CN113162731B - 混合数模广播通信方法 - Google Patents

混合数模广播通信方法 Download PDF

Info

Publication number
CN113162731B
CN113162731B CN202110580123.7A CN202110580123A CN113162731B CN 113162731 B CN113162731 B CN 113162731B CN 202110580123 A CN202110580123 A CN 202110580123A CN 113162731 B CN113162731 B CN 113162731B
Authority
CN
China
Prior art keywords
code
common layer
information
channel code
refinement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110580123.7A
Other languages
English (en)
Other versions
CN113162731A (zh
Inventor
陈雪晨
林卓斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202110580123.7A priority Critical patent/CN113162731B/zh
Publication of CN113162731A publication Critical patent/CN113162731A/zh
Application granted granted Critical
Publication of CN113162731B publication Critical patent/CN113162731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0057—Block codes
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
    • H03M13/13—Linear codes
    • H03M13/15—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes
    • H03M13/151—Cyclic codes, i.e. cyclic shifts of codewords produce other codewords, e.g. codes defined by a generator polynomial, Bose-Chaudhuri-Hocquenghem [BCH] codes using error location or error correction polynomials
    • H03M13/152—Bose-Chaudhuri-Hocquenghem [BCH] codes
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/29—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes
    • H03M13/2906—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes using block codes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提供了一种混合数模广播通信方法，包括：采集数据通过第一量化器量化得到精度较低的公共层信息和对应的量化误差；将量化得到的所述量化误差通过第二量化器量化得到精度较高的精进层信息；根据所述公共层信息编码得到公共层信道码，根据所述精进层信息编码得到精进层信道码；调制所述公共层信道码和所述精进层信道码，与量化误差构成的模拟流叠加在一起传输到广播信道中；利用基于边信息的LLR‑BP译码，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值。本发明利用分层编码，基于比特填充的污纸编码和叠加的模拟流传输技术，对采集到的数据进行不同精度的编码传输。

Description

混合数模广播通信方法
技术领域
本发明涉及无线传感网、无线通信、广播通信技术领域，特别涉及一种混合数模广播通信方法。
背景技术
物联网作为“智慧地球”战略的承载者，具有远大的前景。而无线传感网(Wireless Sensors Networks,WSNs)作为物联网的基础，由大量部署在特定区域，相互独立的通信节点组成，负责采集诸如温湿度、盐碱度、光照强度、气压等环境特征数据，并将其传输到数据中心，完成对该区域的进一步检测。在实际应用场景中，WSNs往往部署在人迹罕至的区域，节点的更新替换难以进行。当网络中大量节点“死亡”，该网络随即失去价值。因此，节点中分别负责数据采集、传输的传感器模块和通信模块都应尽可能保证低功耗，延长网络的寿命。
现有技术综合节点位置及其剩余能量，优化路由路径选择，延长网络的整体寿命。但在某些高精度检测要求场景，为保证数据的精确度、实时性，在小范围区域的节点需作大量数据采集、传输。位于该区域的大量节点能量耗尽后，不得不选择偏远的节点构建路由路径，使得数据的准确性和实时性大大降低。
发明内容
本发明提供了一种混合数模广播通信方法，其目的是为了解决选择偏远的节点构建路由路径，使得数据的准确性和实时性大大降低的问题。
为了达到上述目的，本发明的实施例提供了一种混合数模广播通信方法，包括：
步骤1，采集数据通过第一量化器量化得到精度较低的公共层信息和对应的量化误差；
步骤2，将量化得到的所述量化误差通过第二量化器量化得到精度较高的精进层信息；
步骤3，根据所述公共层信息编码得到公共层信道码，根据所述精进层信息编码得到精进层信道码；
步骤4，调制所述公共层信道码和所述精进层信道码，与量化误差构成的模拟流叠加在一起传输到广播信道中；
步骤5，若在路由路径选取优先级较低的节点，根据接收到的边信息和信道输出，利用基于边信息的LLR-BP译码，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值。
其中，所述方法还包括：
步骤51，若在路由路径选取优先级较高的节点，根据接收到的边信息和信道输出，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值，将译码所得的公共层信道码调制映射成符号序列，通过逐步消除译码方式更新精进层信道码对应的信道输出和量化误差对应的边信息，利用基于边信息的LLR-BP译码恢复出精进层信道码；
步骤52，根据所述公共层信道码在(n,k,t)BCH码本中找到符合比特填充过程、满足联合典型性的精进层信道码集合，所述精进层信道码集合为典型集；
步骤53，判断是否需要进行基于评分的典型集译码，若需要进行评分，则通过对典型集中的码字进行评分，选择评分最高的t个码字作为译码候选结果；
步骤54，若译码候选结果与通过基于边信息的LLR-BP译码恢复出的精进层信道码之间的汉明距离小于t，则将其对应的精进层信息解量化得到量化误差，重建采集数据的重建值；否则认为基于评分的典型集译码错误，重建采集数据的重建值。
其中，所述步骤3具体包括：
将一定数量的比特填充到精进层信息mRL的末尾，得到精进层序列m′RL；
将比特填充所得序列m′RL经过(n,k,t)BCH编码得到精进层信道码cRL；
将精进层信道码cRL经过脉冲振幅调制映射成欧式空间中的符号序列xRL；
将符号序列xRL和量化误差e叠加在一起，作为基于和码的污纸编码器的输入干扰项v，与公共层信息mCL一同参与完成基于和码的污纸编码；
将长为kaux的全0到全1序列，共计
Figure BDA0003085842450000038
个辅助序列maux，与公共层信息 mCL级联得到公共层序列m′CL＝[mCL|maux]，分别将他们进行(n,k,t)BCH编码，选择使得编码输出c与输入干扰项v满足联合典型性的辅助序列，记为
Figure BDA0003085842450000031
并将公共层信息mCL与
Figure BDA0003085842450000032
级联后对应的编码输出
Figure BDA0003085842450000037
确定为公共层信道码cCL。
其中，所述步骤4包括：
所述广播信道的信道输入为x＝xCL+(1-α)(xRL+e)；
其中，xCL,xRL分别代表公共层、精进层信道码cCL,cRL所对应的调制符号序列；α代表部分干扰消除系数。
其中，所述步骤52具体包括：
筛选出(n,k,t)BCH码本中基本信息序列等同于公共层信息
Figure BDA0003085842450000033
的码字，构成码字子集U′；
筛选出(n,k,t)BCH码本中信息序列满足比特填充所用的(n′,k′,t′)短码的码字，构成码字子集T′；
将码字子集T′中的码字记为c′，其基本信息序列记作m′c，通过所述第二量化器将m′c解量化得到量化误差e′，将码字c′映射成欧式空间中的符号序列x′c，二者叠加得到干扰x′r＝x′c+e′，筛选出使得码字子集U′中的
Figure BDA0003085842450000034
与干扰x′r欧式距离最接近的码字c′，构成典型集Tid。
其中，所述步骤53具体包括：
通过基于边信息的LLR-BP译码恢复出的精进层信道码不满足译码校验且不在典型集中，表明未成功译码，需进行基于评分的典型集译码；
否则表明译码正确，对应于所述第二量化器，直接将所述精进层信道码对应的精进层信息解量化得到量化误差，重建采集数据的重建值。
其中，所述对典型集中的码字进行评分的步骤具体包括：
获取典型集中码字c′所对应的干扰x′r，并计算他们与
Figure BDA0003085842450000035
之间的欧式距离，并按照由近到远排序，距离最近的码字记一分；
根据边信息y和已恢复出的公共层信息
Figure BDA0003085842450000036
计算典型集中码字c′的基本信息序列m′c所对应量化误差的先验概率，并按照由大到小排序，先验概率最大的码字记一分；先验概率公式如下所示：
Figure BDA0003085842450000041
其中，g2(·)代表比特序列“·”经过量化器2的量化值，P(·|*)代表根据信源分布以及量化器1量化值“*”得到量化误差为“·”的先验概率；
根据信道输出r，边信息y和已恢复出的公共层信息
Figure BDA0003085842450000042
对量化误差进行估计，估计值记为
Figure BDA0003085842450000043
根据第二量化器，获取典型集中码字c′的基本信息序列m′c对应的量化值g2(m′c)；计算量化值g2(m′c)与估计值
Figure BDA0003085842450000044
之间的偏差，并按照绝对值由小到大排序，偏差最小的码字记一分；公式如下：
Figure BDA0003085842450000045
其中，h2(·)代表模拟量“·”通过量化器2量化得到的比特序列，ψ(·)代表比特序列“·”调制得到的符号序列。
本发明的上述方案有如下的有益效果：
本发明的混合数模广播通信方法利用分层编码，基于比特填充的污纸编码，和叠加的模拟流传输技术，对采集到的数据进行不同精度的编码传输；在保证无线传感网中所有节点都能实现可靠通信，且不带来额外的时延和能量损耗的前提下，让路由路径选取优先级较高的节点，即中心区域节点能够获取精度更高的采集信息；同时采用的基于比特填充的污纸编码技术和对应的基于评分的典型集译码技术，信道采用经典短码，使得编解码过程可以通过预先获取的码本典型集直接查表完成，以微小的存储空间为代价，极大地降低了计算复杂度，进而降低时延和能量损耗；可应用于对通信质量要求较高，且具有低时延需求的无线传感网场景，如气象监控，森林火灾防控，天然气开采泄露预警等。
附图说明
图1为本发明的混合数模广播通信系统的编码部分示意图；
图2为本发明的混合数模广播通信系统的译码部分示意图；
图3为本发明的混合数模广播通信方法的流程示意图；
图4位本发明的混合数模广播通信方法的仿真结果图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1至图3所示，本发明的实施例提供了一种混合数模广播通信方法，包括：
步骤1，采集数据通过第一量化器量化得到精度较低的公共层信息和对应的量化误差；
步骤2，将量化得到的所述量化误差通过第二量化器量化得到精度较高的精进层信息；
步骤3，根据所述公共层信息编码得到公共层信道码，根据所述精进层信息编码得到精进层信道码；
步骤4，调制所述公共层信道码和所述精进层信道码，与量化误差构成的模拟流叠加在一起传输到广播信道中；
步骤5，若在路由路径选取优先级较低的节点，根据接收到的边信息和信道输出，利用基于边信息的LLR-BP译码，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值。
本发明的上述实施例采集到的数据s经过量化器1，量化得到精度较低的公共层信息mCL以及对应的量化误差e；e再经过量化器2，量化得到精度较高的精进层信息mRL；首先，将一定数量的比特填充到精进层信息mRL的末尾，得到精进层序列m′RL，以便参与(n,k,t)BCH编码。这里填充的比特可以通过任意具有校验能力的短码编码方式得到，具体来说就是对精进层信息mRL进行 (n′,k′,t′)短码编码得到的对应校验位，其中n′≤k。如采用最短的(7,4,1)BCH码，也称为汉明码。(n,k,t)BCH码表示其码长为n，信息位长度为 k，检验位长度为n-k，最多能够纠错t位比特错误。BCH码属于经典短码，最早由Bose,Ray-Chauduri和Hocquenghem三位学者研究提出，以三者名字的缩写命名。其次，将比特填充所得序列m′RL经过(n,k,t)BCH编码得到精进层信道码cRL；然后，将精进层信道码cRL经过脉冲振幅调制(Pulse Amplitude Modulation,PAM)映射成欧式空间中的符号序列xRL。该映射可以采用相移键控 (Phase-Shift Keying,PSK)，频移键控(Frequency-Shift Keying,FSK)，相移键控(Amplitude-Shift Keying,ASK)等比特量到数字量的调制映射方式。将长为kaux的全0到全1序列，共计
Figure BDA0003085842450000061
个辅助序列maux，与公共层信息mCL级联得到公共层序列m′CL＝[mCL|maux]，分别将他们进行(n,k,t)BCH编码。选择使得编码输出c与输入干扰项v满足联合典型性的辅助序列，记为
Figure BDA0003085842450000062
并将公共层信息mCL与
Figure BDA0003085842450000063
级联后对应的编码输出
Figure BDA0003085842450000064
确定为公共层信道码cCL。联合典型性定义如下：对于两组码字c1,c2，若他们各自的经验熵和真实熵之差都趋于0，且他们的联合分布p(c1,c2)所对应的经验熵和真实熵之差也趋于0，则称这两组码字互为联合典型。一般在实际应用中，将码字映射成欧式空间中符号序列，若与其他码字所对应的符号序列最接近，即二者间的欧式距离最小，则称二者满足联合典型性。最终，公共层、精进层信道码需经过调制，再与量化误差e构成的模拟流叠加在一起传输到广播信道中，无需利用时分单独传输。具体来说，信道输入为x＝xCL+(1-α)(xRL+e)，其中，xCL,xRL分别代表公共层、精进层信道码cCL,cRL所对应的调制符号序列；α代表部分干扰消除系数，可使污纸编码输出逼近信道容量，实现最优性能。
其中，所述方法还包括：
步骤51，若在路由路径选取优先级较高的节点，根据接收到的边信息和信道输出，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值，将译码所得的公共层信道码调制映射成符号序列，通过逐步消除译码方式更新精进层信道码对应的信道输出和量化误差对应的边信息，利用基于边信息的LLR-BP译码恢复出精进层信道码；
步骤52，根据所述公共层信道码在(n,k,t)BCH码本中找到符合比特填充过程、满足联合典型性的精进层信道码集合，所述精进层信道码集合为典型集；
步骤53，判断是否需要进行基于评分的典型集译码，若需要进行评分，则通过对典型集中的码字进行评分，选择评分最高的t个码字作为译码候选结果；
步骤54，若译码候选结果与通过基于边信息的LLR-BP译码恢复出的精进层信道码之间的汉明距离小于t，则将其对应的精进层信息解量化得到量化误差，重建采集数据的重建值；否则认为基于评分的典型集译码错误，重建采集数据的重建值。
本发明的上述实施例所述的方法对于路由路径选取优先级较低的节点，即偏远区域节点：首先，节点根据接收到的边信息y和信道输出r，利用基于边信息的LLR-BP译码，直接重建公共层信道码
Figure BDA0003085842450000071
及其对应的公共层信息
Figure BDA0003085842450000072
然后，对应于量化器1，将公共层信息
Figure BDA0003085842450000073
解量化得到采集数据的重建值
Figure BDA0003085842450000074
边信息y＝ρs+nv，与采集数据具有一定相关性，相关系数为ρ，其中虚拟噪声nv服从均值为0，方差为1-ρ2的高斯分布。信道输出r＝x+n，对应加性高斯白噪声信道，信道噪声n服从均值为0，方差为σ2的高斯分布。基于边信息的LLR-BP译码算法作为前者的一种改进，首先根据边信息和信道输出初始化变量节点的LLR值，再迭代完成变量节点到校验节点之间的信息更新，直到译码判决满足校验方程或者达到最大迭代次数，从而得到错误可能性最小的译码结果。LLR值初始化公式如公式1所示，其中
Figure BDA0003085842450000075
分别代表调制符号集A中符号所对应的比特序列中第j位为0,1的符号a(0),a(1)所组成的子集。 P(·|y,r)代表根据边信息y和信道输出r求得信道输入符号为“·”的后验概率，计算公式如公式2所示，其中f(·)代表信道输入符号“·”对应的比特序列，g1(·)代表比特序列“·”经过量化器1的量化值，P(·)代表根据信源分布求得信道输入符号为“·”的先验概率。
Figure BDA0003085842450000076
Figure BDA0003085842450000077
对于路由路径选取优先级较高的节点，即中心区域节点：首先，同上述过程，译码获得公共层信道码
Figure BDA0003085842450000078
公共层信息
Figure BDA0003085842450000079
并据此重建采集数据
Figure BDA00030858424500000710
其次，将译码所得公共层信道码
Figure BDA00030858424500000711
调制映射成符号序列
Figure BDA00030858424500000712
并通过逐步消除译码方式，更新精进层信道码对应的信道输出
Figure BDA00030858424500000713
(记为公式3)，以及量化误差e对应的边信息
Figure BDA0003085842450000081
(记为公式4)，利用基于边信息的LLR-BP 译码恢复出精进层信道码
Figure BDA0003085842450000082
然后，根据已恢复的公共层信道码
Figure BDA0003085842450000083
可以在 (n,k,t)BCH码本中找到符合比特填充过程、满足联合典型性的精进层信道码集合，称之为典型集Tid，下标id为
Figure BDA0003085842450000084
在码本中的索引。
典型集Tid生成过程具体如下：
a).筛选出(n,k,t)BCH码本中基本信息序列等同于公共层信息
Figure BDA0003085842450000085
的码字，构成码字子集U′；
b).筛选出(n,k,t)BCH码本中信息序列满足比特填充所用的(n′,k′,t′)短码的码字，构成码字子集T′；
c).将码字子集T′中的码字记为c′，其基本信息序列记作m′c，对应于量化器 2，将m′c解量化得到量化误差e′，将码字c′映射成欧式空间中的符号序列x′c，二者叠加得到干扰x′r＝x′c+e′，筛选出使得码字子集U′中的
Figure BDA0003085842450000086
与干扰x′r欧式距离最接近的码字c′，构成典型集Tid。
判断是否需要进行基于评分的典型集译码：若此前通过基于边信息的 LLR-BP译码恢复出的精进层信道码
Figure BDA0003085842450000087
不满足译码校验且不在典型集Tid中，表明未成功译码，需进行基于评分的典型集译码；否则表明译码正确，此时对应于量化器2，直接将
Figure BDA0003085842450000088
对应的精进层信息
Figure BDA0003085842450000089
解量化得到量化误差
Figure BDA00030858424500000810
重建采集数据的重建值
Figure BDA00030858424500000811
基于评分的典型集译码，通过对典型集中的码字进行评分，选择评分最高的t个码字作为译码候选结果，记为
Figure BDA00030858424500000812
评分模块分为三个子模块具体如下：
第一，欧式距离评分模块：获取典型集Tid中码字c′所对应的干扰x′r，并计算他们与
Figure BDA00030858424500000813
之间的欧式距离，并按照由近到远排序，距离最近的码字记一分。
第二，量化误差先验概率评分模块：根据边信息y和已恢复出的公共层信息
Figure BDA00030858424500000814
计算典型集Tid中码字c′的基本信息序列m′c所对应量化误差的先验概率，并按照由大到小排序，先验概率最大的码字记一分。先验概率公式如公式 5所示，其中g2(·)代表比特序列“·”经过量化器2的量化值，P(·|*)代表根据信源分布以及量化器1量化值“*”得到量化误差为“·”的先验概率；
Figure BDA0003085842450000091
第三，量化误差估计偏差评分模块：根据信道输出r，边信息y和已恢复出的公共层信息
Figure BDA0003085842450000092
对量化误差进行估计，估计值记为
Figure BDA0003085842450000093
根据量化器2，获取典型集Tid中码字c′的基本信息序列m′c对应的量化值g2(m′c)；计算量化值 g2(m′c)与估计值
Figure BDA0003085842450000094
之间的偏差，并按照绝对值由小到大排序，偏差最小的码字记一分。上述估计可以采用最小均方误差估计等其他估计方式，MMSE估计如公式6所示，其中h2(·)代表模拟量“·”通过量化器2量化得到的比特序列，ψ(·)代表比特序列“·”调制得到的符号序列。
Figure BDA0003085842450000095
在量化误差估计偏差评分模块中，若典型集Tid中的一个码字c′的基本信息序列m′c，对应于多个采集数据，此时每个采集数据都对应一个能够使上述估计偏差最小的码字。这就意味着，在该模块中，码字c′的评分会进行多次，评分结果超过1。
最终，若译码候选结果
Figure BDA0003085842450000096
与通过基于边信息的LLR-BP译码恢复出的精进层信道码
Figure BDA0003085842450000097
之间的汉明距离
Figure BDA0003085842450000098
小于t，则将其对应的精进层信息
Figure BDA0003085842450000099
解量化得到量化误差
Figure BDA00030858424500000910
重建采集数据的重建值
Figure BDA00030858424500000911
否则认为基于评分的典型集译码错误，重建采集数据的重建值
Figure BDA00030858424500000912
本发明相较于传统技术而言，可保证在不牺牲公共层信息重建质量的情况下，显著提升精进层信息的重建质量，重建质量用均方误差MSE来评估。在节点接入的边信息对应相关系数ρ分别为0.7和0.95的情形，我们做出如下对比仿真。仿真结果如图4所示，本发明可保证公共层信息的重构准确度与传统方式几乎等同的同时，显著提升重建精进层信息的准确度。特别在中等信道信噪比(Channel Signal-to-Noise Ratio,CSNR)，即图中CSNR为4dB到7dB之间时，重建性能增益可达到2到4dB。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种混合数模广播通信方法，其特征在于，包括：
步骤1，采集数据通过第一量化器量化得到精度较低的公共层信息和对应的量化误差；
步骤2，将量化得到的所述量化误差通过第二量化器量化得到精度较高的精进层信息；
步骤3，根据所述公共层信息编码得到公共层信道码，根据所述精进层信息编码得到精进层信道码；
将一定数量的比特填充到精进层信息mRL的末尾，得到精进层序列m'RL；
将比特填充所得序列m'RL经过(n,k,t)BCH编码得到精进层信道码cRL；
将精进层信道码cRL经过脉冲振幅调制映射成欧式空间中的符号序列xRL；
将符号序列xRL和量化误差e叠加在一起，作为基于和码的污纸编码器的输入干扰项v，与公共层信息mCL一同参与完成基于和码的污纸编码；
将长为kaux的全0到全1序列，共计
Figure FDA0003776248990000011
个辅助序列maux，与公共层信息mCL级联得到公共层序列m'CL＝[mCL|maux]，分别将他们进行(n,k,t)BCH编码，选择使得编码输出c与输入干扰项v满足联合典型性的辅助序列，记为
Figure FDA0003776248990000012
并将公共层信息mCL与
Figure FDA0003776248990000013
级联后对应的编码输出
Figure FDA0003776248990000014
确定为公共层信道码cCL；
步骤4，调制所述公共层信道码和所述精进层信道码，与量化误差构成的模拟流叠加在一起传输到广播信道中；
步骤5，若在路由路径选取优先级较低的节点，根据接收到的边信息和信道输出，利用基于边信息的LLR-BP译码，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值
步骤51，若在路由路径选取优先级较高的节点，根据接收到的边信息和信道输出，重建公共层信道码及其对应的公共层信息，对应于所述第一量化器，将公共层信息解量化得到采集数据的重建值，将译码所得的公共层信道码调制映射成符号序列，通过逐步消除译码方式更新精进层信道码对应的信道输出和量化误差对应的边信息，利用基于边信息的LLR-BP译码恢复出精进层信道码；
步骤52，根据所述公共层信道码在(n,k,t)BCH码本中找到符合比特填充过程、满足联合典型性的精进层信道码集合，所述精进层信道码集合为典型集；
步骤53，判断是否需要进行基于评分的典型集译码，若需要进行评分，则通过对典型集中的码字进行评分，选择评分最高的t个码字作为译码候选结果；
步骤54，若译码候选结果与通过基于边信息的LLR-BP译码恢复出的精进层信道码之间的汉明距离小于t，则将其对应的精进层信息解量化得到量化误差，重建采集数据的重建值；否则认为基于评分的典型集译码错误，重建采集数据的重建值。
2.根据权利要求1所述的混合数模广播通信方法，其特征在于，所述步骤4包括：
所述广播信道的信道输入为x＝xCL+(1-α)(xRL+e)；
其中，xCL,xRL分别代表公共层、精进层信道码cCL,cRL所对应的调制符号序列；α代表部分干扰消除系数。
3.根据权利要求1所述的混合数模广播通信方法，其特征在于，所述步骤52具体包括：
筛选出(n,k,t)BCH码本中基本信息序列等同于公共层信息
Figure FDA0003776248990000021
的码字，构成码字子集U'；
筛选出(n,k,t)BCH码本中信息序列满足比特填充所用的(n',k',t')短码的码字，构成码字子集T'；
将码字子集T'中的码字记为c'，其基本信息序列记作m'c，通过所述第二量化器将m'c解量化得到量化误差e'，将码字c'映射成欧式空间中的符号序列x'c，二者叠加得到干扰x'r＝x'c+e'，筛选出使得码字子集U'中的
Figure FDA0003776248990000022
与干扰x'r欧式距离最接近的码字c'，构成典型集Tid。
4.根据权利要求1所述的混合数模广播通信方法，其特征在于，所述步骤53具体包括：
通过基于边信息的LLR-BP译码恢复出的精进层信道码不满足译码校验且不在典型集中，表明未成功译码，需进行基于评分的典型集译码；
否则表明译码正确，对应于所述第二量化器，直接将所述精进层信道码对应的精进层信息解量化得到量化误差，重建采集数据的重建值。
5.根据权利要求1所述的混合数模广播通信方法，其特征在于，所述对典型集中的码字进行评分的步骤具体包括：
获取典型集中码字c'所对应的干扰x'r，并计算他们与
Figure FDA0003776248990000031
之间的欧式距离，并按照由近到远排序，距离最近的码字记一分；
根据边信息y和已恢复出的公共层信息
Figure FDA0003776248990000032
计算典型集中码字c'的基本信息序列m'c所对应量化误差的先验概率，并按照由大到小排序，先验概率最大的码字记一分；先验概率公式如下所示：
Figure FDA0003776248990000033
其中，g2(·)代表比特序列“·”经过量化器2的量化值，ρ表示相关系数，g1(·)代表比特序列“·”经过量化器1的量化值，e表示量化误差，P(·|*)代表根据信源分布以及量化器1量化值“*”得到量化误差为“·”的先验概率；
根据信道输出r，边信息y和已恢复出的公共层信息
Figure FDA0003776248990000034
对量化误差进行估计，估计值记为
Figure FDA0003776248990000035
根据第二量化器，获取典型集中码字c'的基本信息序列m'c对应的量化值g2(m'c)；计算量化值g2(m'c)与估计值
Figure FDA0003776248990000036
之间的偏差，并按照绝对值由小到大排序，偏差最小的码字记一分；公式如下：
Figure FDA0003776248990000037
其中，
Figure FDA0003776248990000038
表示译码所得公共层信道码
Figure FDA0003776248990000039
调制映射成的符号序列，h2(·)代表模拟量“·”通过量化器2量化得到的比特序列，ψ(·)代表比特序列“·”调制得到的符号序列。
CN202110580123.7A 2021-05-26 2021-05-26 混合数模广播通信方法 Active CN113162731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110580123.7A CN113162731B (zh) 2021-05-26 2021-05-26 混合数模广播通信方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110580123.7A CN113162731B (zh) 2021-05-26 2021-05-26 混合数模广播通信方法

Publications (2)

Publication Number Publication Date
CN113162731A CN113162731A (zh) 2021-07-23
CN113162731B true CN113162731B (zh) 2022-09-16

Family

ID=76877606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110580123.7A Active CN113162731B (zh) 2021-05-26 2021-05-26 混合数模广播通信方法

Country Status (1)

Country Link
CN (1) CN113162731B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103404144A (zh) * 2011-03-04 2013-11-20 高通股份有限公司 视频译码中的经量化脉码调制
CN104079380A (zh) * 2014-07-07 2014-10-01 西安电子科技大学 分布式联合信源-信道叠加编码及联合译码方法
CN110336640A (zh) * 2019-06-27 2019-10-15 兰州大学 一种短码长系统lt码译码方法
CN111866753A (zh) * 2020-06-02 2020-10-30 中山大学 一种数字传输广播通信方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8005140B2 (en) * 2006-03-17 2011-08-23 Research In Motion Limited Soft decision and iterative video coding for MPEG and H.264

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103404144A (zh) * 2011-03-04 2013-11-20 高通股份有限公司 视频译码中的经量化脉码调制
CN104079380A (zh) * 2014-07-07 2014-10-01 西安电子科技大学 分布式联合信源-信道叠加编码及联合译码方法
CN110336640A (zh) * 2019-06-27 2019-10-15 兰州大学 一种短码长系统lt码译码方法
CN111866753A (zh) * 2020-06-02 2020-10-30 中山大学 一种数字传输广播通信方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Reduced-complexity decoding of LDPC codes;Jinghu Chen;《IEEE》;20050815;全文 *

Also Published As

Publication number Publication date
CN113162731A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
US20210319286A1 (en) Joint source channel coding for noisy channels using neural networks
EP3837839A1 (en) Joint source channel coding based on channel capacity using neural networks
CN109194425B (zh) 一种基于人工智能端到端信息传输系统及方法
JP3860218B2 (ja) デジタル通信システムのためのコード化方式
US5968199A (en) High performance error control decoder
US20080012740A1 (en) Source-aware non-uniform information transmission with minimum distortion
WO2020035684A1 (en) Joint source channel coding of information sources using neural networks
US20050195905A1 (en) System and method for adaptive bit loading source coding via vector quantization
CN109889266B (zh) 基于高斯近似的可见光通信信道的极化编码方法和系统
CN110336639B (zh) 一种基于容量分布的极化码多层编码调制方法及应用
CN110061803B (zh) 一种低复杂度的极化码比特交织编码调制方法
CN114257342B (zh) 基于非二进制极化码的两用户多址接入系统编码及译码方法
CN114337933A (zh) 基于scma的高速可见光通信系统及自适应编解码方法
CN113381799B (zh) 基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法
CN111106838A (zh) 一种通信同步方法、装置及系统
CN113162731B (zh) 混合数模广播通信方法
Jafarkhani et al. Design of channel-optimized vector quantizers in the presence of channel mismatch
Coward et al. Quantizer optimization in hybrid digital-analog transmission of analog source signals
CN112803951A (zh) 一种降低通信系统接收信号的噪声的方法及接收端和通信系统
Xu et al. Hard decision and iterative joint source channel coding using arithmetic codes
CN116915264A (zh) 一种数字能源空压站的数据译码方法
Lin et al. A practical low delay digital scheme for Wyner-Ziv coding over Gaussian broadcast channel
CN112187290B (zh) 一种基于Polar编译码树的多元码编译码方法及系统
CN116743190A (zh) 一种基于神经网络的lsbp与osd级联方案
Skoglund et al. Soft decoding for vector quantization in combination with block channel coding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant