CN111245519A - 一种基于查找表的鲁棒性强的mppm迭代软解调算法 - Google Patents

Abstract

本发明属于空间光通信领域，特别涉及一种基于查找表的鲁棒性强的MPPM迭代软解调算法，包括：初始化信道软信息；初始化或迭代计算先验软信息；迭代计算MPPM软解调模块输出的外信息。本发明基于查找表映射法，具有较强的鲁棒性，不仅可以同时适用于高斯信道和泊松信道，可以避免因调制阶数、星座映射方案、比特映射方案改变而需要重新进行复杂的MPPM软解调公式推导，从而可以节省因该过程所带来的时间成本及人力成本，而且还可以同时适用于外编码为卷积编码的SCPPM迭代译码系统或外编码为LDPC码的迭代译码系统。

Description

一种基于查找表的鲁棒性强的MPPM迭代软解调算法

技术领域

本发明属于空间光通信领域，特别涉及一种基于查找表的鲁棒性强的MPPM迭代软解调算法。

背景技术

空间激光通信具有传输速率高、天线尺寸小、保密性好、成本低廉等诸多优点，现在已广泛应用于军事场所、城域网或企业及校园等局域网中。但空间光通信也存在传输距离受限、传输质量受天气影响较大等缺点，因此往往需要引入纠错编码技术来降低接收端的误码率，提高通信系统信息传输的可靠性。性能较好的纠错码在相同的通信质量下可以获得更好的编码增益，降低发射端所需的功率。目前常用的纠错码有里德-所罗门(Reed-Solomon,RS)码、Turbo码、低密度奇偶校验(Low Density Parity-Check,LDPC)码及串行级联脉冲位置调制(Serial Concatenated Pulse Position Modulation,SCPPM)码。而在空间光通信领域中，由于SCPPM在传输距离较远、天气条件较差、极低信噪比时仍具有较强的纠错性能，适合用于衰落信道，因而在空间光通信领域得以广泛应用。

脉冲位置调制主要分为单脉冲位置调制(Single Pulse Position Modulation,LPPM)、差分脉冲位置调制(Differential Pulse Position Modulation,DPPM)和多脉冲位置调制(Multi-pulse Pulse Position Modulation,MPPM)三种形式，其中MPPM相对于LPPM具有更高的带宽利用效率，相对于DPPM更容易进行接收端符号同步，且在峰值功率受限或脉冲宽度受限条件下误码率性能更加优异，因而近些年来有关MPPM的研究越来越多。目前，MPPM调制已被广泛应用于可见光通信、室内LED通信等自由空间光通信领域及光纤通信领域。

此外，LPPM中不同符号间彼此正交且符号数目是2的整数次幂，其信息比特到LPPM符号间的映射关系可以通过相关公式直接表示且符号能得到完全利用，在LPPM迭代软解调算法符号对数似然比到比特对数似然比转换前需要将信道时隙对数似然比转换为信道符号对数似然比(信道软信息)，将比特对数似然比转换为符号对数似然比(先验软信息)。对于LPPM调制，该两个过程可以通过MATLAB中的reshape函数及现有的转换公式很容易实现。然而，对于MPPM调制，由于其符号数目往往不是2的整数次幂且时隙与符号不能直接对应，因而在推导信道软信息和先验软信息公式时，需要对现有的MPPM迭代软解调算法算法进行改进，从而得到一种基于查找表的鲁棒性强的MPPM迭代软解调算法。该算法能普遍适用于不同阶数MPPM调制，在MPPM调制阶数或星座映射方案或比特映射方案变化时只需要改变查找表中比特与MPPM符号映射关系即可，而迭代译码算法公式其余部分则基本不需要变化。通过直接修改查找表的方法可以避免繁琐的MPPM迭代软解调公式推导过程，从而可以极大地节省人力成本及时间成本。同时，该MPPM迭代软解调算法可以适用于外编码为卷积编码的SCPPM迭代译码系统或外编码为LDPC码的迭代译码系统，具有较强的鲁棒性。

发明内容

为了解决现有的MPPM迭代软解调公式需要根据MPPM调制阶数及星座映射方案的改变而需要重新进行繁琐的公式推导的问题，本发明提出一种基于查找表的鲁棒性强的MPPM迭代软解调算法，包括以下步骤：

S1、初始化信道软信息；

S2、初始化或迭代计算先验软信息；

S3、迭代计算MPPM软解调模块输出的外信息。

下面是详细的技术方案和实现过程。

1.初始化信道软信息，具体包含如下子步骤：

步骤S1-1，初始化某时隙有信号光脉冲和无信号光脉冲的对数似然比。通常空间光通信中的信道建模有两种常用形式：高斯信道和泊松信道。当空间光信道中噪声的概率密度函数服从高斯分布，即正态分布时，此时将空间光信道建模为高斯信道；当空间光信道中噪声的概率密度函数服从泊松分布时，此时将空间光信道建模为泊松信道。下面分别是在高斯信道和泊松信道下某时隙有信号光脉冲和无信号光脉冲的对数似然比。

1)当空间光信道中为高斯信道时，假设y_i＝x_iI+n_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布，n_i为第i个时隙检测到的背景噪声，则当σ≠0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(y_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(y_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；y_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布；I为信号脉冲的强度。

2)当空间光信道中为泊松信道时，假设l_i为接收机在第i个时隙检测到的光子数，则当n_b＞0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(l_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(l_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；n_s为每时隙信号光子的平均计数；n_b为每时隙背景光子的平均计数。

步骤S1-2，初始化信道软信息。根据步骤S1-1可以得到输入信道时隙对数似然比矩阵L(c_k；I)，由此可以得到迭代过程中的输入信道符号对数似然比矩阵为：

L^(s)(c_k；I)＝T_b,s×L(c_k；I)；

式中，L^(s)(c_k；I)为第k个MPPM符号的输入信道符号对数似然比矩阵，即信道软信息；T_b,s为比特到MPPM符号映射的查找表，矩阵维度为Q′×M；L(c_k；I)为第k个MPPM符号的输入信道时隙对数似然比矩阵，矩阵维度为M×1。

2.初始化或迭代计算先验软信息。将输入比特对数似然比序列初始化为全零序列，并转换为输入比特对数似然比矩阵L(a_k；I)，由此可以得到迭代过程中的输入符号对数似然比矩阵为

式中，L^(a)(a_k；I)为第k个MPPM符号的输入比特符号对数似然比矩阵，即先验软信息；T_s,b为MPPM符号到比特解映射的查找表，矩阵维度为Q′×n；L(a_k；I)为第k个MPPM符号的输入比特对数似然比矩阵，矩阵维度为n×1。

3.迭代计算MPPM软解调模块输出的外信息。具体包含如下子步骤：

步骤S3-1，迭代计算后验软信息中的分支转移度量。假设每个MPPM帧传输的数据量为N比特，每个MPPM符号传输n比特信息，

其中，

为第k个MPPM符号的符号对数似然比矩阵，即后验软信息；

为第k个MPPM符号的比特符号对数似然比矩阵；

为第k个MPPM符号的信道符号对数似然比矩阵；从初始态i(e)＝s到终止态t(e)＝s′共有Q′条边e，边又称为分支；k为每帧中第k个MPPM符号，k＝1,…，N/n。

步骤S3-2，根据步骤S2中的迭代计算后的先验软信息和步骤S3-1的迭代计算后的后验软信息，可以得到MPPM符号对数似然比转换后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；L^(a)(a_k,i；I)为先验软信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。

步骤S3-3，为了提高计算机中步骤S3-2中外信息的运算效率，定义max^*(a,b)＝ln(e^a+e^b)，并给出相应的对数域近似数值计算为：

max^*(a,b)≈max(a,b)+ln(1+e^-|a-b|)；

其中，max^*(a,b)为数值计算的最终近似结果；max(a,b)为变量a和变量b中较大者。

步骤S3-4，根据步骤S3-2中的外信息和步骤S3-3的数值简化运算，可以得到最终简化运算后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。这里Q′输入max^*操作可以采用流水线算法计算得到。

本发明的有益技术效果包括：

1.本发明的一种基于查找表的鲁棒性强的MPPM迭代软解调算法可以适用于任何阶数MPPM调制，具有较强的鲁棒性，不仅可以同时适用于高斯信道和泊松信道，而且可以避免因调制阶数、星座映射方案、比特映射方案改变而需要重新进行复杂的MPPM软解调公式推导，从而可以节省因该过程所带来的时间成本及人力成本。此外，该算法还可以同时适用于外编码为卷积编码的SCPPM迭代译码系统或外编码为LDPC码的迭代译码系统。

2.本发明通过仿真比较，发现在固定信息传输速率条件下，随着调制阶数的增加，接收端译码性能会先上升后下降，在某调制阶数时译码性能存在最优值，且采用本发明SCMPPM系统比采用现有SCPPM系统的译码性能有一定提升。在信息传输速率为15.625Mbps时，采用SCPPM系统性能在调制阶数为64阶时达到最优，采用SCMPPM系统性能在调制阶数为33阶时达到最优，后者比前者性能提升约0.80dB。同时，在误码率达到10^-3～10^-4条件下，采用SCMPPM系统单个时隙所需的信号光子数要远少于SCPPM系统。

附图说明

图1是本发明的MPPM迭代软解调算法流程图。

图2是本发明的SCMPPM编译码系统结构框图。

图3是本发明的2-5MPPM调制的星座映射图。

图4是本发明的AMPPM内编码器结构框图。

图5是现有技术SCPPM和本发明SCMPPM在相同传输速率时的误码率对比图。

图6是现有技术SCPPM和本发明SCMPPM在相近误码率时时隙光子数对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于查找表的鲁棒性强的MPPM迭代软解调算法的技术方案，该迭代译码算法的流程图如图1所示，包括：

S1、初始化信道软信息；

S2、初始化或迭代计算先验软信息；

S3、迭代计算MPPM软解调模块输出的外信息。

在本实施例中，为了更好说明该方案的具体实现过程，将结合串行级联脉冲位置调制(Serial Concatenated Multi-pulse Position Modulation,SCMPPM)编译码系统进行说明。本发明的总体结构框图如图2所示，利用MATLAB软件进行仿真，方案的具体实施过程如下：

1)发射端首先利用MATLAB中的rand函数产生0到1之间的随机数序列，然后利用round函数四舍五入就近取整后得到初始的用户数据流。

2)为了保证数据传输的正确性，先将初始用户数据进行循环冗余校验(CyclicRedundancy Check，CRC)，然后将数据输入到SCMPPM编码器中，经过一系列的卷积编码、随机交织、位累加及MPPM调制等过程发送到空间光信道。如图3是2-5MPPM调制的星座映射图。其中MPPM调制过程中比特到符号的映射采用查找表映射方式进行。

3)将经过MPPM调制后的信号经过空间光信道泊松信道模型(poissrnd函数)传输后发送到接收端。

4)接收端经过信号采样、数据插值后输入到SCMPPM译码器中，经过AMPPM译码、解交织、卷积译码、交织等过程，采用基于查找表的MPPM迭代软解调算法进行数据迭代计算，最终进行硬判决并译码输出。

MATLAB仿真的参数设置如下。假设SCMPPM编译码系统采用不规则的双脉冲MPPM调制，其中仿真参数为：每一次对一帧数据进行独立仿真，数据量为15120比特，译码迭代次数为9次，固定信息传输速率为R＝15.625Mbps，每个MPPM符号前面添加N_g＝1个保护时隙，每时隙背景光子速率R_b＝6.25Mbps，信号脉冲占空比ρ＝1，每时隙光子到达的抖动标准差δ＝3.2ns。

本实施例在空间光通信系统接收端译码时采用一种基于查找表的鲁棒性强的MPPM迭代软解调算法。下面给出技术方案S1步骤中的初始化及迭代计算信道软信息和先验软信息的子步骤。

步骤S1-1，初始化某时隙有信号光脉冲和无信号光脉冲的对数似然比。通常空间光通信中的信道建模有两种常用形式：高斯信道和泊松信道。当空间光信道中噪声的概率密度函数服从高斯分布，即正态分布时，此时将空间光信道建模为高斯信道；当空间光信道中噪声的概率密度函数服从泊松分布时，此时将空间光信道建模为泊松信道。下面分别是在高斯信道和泊松信道下某时隙有信号光脉冲和无信号光脉冲的对数似然比。

1)当空间光信道中为高斯信道时，假设y_i＝x_iI+n_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布，n_i为第i个时隙检测到的背景噪声，则当σ≠0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(y_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(y_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；y_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布；I为信号脉冲的强度。

2)当空间光信道中为泊松信道时，假设l_i为接收机在第i个时隙检测到的光子数，则当n_b＞0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(l_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(l_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；n_s为每时隙信号光子的平均计数；n_b为每时隙背景光子的平均计数。

步骤S1-2，确定比特到MPPM符号映射的查找表T_b,s和MPPM符号到比特解映射的查找表T_s,b。如图3所示是2-5MPPM调制的星座映射图，则比特到MPPM符号映射的查找表T_b,s和MPPM符号到比特解映射的查找表T_s,b分别为：

其中，映射表T_b,s的矩阵维度为8×5，“8”代表共选择的8种MPPM符号，“5”代表每个MPPM符号中有5个信息时隙，每一行中的“1”代表该时隙位置有信号脉冲，每一行中的“0”代表该时隙位置无信号脉冲，如第0行的“01010”代表第一个符号中第2个时隙和第4个时隙中有信号脉冲，而在第1、3、5个时隙无信号脉冲；逆映射表T_s,b的矩阵维度为8×3，“8”仍代表共选择的8种MPPM符号，“3”代表每个MPPM符号中传递3比特信息，如第1行的“001”对应星座图中索引值为1的MPPM符号，第7行的“111”对应星座图中索引值为7的MPPM符号。

步骤S1-3，初始化或迭代计算信道软信息。根据步骤S1-1可以得到输入信道时隙对数似然比矩阵L(c_k；I)，由此可以得到迭代过程中的输入信道符号对数似然比矩阵为：

L^(s)(c_k；I)＝T_b,s×L(c_k；I)；

式中，L^(s)(c_k；I)为第k个MPPM符号的输入信道符号对数似然比矩阵，即信道软信息；T_b,s为比特到MPPM符号映射的查找表，矩阵维度为Q′×M；L(c_k；I)为第k个MPPM符号的输入信道时隙对数似然比矩阵，矩阵维度为M×1。

S2步骤，初始化或迭代计算先验软信息。将输入比特对数似然比序列初始化为全零序列，并转换为输入比特对数似然比矩阵L(a_k；I)，由此可以得到迭代过程中的输入符号对数似然比矩阵为

式中，L^(a)(a_k；I)为第k个MPPM符号的输入比特符号对数似然比矩阵，即先验软信息；T_s,b为MPPM符号到比特解映射的查找表，矩阵维度为Q′×n；L(a_k；I)为第k个MPPM符号的输入比特对数似然比矩阵，矩阵维度为n×1。

下面给出技术方案S3步骤中的迭代计算MPPM软解调模块输出的外信息的子步骤。由于SCMPPM中增加了位累加模块，因此该步骤也即为计算AMPPM译码模块输出的外信息。

步骤S3-1，迭代计算后验软信息中的分支转移度量。AMPPM内编码器结构框图如图4所示，假设每个SCMPPM帧传输的数据量为N比特，每个MPPM符号传输n比特信息，在AMPPM编码模块位累加时采用格雷映射，由于比特对中比特的初始态i(e)＝s和终止态t(e)＝s′都可能为0或1，所以经过AMPPM译码模块后的符号对数似然比矩阵为：

其中，

为第k个MPPM符号的符号对数似然比矩阵，即后验软信息中的分支转移度量；

为第k个MPPM符号的比特符号对数似然比矩阵；

为第k个MPPM符号的信道符号对数似然比矩阵；从初始态i(e)＝s到终止态t(e)＝s′共有2Q′条边e，边又称为分支；k为每帧中第k个MPPM符号，k＝1,…，N/n。

步骤S3-2，迭代计算后验软信息中的前向度量和后向度量。根据步骤S3-1中迭代计算后验软信息中的分支转移度量，假设初始态i(e)＝s和终止态t(e)＝s′，则迭代计算后验软信息中的前向度量和后向度量分别为：

其中，

为第k个MPPM符号的后验软信息中的前向度量，初始化前向度量为

为第k个MPPM符号的后验软信息中的后向度量，初始化后向度量为

步骤S3-3，迭代计算后验软信息。根据步骤S3-1和步骤S3-2中迭代计算后验软信息中的分支转移度量、前向度量和后向度量，可以得到输出比特符号对数似然比矩阵为：

其中，

为第k个MPPM符号的输出比特符号对数似然比矩阵，即后验软信息；

为第k个MPPM符号的后验软信息中的前向度量；

为第k个MPPM符号的后验软信息中的分支转移度量；

为第k个MPPM符号的后验软信息中的后向度量。

步骤S3-4，根据步骤S2中的迭代计算后的先验软信息和步骤S3-3的迭代计算后的后验软信息，可以得到MPPM符号对数似然比转换后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；L^(a)(a_k,i；I)为先验软信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。

步骤S3-5，为了提高计算机中步骤S3-4中外信息的运算效率，定义max^*(a,b)＝ln(e^a+e^b)，并给出相应的对数域近似数值计算为：

max^*(a,b)≈max(a,b)+ln(1+e^-|a-b|)；

其中，max^*(a,b)为数值计算的最终近似结果；max(a,b)为变量a和变量b中较大者。

步骤S3-6，根据步骤S3-4中的外信息和步骤S3-5的数值简化运算，可以得到最终简化运算后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。这里Q′输入max^*操作可以采用流水线算法计算得到。

此外，SCMPPM迭代译码算法还需要涉及交织、解交织及外部SISO的比特对数似然比到符号之间对数似然比的转换等过程，这与SCPPM迭代译码算法相同，可详见其他现有文献，这里不再详述。

图1是本发明的MPPM迭代软解调算法流程图。

图2是SCMPPM编译码系统结构框图。该系统结构主要由SCMPPM编码、空间光信道及SCMPPM译码三大模块组成。其中发射端为了保证数据传输的正确性，在进行SCMPPM编码前先对数据进行了CRC。SCMPPM编码模块是一种串行级联结构，主要由外编码器、交织器及内编码器三部分组成。其中外编码器采用(2,1,3)非递归系统卷积码，码率为1/2，其生成矩阵为[111；101]。内编码器是由一个累加器和一个MPPM调制器联合组成，合称为AMPPM。内外编码器之间通过随机交织器相连。这种以交织器相连的串行级联结构，可以保证整个系统获得更好的性能。接收端接收到信号后，先对信号进行采样，然后传到SCMPPM译码模块中。SCMPPM译码模块包括外译码器、内译码器、解交织器及交织器组成，采用MPPM迭代软解调算法进行数据计算，最终对输出的外信息进行硬判决并译码输出。

图3是2-5MPPM调制的星座映射图。其中黑色实心圆圈代表编码过程中使用星座点、白色空心圆圈代表编码过程中未使用的星座点，横坐标代表MPPM符号中第一个信号脉冲所在时隙位置、纵坐标代表MPPM符号中第二个信号脉冲所在时隙位置，星座图中星座点序号为进行比特映射时对应的比特序列索引值。

图4是AMPPM内编码器结构框图。图中输入的比特序列为a，输出的比特序列为b，位累加器有“0”和“1”两种状态，输出的MPPM符号序列为c。若输入比特序列a有3位比特共8种状态，则经过累加器后输出比特序列b共有16种状态，因而输出MPPM符号序列c共有16种状态。

图5是SCPPM和SCMPPM在相同传输速率时的误码率对比图。其中仿真参数设置为：每一次对一帧数据进行独立仿真，数据量为15120比特，译码迭代次数为9次，固定信息传输速率为R＝15.625Mbps，每个MPPM符号前面添加N_g＝1个保护时隙，每时隙背景光子速率R_b＝6.25Mbps，信号脉冲占空比ρ＝1，每时隙光子到达的抖动标准差δ＝3.2ns。横坐标代表每PPM符号信号光子的平均到达率，纵坐标为误码率。从图中可以发现，在通信系统信息传输速率固定为15.625Mbps时，随着调制阶数的增加，接收端译码性能会呈现先上升后下降的趋势，在某调制阶数条件下接收端译码性能最优。进一步研究发现，采用SCPPM系统性能在调制阶数为64阶时达到最优，采用SCMPPM系统性能在调制阶数为33阶时达到最优，后者比前者性能提升约0.80dB。这是因为通信系统的信息传输速率固定且相等时，随着PPM调制阶数的增加，单位时隙宽度在不断降低，所需的峰值功率却在不断增加，从而使接收端的信噪比变大，提高接收端正确译码的概率。当峰值功率达到一定程度会由于器件限制而不能再增加，但此时时隙宽度仍会随着调制阶数的增加而不断减小，从而使接收端的信噪比反而变小，反而导致接收端译码性能急剧下降。

图6是SCPPM和SCMPPM在相近误码率时时隙光子数对比图。仿真参数设置同图5。从图中可以发现，在误码率达到10^-3～10^-4条件下，采用SCMPPM系统单个时隙所需的信号光子数n_s大约比采用SCPPM系统少了约40％。这表明采用SCMPPM系统可以在更低的峰值功率条件下达到与SCPPM系统相同的误码性能。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种基于查找表的鲁棒性强的MPPM迭代软解调算法，其特征在于，主要分为信道软信息、先验软信息和外信息三个内容，包括以下步骤：

S1、初始化信道软信息；

S2、初始化或迭代计算先验软信息；

S3、迭代计算MPPM软解调模块输出的外信息。

2.根据权利要求1所述的一种基于查找表的鲁棒性强的MPPM迭代软解调算法中步骤S1所述的内容，其特征在于，初始化信道软信息，具体包含如下子步骤：

步骤S1-1，初始化某时隙有信号光脉冲和无信号光脉冲的对数似然比。通常空间光通信中的信道建模有两种常用形式：高斯信道和泊松信道。当空间光信道中噪声的概率密度函数服从高斯分布，即正态分布时，此时将空间光信道建模为高斯信道；当空间光信道中噪声的概率密度函数服从泊松分布时，此时将空间光信道建模为泊松信道。下面分别是在高斯信道和泊松信道下某时隙有信号光脉冲和无信号光脉冲的对数似然比。

1)当空间光信道中为高斯信道时，假设y_i＝x_iI+n_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布，n_i为第i个时隙检测到的背景噪声，则当σ≠0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(y_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(y_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；y_i为接收机在第i个时隙检测到的信号强度，其服从均值为I方差为σ²的高斯分布；I为信号脉冲的强度。

2)当空间光信道中为泊松信道时，假设l_i为接收机在第i个时隙检测到的光子数，则当n_b＞0时，在接收端第k个MPPM符号第i个时隙有信号光脉冲和无信号光脉冲的对数似然比函数为：

其中，P_k(l_i|1)为接收端第k个MPPM符号第i个时隙有信号光脉冲的概率；P_k(l_i|0)为接收端第k个MPPM符号第i个时隙无信号光脉冲的概率；n_s为每时隙信号光子的平均计数；n_b为每时隙背景光子的平均计数。

步骤S1-2，初始化信道软信息。根据步骤S1-1可以得到输入信道时隙对数似然比矩阵L(c_k；I)，由此可以得到迭代过程中的输入信道符号对数似然比矩阵为：

L^(s)(c_k；I)＝T_b,s×L(c_k；I)；

式中，L^(s)(c_k；I)为第k个MPPM符号的输入信道符号对数似然比矩阵，即信道软信息；T_b,s为比特到MPPM符号映射的查找表，矩阵维度为Q′×M；L(c_k；I)为第k个MPPM符号的输入信道时隙对数似然比矩阵，矩阵维度为M×1。

3.根据权利要求1所述的一种基于查找表的鲁棒性强的MPPM迭代软解调算法中步骤S2所述的内容，其特征在于，初始化或迭代计算先验软信息。将输入比特对数似然比序列初始化为全零序列，并转换为输入比特对数似然比矩阵L(a_k；I)，由此可以得到迭代过程中的输入符号对数似然比矩阵为

式中，L^(a)(a_k；I)为第k个MPPM符号的输入比特符号对数似然比矩阵，即先验软信息；T_s,b为MPPM符号到比特解映射的查找表，矩阵维度为Q′×n；L(a_k；I)为第k个MPPM符号的输入比特对数似然比矩阵，矩阵维度为n×1。

4.根据权利要求1所述的一种基于查找表的鲁棒性强的MPPM迭代软解调算法中步骤S3所述的内容，其特征在于，迭代计算MPPM软解调模块输出的外信息。具体包含如下子步骤：

步骤S3-1，迭代计算后验软信息中的分支转移度量。假设每个MPPM帧传输的数据量为N比特，每个MPPM符号传输n比特信息，

其中，

为第k个MPPM符号的符号对数似然比矩阵，即后验软信息；

为第k个MPPM符号的比特符号对数似然比矩阵；

为第k个MPPM符号的信道符号对数似然比矩阵；从初始态i(e)＝s到终止态t(e)＝s′共有Q′条边e，边又称为分支；k为每帧中第k个MPPM符号，k＝1,…，N/n。

步骤S3-2，根据步骤S2中的迭代计算后的先验软信息和步骤S3-1的迭代计算后的后验软信息，可以得到MPPM符号对数似然比转换后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；L^(a)(a_k,i；I)为先验软信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。

步骤S3-3，为了提高计算机中步骤S3-2中外信息的运算效率，定义max^*(a,b)＝ln(e^a+e^b)，并给出相应的对数域近似数值计算为：

max^*(a,b)≈max(a,b)+ln(1+e^-|a-b|)；

其中，max^*(a,b)为数值计算的最终近似结果；max(a,b)为变量a和变量b中较大者。

步骤S3-4，根据步骤S3-2中的外信息和步骤S3-3的数值简化运算，可以得到最终简化运算后的输出比特对数似然比为：

其中，L^(e)(a_k,i；O)为MPPM符号对数似然比转换后的输出比特对数似然比，即外信息；MPPM符号在序列中索引值k＝1,…，N/n；MPPM符号在比特到MPPM符号映射查找表中的索引值i＝0,…，Q′-1，Q′为MPPM星座映射方案中选用的星座点数目。这里Q′输入max^*操作可以采用流水线算法计算得到。

Images