CN1757166A - 使用并行处理的turbo解码器 - Google Patents

Abstract

一种用对数后验概率比值L(u_k)解码的方法，L(u_k)为前向变量α(.)和后向变量β(.)的函数。该方法包括将前向变量α(.)和后向变量β(.)分成，例如p和q两个部分，这里p加q等于码字U的长度。前向部分α(.)被并行地计算，后向变量β(.)被并行地计算。利用并行地计算的α(.)和β(.)的部分计算出比值L(u_k)。

Description

使用并行处理的TURBO解码器

技术领域

本发明广义上涉及解码器，具体地是涉及一种缩短后验概率(APP)的计算的处理时间并且适用于并行处理结构的Turbo解码器。

背景技术

通过无线电通讯信道传递的数据会遭受信道噪声、信道衰减以及来自其他信道的干扰。结果，在目的地接收到的数据通常会被信道从这些来自信号源的干扰“改变”。为了保证无错传输，数据在传输之前被信道编码器编码以使数据接收器检测或校正误差。例如，如果位0被编码为000且位1被编码为111，那么当一位误差发生时，000可能会变成100，111可能会变成101。接收器能够通过“多数规则”或汉明距离将100校正为000(位0)，将101校正为111(位1)。接收器负责校正误差的部分被称之为信道解码器。

Tubor编码器和解码器用于新兴的高速电信传输系统，例如陆地数字电视通信系统，第三代无线(例如，WCDMA)通信系统。Turbo解码器已经被证实在AWGN和瑞利衰落信道都接近误差校正极限。

不管误差校正效率，然而，Turbo解码器加强了计算。为了满足实时性能(例如，几毫秒)，它通常在ASIC中实现。如果一个Turbo解码器要在DSP或者CPU中运行的软件里实现，那么在软件界定的无线电通信环境下，它的实时性能会被改善。

3GPP Turbo编码器(图1)由被交织器分隔开的平行连接的两个相同的RSC(递归系统卷积)编码器组成。长度为K的信息字U由第一RSC编码器编码，被交织的信息字由第二RSC编码器编码。交织器通过重新排序至第二RSC的输入位而对输入到两个RSC的内容解相关，使得来自两个RSC的编码位不可能同时具有低权重的码字。还有，它有助于编码位应付猝发噪声。在3GPP Turbo编码器中，使用的是伪随机块交织器。两个RSC的编码字都被网格末端(trellis termination)终结。Turbo编码字由系统位和两个奇偶校验位组成(U，X_P1，X_P2)。

如图2所示，标准的Turbo解码器由两个级联的SISO(软输入，软输出)模块组成，系统位和奇偶校验位的每一组使用一个模块，(U′，X_P1′)和(U′，X_P2′)，其中X_P1′和，X_P2′分别表示X_P1和X_P2的噪声模型，U′是相同的(U指的是信息字)。SISO模块是后验概率(APP)解码器也就是熟知的最大后验(MAP)解码器。这两个SISO模块被相同的交织器(作为编码器)和它的后向模块，去交织器分开。依据对来自信道的位的接收和先验信息，每个SISO模块用熟知的前向和后向算法计算每个位的对数后验比值。一旦SISO计算出所有位的对数后验比值，它根据来自全部后验值的输入分离概率实体(probabilistic entity)，然后将它们传给其它SISO模块。这个概率实体通常被称作外部信息(图2中的L12和L21)，为其它SISO模块用作先验信息。该两个在迭代方案中运行的SISO模块相互交换外部信息。当完成所需要数目的迭代后，根据一直到该迭代的累积的软信息做出硬判决(hard decision)。

先验概率比值的对数可以写作：

$L\left(u_k\right)=\log \left(\frac{P(u_k=+1|y)}{P(u_k=-1|y)}\right)=\log \left(\frac{\underset{s^{+}}{\∑}p(S_{k-1},S_k,y)/P\left(y\right)}{\underset{s^{-}}{\∑}p(S_{k-1},S_k,S_{k+1}y)/P\left(y\right)}\right),---\left(1\right)$

其中S⁺和S^-表示由各自数据输入u_k＝+1和u_k＝-1产生的所有可能的状态转换的集合，y表示观察值的集合，y＝(y₁，…，y_k)，其中y_k＝(u_k‘，x_k‘)，k＝1，…K。注意，y∈(U’，X_P1’，X_P2’)。

通常，后验概率(posterior probablity)可以通过计算加权似然来获得，其中权重是由事件u_k的先验概率提供的。加权似然的直接估算需要十分巨大数目的状态模式，其与序列长度K是成比例的。因为组合的复杂性，所以即使是合理长度的序列也没有计算的可行性。

为了减小计算量，经常用一种有效的方法，即众所周知的前向和后向算法。在这个算法中，后验概率P(u_k|y)被分解成下面三项：

-前向变量，α_k(.)，

-后向变量，β_k(.)，

-状态转换概率，γ_k(.，.)。

α_k(.)是在时间k观察值y₁，…，y_k和状态的联合概率，也就是α_k(s)＝P(S_k，y₁，…，y_k)。β_k(.)代表在时间k给定状态的未来观察值的条件概率，β_k(s)＝P(y₁，…，y_k+1|S_k)。γ_k(.，.)是从k-1到k由u_k导致的状态转换的概率，并且表达为γ_k(S’，S)＝P(S_k＝S，y_k/S_k-1＝S’)。

递归计算α_k(s)的过程是按照 ${\mathrm{\α}}_k\left(S\right)=\underset{s^{\′}}{\mathrm{\Σ}}{\mathrm{\α}}_{k-1}\left(S^{\′}\right){\mathrm{\γ}}_k(S^{\′},S)$ 实现的。

对于β_k(s)，进行递归为： ${\mathrm{\β}}_k\left(S\right)=\underset{s^{\′}}{\mathrm{\Σ}}{\mathrm{\β}}_{k+1}\left(S^{\′}\right){\mathrm{\γ}}_{k+1}(S^{\′},S).$

由于Turbo编码器被期望在状态1开始和终止，α_k(.)和β_k(.)的初始条件是已知的并且分别给成α₀(s)＝δ_{S，1}，β_k(s)＝δ_{S，1}，其中δ_{γ，}，表示Kroneckerδ。

作为函数f(α_k(.)，β_k(.))的后验实体L(u_k)的计算相当于：

$P\left(u_k\right|y)=\frac{\underset{S^{*}}{\mathrm{\Σ}}{\mathrm{\α}}_{k-1}\left(s^{\′}\right){\mathrm{\γ}}_k(S^{\′},S){\mathrm{\β}}_k\left(S\right)}{P\left(y\right)}---\left(2\right)$

其中S^*是由对应于所有由u_k＝+1/-1造成的状态转换的状态对的集合，P(y)是标准化常量。

前向和后向算法被概括为：

-计算γ_k(.，.)，k＝1，2…，K；

-计算α_k(.，.)前向递归，k＝1，2…，K；

-计算β_k(.，.)后向递归，k＝K，K-1，…0；

-计算(2)以构成(1)

发明内容

本发明是一种用对数后验概率比值L(u_k)解码的方法，L(u_k)为前向变量α(.)和后向变量β(.)的函数。该方法包括将前向变量α(.)和后向变量β(.)分成例如p和q两个部分，这里p加q等于码字U的长度。前向部分α(.)被并行地计算，后向变量β(.)被并行地计算。利用并行地计算的α(.)和β(.)的部分计算出比值L(u_k)。第一前向部分从起始于α₀(.)的α₁(.)，…，α_p(.)计算，第二前向部分从起始于估算的α_p(.)的α_p+1(.)，…，α_k(.)中计算。第一后向部分从起始于β_k(.)的β_k(.)，…，β_q+1(.)计算，第二后向部分从起始于估算的β_q+1(.)的β_q(.)，…，β₁(.)计算。

为了获得估算的起始点α_p+1(.)，从p-d+1迭代计算前向变量，其中d是任意时间量，并且在时间p-d+1的状态被认定为均匀随机变量。类似的，对β_q+1(.)来说，后向变量从q+d计算，并且在时间q+d的状态也被认定为均匀随机变量。并没有有教益的现有技术主张将在时间p+d-1和q+d的状态认定为均匀随机变量。

任意时间量d在1到20的范围内或者可以在15到20的范围内。此外，估算概率的起始点也可以是一个预定的状态。这个预定的状态可以是一除以可能状态数。

该方法可以包括将前向变量α(.)和后向变量β(.)分成多于两个的部分，并且每个前向和后向部分都被并行地计算。

在一个包括解码器的信号接收器中执行处理。

通过以下结合附图对本发明的详细说明，本发明的这些和其它方面将会变得明显。

附图说明

图1是现有技术的3GPP Turbo解码器的结构图；

图2是现有技术的3GPP Turbo解码器的结构图；

图3是现有技术的Turbo解码器和本发明的Turbo解码器在不同的信噪比(SNR)下的位误差率(BER)的曲线图；

图4是现有技术的Turbo解码器和本发明的Turbo解码器在不同的SNR下的块误差率(BLER)或分组误差率的曲线图。

具体实施方式

标准Turbo解码算法的一个问题是如果输入序列K的大小很大，那么计算上述的前向和后向变量的时间增加，当我们执行前向和反向算法时产生较长的等待时间。K可以达到5114位。为了减小α_k(.)和β_k(.)计算的时间，输入数据被分割成M个部分并且同时为M个部分计算α_k(.)和β_k(.)。用这种分割法会产生切断损失；然而，仿真结果表明当M＝2时该损失可以忽略不计。

理论上，并行方法将计算简化到接近原始的α_k(.)和β_k(.)计算量的1/M(例如，M＝2时是1/2)。并行计算用于计算α_k(.)和β_k(.)，其为Turbo解码器中运算最密集的部分。

下面将以M＝2为例讨论该并行算法。对于M＞2，算法是类似的。该算法由以下步骤组成：

1.将前向和后向变量分成大小分别为p和q的两个并行的部分，

在此，p+q＝K。

2.通过以下四个过程同时计算这四个部分：

-过程1：从α₀(.)开始计算α₁(.)，…，α_p(.)；

-过程2：从估算的α_p(.)，假定为α‘_p(.)开始计算α_p+1(.)，…，

α_k(.)；

-过程3：从β_k(.)开始计算(向后)β_k(.)，…，β_q+1(.)；

-过程4：从估算的β_q+1(.)，假定为β‘_q+1(.)开始计算(向后)

β_q+1(.)，…，β₁(.)。

过程1和3用已知的起始点(具有减小的大小)进行规则的Turboα和β运算，过程2和4需要估算的起始点。

以下的算法可以用于获得过程2的α‘_p(.)及过程4的β‘_q+1(.)。第一次迭代从α_p-d+1(.)开始，其中d是任意时间过程量。在时间p-d+的状态被看作均匀随机变量。这一点意味着发生在p-d+1的特定状态的概率是1/8，因为3GPP Turbo编码器具有8种系统状态。结果，α_p-d+1(.)＝1/8，β_q+d(.)也这样。从这个统一的先验开始，当过程达到p时，产生估算值α‘_p(.)，当过程达到q+1时，产生估算值β‘_q+1(.)。

从观察值中为间隔d抽取的信息量是与d成比例的。较长的d会给出较好的初始估算值。然而，由于在d步骤过程中的计算产生“开销”，所以d应该增加某一限度以上。虽然d可以在1-20的范围内，但仿真表明d＝12~15时结果最佳。从第二次迭代开始，α_p-d+1(.)和β_q+d(.)可以以与第一次迭代相同的方式选择，或者采用前面迭代中的可用的过程1和过程3产生的值。

由信噪比(SNR)定义仿真情况。对于每个情况，随机产生2000个大小为5114比特的数据包，进行Turbo编码，并且受到AWGN噪声。被“扰乱”的数据包运行通过常规的已有的Turbo解码器和本发明的并行的Turbo解码器。对于本发明的并行的Turbo解码器，在并行算法中分割数M＝2并且初始估算的长度d＝20，使用之前迭代的适当值作为当前迭代的初始估算的起始点。

图3和图4比较了在不同的SNR下常规Turbo解码器和并行Turbo解码器的BER(比特误差率)和BLER(块误差率或者包误差率)。结果非常接近，在图表中无法辨别。

尽管范例中部分数M＝2，但也可以采用更大数目的M。在这种情况下，方程将会有以下通式：L(u_k)＝f(α_k(.)，β_k(.))。估算的起始点的定义可以是α_p(.)，…，α_w(.)和β_w(.)，…，β_q+1(.)。前向变量的部分被如下计算：

α₁(.)，…，α_p(.)，起始于α₀(.)

α_p+1(.)，…，α_q(.)，起始于α_p(.)



α_w+1(.)，…，α_k(.)，起始于α_w(.)

后向变量的部分被如下计算：

β_k(.)，…，β_w+1(.)，起始于β_k(.)

β_w(.)，…，β_r+1(.)，起始于β_w+1(.)



β_q(.)，…，β₁(.)，起始于β_q+1(.)。

对前向变量的起始点从如下估算：

α_p-d+1(.)，…，α_p(.)和



α_w-d+1(.)，…，α_w(.)；和

对后向的部分从如下估算：

β_w+d(.)，…，β_w(.)和

β_q+d(.)，…，β_q(.)

这里，d是任意时间过程量。

还应该注意的是即使已经论述了Turbo解码器，但任何应用后验概率解码的系统都可以使用本发明。

尽管已经详地细描述和图解了本发明，但是应该清楚地理解的是，仅仅做出图解和实施例并不构成对本发明的限制。本发明的精神和范围仅通过所附权利要求来限定。

权利要求书

(按照条约第19条的修改)

1.一种Turbo解码器利用对数后验概率L(u_k)的方法，其中L(u_k)＝f(α_k(s)，β_k(s))，该方法包括：

将前向变量α(.)和后向变量β(.)分成M个大小为p，q…w的并行的部分，这里p+q，…+w等于码字U的长度；

同时并行地计算码字U的前向变量α(.)和后向变量β(.)的所述部分；和

利用并行地计算出的α(.)和β(.)的所述部分计算L(u_k)。

2.如权利要求1所述的方法，其中

前向变量部分被如下计算：

α₁(.)，…，α_p(.)，起始于α₀(.)

α_p+1(.)，…，α_q(.)，起始于α_p(.)



α_w+1(.)，…，α_k(.)，起始于α_w(.)；及

后向变量部分被如下计算：

β_k(.)，…，β_w+1(.)，起始于β_k(.)

β_w(.)，…，β_r+1(.)，起始于β_w+1(.)



β_q(.)，…，β₁(.)，起始于β_q+1(.)。

3.如权利要求2所述的方法，其中，起始点α_p(.)，…，α_w(.)是估算的，起始点β_w(.)，…，β_q+1(.)是估算的。

4.如权利要求3所述的方法，其中对前向变量的起始点从如下估算：

α_p-d+1(.)，…，α_p(.)



α_w-d+1(.)，…，α_w(.)；和

对后向部分从如下估算：

β_w+d(.)，…，β_w(.)



β_q+d(.)，…，β_q(.)

这里，d是任意时间过程量。

5.如权利要求4所述的方法，其中d在1到20的范围内。

6.如权利要求4所述的方法，其中d在15到20的范围内。

7.如权利要求4所述的方法，其中用于被估算的状态的起始点是均匀随机变量。

8.如权利要求4所述的方法，其中用于被估算的状态的起始点是一个预定的状态。

9.如权利要求4所述的方法，这个被估算状态的起始点可以是一除以可能状态数。

10.如权利要求1所述的方法，其中所述部分的大小被相等的设置。

11.如权利要求1所述的方法，其中变量仅被分成p和q两个部分。

12.一种利用对数后验概率L(u_k)的解码方法，其中L(u_k)＝f(α_k(s)，β_k(s))，该方法包括：

将前向变量α(.)和后向变量β(.)分成两个部分p和q，这里p+q等于码字U的长度；

并行地计算前向的部分：

α₁(.)，…，α_p(.)，起始于α₀(.)和

α_p+1(.)，…，α_k(.)，起始于α_p(.)；

并行地计算后向的部分：

β_k(.)，…，β_q+1(.)，起始于β_k(.)

β_q(.)，…，β₁(.)，起始于β_q+1(.)；和

利用并行地计算出的α(.)和β(.)的部分计算L(u_k)。

13.如权利要求12所述的方法，其中，为α_p+1(.)估算的起始点α_p(.)是从先验概率α_p-d+1(.)，…，α_p(.)估算的，为β_q(.)估算的起始点β_q+1(.)是从先验概率β_q+d(.)，…，β_q+1(.)估算的。

14.如权利要求13所述的方法，其中d在1到20的范围内。

15.如权利要求13所述的方法，其中d在15到20的范围内。

16.如权利要求13所述的方法，其中用于被估算的状态的起始点是均匀随机变量。

17.如权利要求13所述的方法，其中用于被估算的状态的起始点是一个预定的状态。

18.如权利要求13所述的方法，这个被估算的状态的起始点可以是一除以可能状态数。

19.一种信号接收器，包括执行权利要求1所述的方法的解码器。

20.一种信号接收器，包括执行权利要求11所述的方法的解码器。

Claims (20)

1.一种Turbo解码器利用对数后验概率L(u_k)的方法，其中L(u_k)＝f(α_k(s)，β_k(s))，该方法包括：

将前向变量α(.)和后向变量β(.)分成M个大小为p，q…w的并行的部分，这里p+q，…+w等于码字U的长度；

并行地计算前向变量α(.)和后向变量β(.)的所述部分；和

利用并行地计算出的α(.)和β(.)的所述部分计算L(u_k)。

2.如权利要求1所述的方法，其中

前向变量部分被如下计算：

α₁(.)，…，α_p(.)，起始于α₀(.)

α_p+1(.)，…，α_q(.)，起始于α_p(.)



α_w+1(.)，…，α_k(.)，起始于α_w(.)；及

后向变量部分被如下计算：

β_k(.)，…，β_w+1(.)，起始于β_k(.)

β_w(.)，…，β_r+1(.)，起始于β_w+1(.)



β_q(.)，…，β₁(.)，起始于β_q+1(.)。

3.如权利要求2所述的方法，其中，起始点α_p(.)，…，α_w(.)是估算的，起始点β_w(.)，…，β_q+1(.)是估算的。

4.如权利要求3所述的方法，其中对前向变量的起始点从如下估算：

α_p-d+1(.)，…，α_p(.)



α_w-d+1(.)，…，α_w(.)；和

对后向部分从如下估算：

β_w+d(.)，…，β_w(.)



β_q+d(.)，…，β_q(.)

这里，d是任意时间过程量。

5.如权利要求4所述的方法，其中d在1到20的范围内。

6.如权利要求4所述的方法，其中d在15到20的范围内。

7.如权利要求4所述的方法，其中用于被估算的状态的起始点是均匀随机变量。

8.如权利要求4所述的方法，其中用于被估算的状态的起始点是一个预定的状态。

9.如权利要求4所述的方法，这个被估算状态的起始点可以是一除以可能状态数。

10.如权利要求1所述的方法，其中所述部分的大小被相等的设置。

11.如权利要求1所述的方法，其中变量仅被分成p和q两个部分。

12.一种利用对数后验概率L(u_k)的解码方法，其中L(u_k)＝f(α_k(s)，β_k(s))，该方法包括：

将前向变量α(.)和后向变量β(.)分成两个部分p和q，这里p+q等于码字U的长度；

并行地计算前向的部分：

α₁(.)，…，α_p(.)，起始于α₀(.)和

α_p+1(.)，…，α_k(.)，起始于α_p(.)；

并行地计算后向的部分：

β_k(.)，…，β_q+1(.)，起始于β_k(.)

β_q(.)，…，β₁(.)，起始于β_q+1(.)；和

利用并行地计算出的α(.)和β(.)的部分计算L(u_k)。

13.如权利要求12所述的方法，其中，为α_p+1(.)估算的起始点α_p(.)是从先验概率α_p-d+1(.)，…，α_p(.)估算的，为β_q(.)估算的起始点β_q+1(.)是从先验概率β_q+d(.)，…，β_q+1(.)估算的。

14.如权利要求13所述的方法，其中d在1到20的范围内。

15.如权利要求13所述的方法，其中d在15到20的范围内。

16.如权利要求13所述的方法，其中用于被估算的状态的起始点是均匀随机变量。

17.如权利要求13所述的方法，其中用于被估算的状态的起始点是一个预定的状态。

18.如权利要求13所述的方法，这个被估算的状态的起始点可以是一除以可能状态数。

19.一种信号接收器，包括执行权利要求1所述的方法的解码器。

20.一种信号接收器，包括执行权利要求11所述的方法的解码器。

Images