)含有规定数目的二进制位(1)，

在此方法上借助采用度量增量的最大后验概率算法或最大似然算法处理接收的数据，

在此以取决于对于现实处理的帧(K)求出的一个现实可靠性值(L(u_k，l))的方式来计算其值或其可靠性值(L(u_k，l))从帧(k)到帧(k-1)相关的一个二进制位(1)用的度量增量，此可靠性值是对于二进制位(1)的值有一个规定值的概率的一个尺度，

和在此方法上采用一个观察的可靠性值(L*(u_k-1，l)，L*(u_k，l))用于求出现实的可靠性值(L(u_k，l))，从已经处理的一个帧(k-1)中或从二进制位(1)用的现实处理的帧(k)中确定此可靠性值，

其特征在于，如此求出现实的可靠性值(L(u_k，l))，使得对于多个帧(k)形成的，各自帧(k)用的无差错可靠性值的和对于同一个帧(k)求出的可靠性值(L(u_k，l))的偏差的和变成最小。

2.按权利要求1所述的方法，其特征在于，按关系式： $L\left(u_l\right)=\log \frac{P(u_l=+1)}{P(u_l=-1)}$ 求出可靠性值，式中L(u_l)为可靠性值，u_l表示帧之内的二进制位1的值，P(u_l＝+1)是对于二进制位1中的值有一个第一值的，优先有数值“+1”的概率，并且在此P(u_l＝-1)是对于二进制位1中的值有一个第二值的，优先有数值“-1”的概率。

3.按权利要求1或2所述的方法，其特征在于，回归地，在采用一个卡尔曼滤波器(20)的条件下从对于最后处理的帧(k-1)求出的可靠性值(L(u_k，l))中计算现实的可靠性值(L(u_k，l))。

4.按权利要求3所述的方法，其特征在于，按下列公式计算现实可靠性：

    L_k＝ρk(L_k-1+K_k-1(L*_k-1-L_k-1))或按下列公式计算现实的可靠性值：

    L_k＝ρkL_k-1+k_k(L*_k-ρkL_k-1)式中L_k为帧k用的可靠性值，ρk为规定的相关系数，L*_k-1或L*_k为帧k-1或k用的观察的可靠性值，和在此k_k或k_k-1是按下列公式回归地计算的放大系数： $K_k=\frac{{\mathrm{\σ}}_{w,k-1}^2+{\mathrm{\ρ}}_k^2{\mathrm{\σ}}_{v,k-1}^2{K}_{k-1}}{{\mathrm{\σ}}_{w,k-1}^2+{\mathrm{\σ}}_{v,k}^2+{\mathrm{\ρ}}_k^2{\mathrm{\σ}}_{v,k-1}^2{K}_{k-1}}$ 式中σ² _v，k-1为系统干扰的方差，而σ² _v，k-1为测量干扰的方差。

5.用于实施按权利要求1的方法对接收数据进行处理的装置(16)，

具有用于接收经传输线段(14)传输的数据的一个接收单元，在由规定数目的二进制位组成的帧(k，k-1)中传输这些数据，

具有借助于采用度量增量的最大后验概率算法或最大似然算法处理接收的数据的一个度量增量单元(18)，

具有一个计算单元(20)，此计算单元对于其值或可靠性值从帧(K)到帧(k-1)相关的一个二进制位(1)，求出输出到度量增量单元(18)上的一个现实可靠性值(L(u_k，l))，

在此用于求取现实可靠性值(L(u_k，l))的计算单元(20)采用从一个已经处理的帧(k-1)中或从二进制位(1)用的现实处理的帧(k)中已经确定的一个观察的可靠性值(L*(u_k-1，l)，(L*(u_k，l))，

其特征在于，计算单元(20)如此求取可靠性值(L(u_k，l))，使得对于多个帧(k)形成的，一个帧的无差错可靠性值和对于同一个帧(k)求出的可靠性值(L(u_k，l))的偏差的和变成最小，

或者在于，计算单元(20)如此求取可靠性值(L(u_k，l))，使得对于多个帧(k)形成的，各自帧(k)用的无差错的辅助可靠性值和对于同一个帧(k)求出的辅助可靠性值(m(u_k，l))的偏差的和变成最小，在此借助于换算函数或近似函数从可靠性值(L(u_k，l))中计算辅助可靠性值(m(u_k，l))。

6.用于处理用接收机(16)接收的数据的方法，在此方法上在相继的帧(k)中接收经传输线段(14)传输的数据，在此一个帧(k)含有规定数目的二进制位(1)，

在此方法上借助于采用度量增量的最大后验概率算法或最大似然算法处理接收的数据，

在此以取决于对于现实处理的帧(k)求出的现实可靠性值(L(u_k，l)；m(u_k，l))的方式来计算其值或可靠性值从帧(k)到帧(k-1)相关的一个二进制位(1)用的度量增量，此可靠性值是对于二进制位(1)有一个规定值的概率的一个尺度，

和在此方法上为了求取现实可靠性值(L(u_k，l)；m(u_k，l))采用两个观察的可靠性值(L*(u_k，l)，L*(u_k-1，l)；m*(u_k，l)，m*(u_k-1，l))或采用从二进制位(l)用的所属的帧(k，k-1)中确定的两个已经求出的可靠性值(L(u_k，l)，L(u_k-1，l)；m(u_k，l)，m(u_k-1，l))，

其特征在于，通过从观察的可靠性值(L*(u_k，l)，L*(u_k-1，l)；m*(u_k，l)，m*(u_k-1，l))中的或从已经求出的可靠性值(L(u_k，l)，L(u_k-1，l)；m(u_k，l)，m(u_k-1，l))中的平均值计算形成现实的可靠性值(L(u_k，l)，m(u_k，l))。

7.按权利要求6所述的方法，其特征在于，对于一个恒定数目的已经处理的帧(k)形成平均值，在此优先采用最后处理的帧(k)的可靠性值。

8.按权利要求6或7所述的方法，其特征在于，可靠性值是辅助可靠性值，为了计算度量增量用换算函数或近似函数将这些辅助可靠性值换算成可靠性值。

9.按权利要求6或7所述的方法，其特征在于，观察的可靠性值是由最大后验概率算法或由最大似然算法输出的已处理的数据(u_k)。

10.用于实施按权利要求6至9之一的方法对接收数据进行处理的装置(16)，

具有用于接收经传输线段(14)传输的数据的一个接收单元，在由规定数目的二进制位(1)组成的帧(k)中传输这些数据，

具有借助于采用度量增量的最大后验概率算法或最大似然算法处理接收的数据的一个度量增量单元(18)，

和具有一个计算单元(20)，此计算单元对于其值或可靠性值从帧(k)到帧(k-1)相关的一个二进制位(1)求出输出到度量增量单元(18)上的一个现实的可靠性值(L(u_k，l))的一个计算单元(20)，在此可靠性值(L(u_k，l))是对于二进制位(1)的值有一个规定值的概率的一个尺度，

其特征在于，计算单元(20)通过求平均值从两个观察的可靠性值(L*(uk，l)，L*(uk-1，l))中，或从曾从二进制位(1)用的所属帧(k，k-1，k-2)中确定的两个已经求出的可靠性值(L(uk-1，l)，L(uk-2，l))中计算现实的可靠性L(uk，l)。

Images