CN111464266A - 一种自适应的符号级同步错误处理方法 - Google Patents

Abstract

本发明公开了一种自适应的符号级同步错误处理方法，所述方法包括：初始化前向概率和后向概率，接收来自信道的输出r；计算前向概率并进行降序排序，取前δ个最大的前向概率，并记录前向状态集合；若网格图的状态不属于前向状态集合，则前向概率等于0；计算后向概率并进行降序排序，取前δ个最大的后向概率，并记录后向状态集合；若网格图的状态不属于后向状态集合，则后向概率等于0；计算中间概率；计算对数似然比。本发明减少了传统的符号级同步错误处理方法所需的计算复杂度，且不降低算法的纠错性能。

Description

一种自适应的符号级同步错误处理方法

技术领域

本发明涉及数字通信差错控制编码领域，尤其涉及一种自适应的符号级同步错误处理方法。

背景技术

由时钟精度问题引起的同步错误，即插入或删节错误，会造成接收序列中符号的漂移。除数字通信系统外，其他系统也可能存在同步错误，例如文件更新系统、DNA测序/数据存储、比特图形化介质存储、差分脉冲位置调制系统。

同步错误纠错码的设计及应用已引起了学者们的广泛关注。这些纠错码中，一类码的设计思想是依据同步错误的特点对传统替代错误纠错码进行改造，使其能够纠正同步错误；另一类码的设计思想是将仅用于处理同步错误的码与传统替代错误纠错码相结合，构成级联码，内码负责恢复分组边界，纠正部分同步错误，并提供似然信息，这部分内容作为处理模块，外码负责纠正所有的残留错误。上述提到的后一类码中，Davey和MacKay提出的水印码级联非二进制低密度奇偶校验(NB-LDPC)码的方案，即DM构造，获得了优异的纠错性能，能够纠正分组内的多个二进制同步错误。随后，Briffa对DM构造的同步错误处理模块进行改进，设计了一种基于符号级的前向-后向算法来纠正二进制同步错误；由于该同步错误处理方法考虑了码本信息，能够显著提高DM构造的纠错能力。

发明人在实现上述技术的过程中，发现现有技术中至少存在以下缺点和不足：

当信道条件非常恶劣，即插入/删节概率很大的情况下，为保证可靠性，现有技术的同步错误处理算法中译码网格图的宽度需要随插入/删节概率的增大而增大；庞大的译码网格图使得算法的计算复杂度非常高。

发明内容

本发明提供了一种自适应的符号级同步错误处理方法，本发明减少了传统的符号级处理方法所需的计算复杂度，并不降低算法的纠错性能，详见下文描述：

一种自适应的符号级同步错误处理方法，所述方法包括：

初始化前向概率和后向概率，接收来自信道的输出r；

计算前向概率并进行降序排序，取前δ个最大的前向概率，并记录前向状态集合；若网格图的状态不属于前向状态集合，则前向概率等于0；

计算后向概率并进行降序排序，取前δ个最大的后向概率，并记录后向状态集合；若网格图的状态不属于后向状态集合，则后向概率等于0；

计算中间概率；计算对数似然比。

所述计算前向概率并进行降序排序具体为：

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b、μ、ε、f、p均为中间变量；f₀为第0个状态对应的概率；

为第2x^max+1个状态对应的概率；

为第i+时刻状态等于x^max时的前向概率；x^max为每个时刻的最大漂移量；p₀为第0个状态值；p_2xmax+1为第2x^max+1个状态值；

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

其中，f_b为第b个f值，p_b为第b个p值；

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序。

所述计算后向概率并进行降序排序具体为：

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b、μ、ε、f、p均为中间变量；f₀为第0个状态对应的概率；

为第2x^max+1个状态对应的概率；

为第i+时刻状态等于x^max时的后向概率；x^max为每个时刻的最大漂移量；p₀为第0个状态值；

为第2x^max+1个状态值；

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序。

本发明提供的技术方案的有益效果是：

1、本发明针对二进制同步错误，基于传统的符号级同步错误处理算法，设计了一种能够自适应地删剪网格图中状态的方法；

2、本发明不考虑对前向概率和后向概率贡献较小的状态，将矩形译码网格图缩小至一个“走廊”内；

3、与传统方案相比，由于参与前向、后向及似然比计算的状态均明显减少，本发明提出的方法能够大大降低同步错误处理模块的计算量，提升系统恢复同步的速度，并且没有造成明显的性能损失。

附图说明

图1为自适应的符号级同步错误处理方法的框图；

图2为计算前向概率的流程图；

图3为传统译码网格图与自适应译码网格图的对比示意图；

图4为本方法与传统方法的性能对比图。

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，下面对本发明实施方式作进一步地详细描述。

为了解决背景技术中存在的问题，本发明提出了一种自适应的符号级同步错误处理方法。该方法不考虑对前向/后向概率值贡献非常小的状态，由于译码网格图被缩小，参与计算的状态数减少，算法所需的计算量也相应减少，从而达到了降低算法复杂度的目的。

与传统方案不同的是，本发明实施例提出的方法中，每个时刻前向/后向概率的计算仅仅考虑前一时刻中最大的前δ项，即依据前向/后向概率分布动态地调整译码路径。与传统方案相比，使用本发明实施例所提出的方法能够减少计算量，提高同步效率，且不影响系统性能。

下面结合附图对本发明的一种自适应的符号级同步错误处理方法做出详细说明。

如图1所示，本发明包括以下五个步骤，

(1)初始化前向概率和后向概率，接收来自信道的输出r；

(2)计算前向概率；

(2.1)令i₊＝n；

其中，n是NB-LDPC码中每个符号对应的比特长度。

(2.2)计算第i₊时刻的前向概率

-x^max≤y≤x^max；

其中，y称为网格图的状态并表示符号的漂移量，x^max为每个时刻的最大漂移量。

(2.3)对前向概率

进行降序排序；

(2.4)取前δ个最大的前向概率，并记录其对应状态

其中，

为第i₊时刻前向概率值排在第δ-1位的状态。

(2.5)若

(2.6)i₊＝i₊+n，若i₊≤nN_L，重复步骤(2.2)～(2.6)；若i₊>nN_L跳至步骤(3)。

其中，N_L是NB-LDPC码的符号长度。

(3)计算后向概率；

(3.1)令i₊＝nN_L；

(3.2)计算第i₊时刻的后向概率

-x^max≤y≤x^max；

(3.3)对后向概率

进行降序排序；

(3.4)取前δ个最大的后向概率，并记录其对应状态

其中，

为第i₊时刻后向概率值排在第δ-1位的状态。

(3.5)若

(3.6)i₊＝i₊-n，若i₊≥0，重复步骤(3.2)～(3.6)；若i₊<0，跳至步骤(4)。

(4)计算中间概率；

(5)计算对数似然比。

以下分别介绍上述五个步骤的具体实施步骤。

步骤(1)中初始化前向概率和后向概率具体为：

(1.1)初始化第0时刻的前向概率，

(1.2)初始化第(nN_L+5x^max)时刻的后向概率，

如图2所示，步骤(2)计算前向概率的步骤具体为，

(2.1)令i₊＝n；

其中，n是NB-LDPC码中每个符号对应的比特长度。

(2.2)计算第i₊时刻的前向概率

-x^max≤y≤x^max；

其中，i₊＝ni，F_ni为第ni时刻的前向概率，x_ni为第ni时刻的状态，y、c为网格图中的状态，x_ni表示第ni时刻的状态，x^max为每个时刻的最大漂移量；d_i-1表示NB-LDPC码的第i-1个符号，Ω_i-1是第i-1个符号对应的前δ个概率值最大的状态集合，接收子序列r'＝(r_n(i-1)+a,…,r_ni+y-1)，P(d_i-1)为第i-1个符号取集合{0,…,q-1}中各个数对应的概率，P(r',x_ni＝y|x_n(i-1)＝c,d_i-1)表示在已知x_n(i-1)＝c及d_i-1的条件下，x_ni＝y且接收到r'的概率；P(r',x_ni＝y|x_n(i-1)＝c,d_i-1)的计算为本领域技术人员所公知，本发明对此不做赘述。

(2.3)对前向概率

进行降序排序；

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b均为排序过程中用于标记下标的变量，μ、ε均为排序过程中用到的中间变量，f、p均为排序过程中用到的临时向量。

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

其中，f_b为第b个f值，p_b为第b个p值。

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序，跳至步骤(2.4)；

(2.4)取前δ个最大的前向概率，并记录其对应状态Ω_i＝{p₀,…,p_δ-1}；

其中，p_δ-1为第δ-1个p值。

(2.5)若

(2.6)i₊＝i₊+n，若i₊≤nN_L，重复步骤(2.2)～(2.6)；若i₊>nN_L，跳至步骤(3)；

其中，N_L是NB-LDPC码的符号长度。

步骤(3)计算后向概率具体为，

(3.1)令i₊＝nN_L+5x^max-1；

(3.2)计算第i₊时刻的后向概率B_i+(y)，-x^max≤y≤x^max；

其中，y、b为网格图中的状态，B_ni为第ni时刻的后向概率，Ω'_i+1是第i+1个符号对应的前δ个后向概率值最大的状态集合，接收子序列r”＝(r_ni+y,…,r_n(i+1)+b-1)，P(d_i)为第i个符号取集合{0,…,q-1}中各个数对应的概率，P(r”,x_n(i+1)＝b|x_ni＝y,d_i)表示在已知x_ni＝y及d_i的条件下，x_n(i+1)＝b且接收到r”的概率；P(r”,x_n(i+1)＝b|x_ni＝y,d_i)的计算为本领域技术人员所公知，本发明对此不做赘述。

(3.3)对

进行降序排序；

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b均为排序过程中用于标记下标的变量，μ、ε均为排序过程中用到的中间变量，f、p均为排序过程中用到的临时向量。

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序，跳至步骤(3.4)；

(3.4)取前δ个最大的后向概率，并记录其对应状态Ω'_i＝{p₀,…,p_δ-1}；

(3.5)若

(3.6)i₊＝i₊-n，若i₊≥0，重复步骤(3.2)～(3.6)；若i₊<0，跳至步骤(4)。

步骤(4)计算中间概率具体为，

其中，0≤l＜n，z为网格图中的状态，0≤a＜q，M为中间概率的记号，I为信道最大插入量，初始化M(x_ni＝z)＝1，

乘积

为输出概率，其计算为本领域技术人员所公知，本发明对此不做赘述。

步骤(5)计算对数似然比具体为，

第i个符号的似然比l_i的计算如下，

其中，0≤i＜N_L，0≤a＜q。

具体实施例

本发明将所提出的方法应用于纠正二进制插入/删节的级联码系统中，以定义在GF(16)上的NB-LDPC码为外码，码长N_L＝999，码率R＝0.71。稀疏化后，每个NB-LDPC码的符号对应比特数n＝5，水印码长度N＝4995比特，信道中每个符号的最大插入数I为2，信道插入概率等于删节概率，即P_i＝P_d，信道替代概率P_s＝0，

NB-LDPC码的译码器采用对数域置信度传播译码算法，最大迭代次数设置为20次。

图3给出了本发明所提方法与传统方法的译码网格图。图中，图(a)是传统方法的译码网格图的示意图，图(b)是本发明提出方法的译码网格图的示意图，n＝5。由图可知，本发明所提出的方法能够大大减少网格图中的状态数，缩小网格图的规模。

图4对比了本发明所提方法与传统方法的性能，其中FER代表误帧率。如图所示，随着δ的增大，本发明所提出的方法的性能接近传统方法；特别地，当δ≥20时，本发明提出的方法与传统方法的性能曲线完全重合。此外，图4还给出了网格图宽度X固定为10时传统方法对应的性能曲线，由图可知，传统系统几乎无法正常工作。由此可知，与传统方法相比，本发明提出的方法几乎没有造成性能损失，并且所需的计算复杂度更低。

以下详细讨论两种方法的计算复杂度。当信道插入概率P_i＝0.0065,0.006,0.0055,0.005时，传统方法的译码网格图的宽度X＝59,57,55,51。若选取δ＝10，本发明提出的方法所需的计算复杂度为传统方法的δ/X倍，平均约等于0.18倍。若选取δ＝20，本发明提出的方法所需的计算复杂度约为传统方法的0.36倍。以上再次证明了本发明所提出方法的有效性。

综上所述，本发明实施例提出一种自适应的符号级同步错误处理方法。由于单位时间内，符号的漂移量总是集中在一个较小的范围内，范围外的前向/后向概率值非常小。考虑到译码网格图中概率值较小的状态对符号似然比的影响不大，本发明首先设计了一种自适应准则，然后依据准则将这些状态动态地删剪掉，最后实现了一个不规则的译码网格图。与传统方案相比，由于参与计算的状态减少，本发明实施例提出的方法的计算复杂度减小；并且，由于自适应网格图能够较好的拟合实际漂移路径，本发明实施例提出的方法几乎没有造成性能损失。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种自适应的符号级同步错误处理方法，其特征在于，所述方法包括：

初始化前向概率和后向概率，接收来自信道的输出r；

计算前向概率并进行降序排序，取前δ个最大的前向概率，并记录前向状态集合；若网格图的状态不属于前向状态集合，则前向概率等于0；

计算后向概率并进行降序排序，取前δ个最大的后向概率，并记录后向状态集合；若网格图的状态不属于后向状态集合，则后向概率等于0；

计算中间概率；计算对数似然比。

2.根据权利要求1所述的一种自适应的符号级同步错误处理方法，其特征在于，所述计算前向概率并进行降序排序具体为：

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b、μ、ε、f、p均为中间变量；f₀为第0个状态对应的概率；

为第2x^max+1个状态对应的概率；

为第i+时刻状态等于x^max时的前向概率；x^max为每个时刻的最大漂移量；p₀为第0个状态值；

为第2x^max+1个状态值；

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

其中，f_b为第b个f值，p_b为第b个p值；

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序。

3.根据权利要求1所述的一种自适应的符号级同步错误处理方法，其特征在于，所述计算后向概率并进行降序排序具体为：

1)令a＝0，b＝0，

μ＝0，ε＝0；

其中，a、b、μ、ε、f、p均为中间变量；f₀为第0个状态对应的概率；

为第2x^max+1个状态对应的概率；

为第i+时刻状态等于x^max时的后向概率；x^max为每个时刻的最大漂移量；p₀为第0个状态值；

为第2x^max+1个状态值；

2)若f_b＜f_b+1，则μ＝f_b，f_b＝f_b+1，f_b+1＝μ，ε＝p_b，p_b＝p_b+1，p_b+1＝ε；

3)b＝b+1，若b<2x^max，则重复步骤2)～3)；否则，b＝0，跳至步骤4)；

4)a＝a+1，若a<2x^max+1，则重复步骤2)～4)；否则，完成排序。

Images