DE102018213348A1 - Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale - Google Patents

Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale Download PDF

Info

Publication number
DE102018213348A1
DE102018213348A1 DE102018213348.4A DE102018213348A DE102018213348A1 DE 102018213348 A1 DE102018213348 A1 DE 102018213348A1 DE 102018213348 A DE102018213348 A DE 102018213348A DE 102018213348 A1 DE102018213348 A1 DE 102018213348A1
Authority
DE
Germany
Prior art keywords
sources
signals
ldpc
termination criterion
bit
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.)
Pending
Application number
DE102018213348.4A
Other languages
English (en)
Inventor
Stephan Ludwig
David Osamu Ginthoer
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102018213348.4A priority Critical patent/DE102018213348A1/de
Publication of DE102018213348A1 publication Critical patent/DE102018213348A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00Coding, 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
    • H03M13/03Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05Error 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
    • H03M13/11Error 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 using multiple parity bits
    • H03M13/1102Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00Coding, 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
    • H03M13/63Joint error correction and other techniques
    • H03M13/6312Error control coding in combination with data compression
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3057Distributed Source coding, e.g. Wyner-Ziv, Slepian Wolf

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Error Detection And Correction (AREA)

Abstract

Verfahren (20) zum Rekonstruieren mehrerer in Korrelation stehender Signale, gekennzeichnet durch folgende Merkmale:- Kanalwerte für einzelnen Bitebenen (12) der Signale (11) zugeordnete LDPC-Decoder (10) werden anhand eines die Korrelation modellierenden Faktorgraphen neuberechnet (21),- die Decoder (10) werden auf die Signale (11) beschreibende LDPC-Codes angewendet (22) und- das Verfahren (20) wird wiederholt, bis ein vorgegebenes Abbruchkriterium (24) erfüllt ist.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zum Rekonstruieren mehrerer in Korrelation stehender Signale. Die vorliegende Erfindung betrifft darüber hinaus eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium.
  • Stand der Technik
  • Auf dem Gebiet der Informationstheorie wird die Komprimierung von mehreren korrelierten Informationsquellen, die nicht miteinander kommunizieren, als verteilte Quellencodierung (distributed source coding, DSC) bezeichnet. Durch die Modellierung der Korrelation zwischen mehreren Quellen unter Nutzung von Kanalcodes wird DSC nach dem Stand der Technik beispielsweise in Sensornetzwerken oder zur Komprimierung von Multimedia-Inhalten genutzt. Eine der Haupteigenschaften verteilter Quellencodierung ist darin zu sehen, dass ein gemeinsamer Decoder die Sender weitmöglichst entlastet.
  • Ein Verfahren zum Realisieren eines Wyner-Ziv-Codierers gemäß US7256716B2 etwa umfasst das Anwenden einer verschachtelten Quantisierung auf die einer Informationsquelle entstammenden Eingabedaten, um Zwischendaten zu erzeugen, die unter Verwendung eines asymmetrischen Slepian-Wolf-Codierers codiert werden, um komprimierte Ausgabedaten zu erzeugen, die die Eingabedaten darstellen. In ähnlicher Weise kann ein Wyner-Ziv-Decoder durch Anwenden eines asymmetrischen Slepian-Wolf-Decoders auf komprimierte Eingangsdaten (die Abtastwerte einer Quelle darstellen) zum Erhalten von Zwischenwerten und deren gemeinsamer Decodierung unter Verwendung von Seiteninformationen - insbesondere Abtastwerten einer zweiten Quelle mit bekannter Korrelation zur ersten Quelle - umgesetzt werden.
  • US7653867B2 offenbart ein System und Verfahren zur Slepian-Wolf-Codierung mit Channel-Code-Partitionierung. Eine Generatormatrix wird partitioniert, um mehrere Untermatrizen zu erzeugen, die jeweils mehreren korrelierten Datenquellen entsprechen. Die Aufteilung erfolgt gemäß einer Ratenzuordnung unter den korrelierten Datenquellen. Entsprechende Paritätsmatrizen können jeweils aus den Untermatrizen erzeugt werden, wobei jede Paritätsmatrix dazu verwendet werden kann, korrelierte Daten für eine jeweilige korrelierte Datenquelle zu codieren, was zu entsprechenden Syndromen, z. B. in Form von binären Vektoren, führt. Ein gemeinsamer Empfänger kann diese Syndrome empfangen und sie auf eine gemeinsame Länge erweitern, indem er in geeigneter Weise Nullen einfügt. Die erweiterten Syndrome können vektorsummiert und eine einzelne Kanaldecodierung angewendet werden, um das nächstkommende Codewort zu bestimmen, dessen systematischer Anteil stückweise mit jeweiligen Untermatrizen der Generatormatrix multipliziert werden kann, wobei die Produkte zur Erstellung von Schätzungen der Quelldaten zu den jeweiligen erweiterten Syndromen hinzugefügt werden können.
  • Offenbarung der Erfindung
  • Die Erfindung stellt ein Verfahren zum Rekonstruieren mehrerer in Korrelation stehender Signale, eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium gemäß den unabhängigen Ansprüchen bereit.
  • Ein Grundgedanke dieses Ansatzes besteht darin, Faktorgraphen zur verteilten Quellencodierung unter Verwendung der Syndrome von LDPC-Codes anzuwenden. Die Faktorgraphen werden verwendet, um die Korrelation zwischen den Bitebenen von mehrstufigen oder kontinuierlichen Abtastwerten einer beliebigen Anzahl von Signalquellen zu modellieren. Erfindungsgemäß wird hierzu ein einfach zu verwendendes Rahmenwerk vorgeschlagen, um mehrere komprimierte Quellen zum Zwecke einer gemeinsamen Decodierung zu kombinieren.
  • Ein Vorzug dieser Lösung liegt in der Schaffung eines einheitlichen Rahmens, um DSC auf eine nahezu beliebige Anzahl von Quellen anzuwenden. Alle Quellen werden hierzu gemeinsam und nicht etwa nacheinander decodiert. Ein erfindungsgemäßes Verfahren ist daher nicht auf die fehlerfreie Dekodierung einer gegebenen Quelle angewiesen, um eine nachfolgende Quelle zu dekodieren, sondern vermag alle Quellen gleichzeitig gemeinsam zu dekodieren. Dies verleiht ihm eine bessere Widerstandsfähigkeit gegen Fehlerfortpflanzung.
  • Weiterhin sind beliebige asymmetrische oder symmetrische Aufteilungen der Datenrate unter den Quellen möglich. Die Rate für jede Quelle kann selbst im laufenden Betrieb eingestellt werden, indem die Anzahl der jeweils übertragenen Syndrome und Codewort-Bits zur Laufzeit frei gewählt wird. Unterstützt werden sowohl mehrstufige als auch kontinuierliche Quellen bei geringer Kodierungskomplexität. Auch zeitliche Korrelationen zwischen den Abtastwerten einer Quelle können hierbei genutzt werden.
  • Zusammenfassend unterstützt der erfindungsgemäße DSC-Ansatz eine verlustfreie Komprimierung von mehreren Quellen mehrstufiger oder kontinuierlicher Werte bei beliebiger Aufteilung der Datenrate zwischen den Quellen und dennoch einfacher Konstruktion, die auf mehrere Quellen und zeitliche Korrelationen verallgemeinert werden kann. Diese Vorteile werden durch eine Kodierungsprozedur von geringer Komplexität erreicht, die sich an eine graduell veränderliche Korrelation zwischen den Quellen anpassen kann, im informationstheoretischen Wortsinn optimal ist und die bei einer iterativen Dekodierung drohende Fortpflanzung von Dekodierungsfehlern vermeidet.
  • Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen des im unabhängigen Anspruch angegebenen Grundgedankens möglich. So kann zur Leistungsverbesserung beispielsweise vorgesehen sein, die Bitebenen durch automatische Wiederholungsanfragen (automatic repeat request, ARQ) zusätzlich abzusichern.
  • Figurenliste
  • Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
    • 1 den schematischen Aufbau eines erfindungsgemäßen Decoders für zwei Zwei-Bit-Quellen X und Y.
    • 2 das Flussdiagramm eines entsprechenden Decodierungsverfahrens.
  • Ausführungsformen der Erfindung
  • Wie bei jedem praktischen DSC-Schema beruht das vorgeschlagene Verfahren auf der Dualität zwischen DSC und Fehlerkorrekturcodierung, die im Folgenden zusammengefasst werden. Da die Signale X der Quelle S1 und Y der Quelle S2 miteinander korreliert sind, kann ihre Beziehung durch die Gleichung Y = X + E
    Figure DE102018213348A1_0001
    ausgedrückt werden, wobei E einen additiven Fehler bezeichnet.
  • Für binäre Quellen kann E als Bitfolge betrachtet werden, wobei Formel 1 die Übertragung von X durch einen „virtuellen“ Kanal mit dem Ausgang Y und dem additiven Fehler E beschreibt. Sofern die Verteilung von E statistisch unabhängig und gleichmäßig mit der Wahrscheinlichkeit p ist, wird der virtuelle Kanal durch einen binären symmetrischen Kanal (binary symmetric channel, BSC) mit der Übergangswahrscheinlichkeit p beschrieben. Für kontinuierlich-wertige Quellen kann ein ähnlicher virtueller Kanal mit E als additivem weißen Gaußschen Rauschen abgeleitet werden.
  • Das vorgeschlagene Komprimierungsschema wird nunmehr anhand zweier Quellen erläutert. Durch Erweiterung des nachfolgend beschriebenen Faktorgraphen um Bits der entsprechenden Ebenen weiterer Quellen kann es jedoch leicht auf mehrere Quellen erweitert werden.
  • Nachfolgend wird zudem von diskreten Quellen als Eingabe ausgegangen. Für kontinuierliche Quellen ist entsprechend eine Quantisierung erforderlich. Das Grundprinzip des vorgeschlagenen Schemas ist unabhängig von der Wahl dieser Quantisierung oder der Korrelation der Quellen. Insbesondere kann jedweder 2N-stufige Skalar- oder Vektorquantisierer angewendet werden, ohne den Rahmen der Erfindung zu verlassen. Diese Wahl hat keine direkte Auswirkung auf die DSC, da eine erfindungsgemäße Komprimierung verlustfrei erfolgt. Nach der Quantisierung sind die betrachteten Eingangswerte der DSC-Encoder X q = ( A 0 A 1 A N 1 ) 2
    Figure DE102018213348A1_0002
    und Y q = ( B 0 B 1 B N 1 ) 2 ,
    Figure DE102018213348A1_0003
    wobei Ai bzw. Bi für i ∈ {0,1, ..., N - 1} die jeweilige Bitebene der dyadischen Darstellung (...)2 der Quantisierungsstufen bezeichnet.
  • Die N Bitebenen können gemäß dem Slepian-Wolf-Theorem bis zu einer Rate R mit R H ( A 0 , B 0 , A 1 , B 1 , , A N 1 , B N 1 )                       = H ( A N 1 , B N 1 ) + H ( A N 2 , B N 2 | A N 1 , B N 1 ) +                       + H ( A 0 , B 0 | A 1 , B 1 , A 2 , B 2 , A N 1 , B N 1 ) ,
    Figure DE102018213348A1_0004
    komprimiert werden, wobei H(...) die (bedingte oder Verbund-) Entropie bezeichnet und jeder Term der Summe der erforderlichen Mindestrate pro Encoder entspricht. Wie bei jedem DSC-Schema kann die Übertragungsrate einer Bitebene zwischen beiden Quellen aufgeteilt werden. Für den ersten Term von Formel 4 kommen beispielsweise folgende Aufteilungen in Betracht:
    • • eine symmetrische Ratenaufteilung mit R X A N 1 = R Y B N 1 = 1 2 H ( A N 1 , B N 1 ) ,
      Figure DE102018213348A1_0005
    • • eine asymmetrische Ratenaufteilung mit R X A N 1 = H ( A N 1 )  und  R Y X B N 1 = H ( B N 1 | A N 1 )
      Figure DE102018213348A1_0006
      oder umgekehrt oder
    • • eine beliebige Ratenaufteilung mit R X A N 1 H ( A N 1 )  und  R Y X B N 1 H ( B N 1 | A N 1 )
      Figure DE102018213348A1_0007
      oder umgekehrt.
  • Zur Vereinfachung sei den nachfolgenden Erklärungen eine asymmetrische Ratenaufteilung zugrunde gelegt und sodann beschrieben, wie eine beliebige Ratenaufteilung erreicht wird. Jede Bitebene wird hierzu getrennt mit der erforderlichen Rate komprimiert, die theoretisch durch die bedingte Entropie der Bitebenen begrenzt ist. Um dies zu erreichen, werden die Bits νi von n (unabhängigen und gleichverteilten) Abtastwerten derselben Bitebene Ai jeder Quelle zu einem Vektor v A i = ( v 0 A i , v 1 A i , , v n 1 A i )
    Figure DE102018213348A1_0008
    gruppiert. Die Komprimierung wird durch Verwendung eines auf LDPC-Nebenklassencodes basierenden Binning-Schemas erreicht. Bei gegebenem LDPC-Code C(n, k) mit Paritätsprüfungsmatrix H folgt für das Syndrom sA i des Empfangswortes vA i im Sinne der Kanalcodierung: S A i = H v A i ,
    Figure DE102018213348A1_0009
    wobei S A i = ( S 0 A i , S 1 A i , , S n k 1 A i )
    Figure DE102018213348A1_0010
    berechnet und mit einer resultierenden Rate von n k n
    Figure DE102018213348A1_0011
    (komprimierten) Syndrom-Bits pro Quellenbit übertragen wird. Die Folge von Binärdarstellungen der (entsprechend vA i definierten) korrelierten Werte vB i der zweiten Quelle wird typischerweise mit einer ihrer Entropie H(vB i ) entsprechenden, im Wege herkömmlicher zeitlicher Datenkompression erreichten Rate übertragen. Sodann versucht der Decoder für statistisch unabhängige Bitebenen die wahrscheinlichste Folge v̂A i unter der Bedingung vB i im durch das empfangene Syndrom sA i bestimmten Nebenklassencode Cs zu finden: v ^ = arg max v A i C S P ( v A i | v B i )
    Figure DE102018213348A1_0012
  • Typischerweise sind die Bitebenen jedoch nicht statistisch unabhängig, da die Abtastwerte vor der Quantisierung miteinander korreliert sind, sodass der Decoder die Abhängigkeiten berücksichtigen und eine gemeinsame Decodierung über alle Bitebenen durchführen muss. Daher ist die Verbundwahrscheinlichkeit P(Xq|Yq) aller (Quellen und) Bitebenen ausschlaggebend.
  • Um die bedingten Wahrscheinlichkeiten P(Xq|Yq) in einem gemeinsamen LDPC-Decoder zu integrieren, der zum Beispiel den effizienten Summe-Produkt-Algorithmus verwendet, wird eine Modellierung auf der Grundlage von Faktorgraphen vorgeschlagen, die den Korrelationskanal zwischen Bits verschiedener Ebenen (oder die entsprechenden mehrstufigen Abtastwerte) und Quellen berücksichtigen. Durch eine Interpretation verschiedener Bitebenen als unterschiedlicher Quelle ist das beschriebene Rahmenwerk auf mehrere Quellen erweiterbar. Der vorgeschlagene Ansatz ist ferner nicht auf Decoder beschränkt, die den Summe-Produkt- oder Nachrichtenweiterleitungsalgorithmus (belief propagation) verwenden. Er kann vielmehr für jeden Syndrom-Decoder verwendet werden, der - vorzugsweise logarithmische - Wahrscheinlichkeitsverhältnisse (log likelihood ratios, LLRs) verwendet. Mit einem solchen Decoder können die gleichen LLRs im LDPC-Code und den Faktorknoten des Faktorgraphen verwendet werden.
  • Eine beispielhafte Ausführungsform des DSC-Decoders (10) ist in 1 für zwei korrelierte Quellen X und Y gezeigt, die nach dem Schema Xq = (A0A1)2 und Yq = (B0B1)2 mit jeweils zwei Bits quantisiert werden. Jede Bitebenen-Folge vA 0 und vA 1 der Quelle X und vB 0 und vB 1 der Quelle Y wird entweder direkt übertragen (asymmetrische Ratenaufteilung) oder mit einer Rate in ihren zugehörigen LDPC-Code kodiert, die durch die gemäß Formel 4 bedingte Entropie begrenzt ist. In diesem Fall wird die Ratenreduzierung erreicht, indem die Syndrome sA 0 und sA 1 der Quelle X oder sB 0 und sB 1 der Quelle Y übertragen werden. Wahlweise lässt sich die Datenrate beliebig zwischen den Quellen aufteilen, wenn LDPC-Akkumulationscodes (accumulate codes) oder der sogenannte Progressive- Edge-Growth-Algorithmus verwendet werden. Zusätzlich dazu können systematische Bits beider Codierer übertragen und hierzu als feste Knoten in den Faktorgraphen aufgenommen werden, sodass es möglich (und in den meisten Fällen auch wünschenswert) ist, eine Kombination von Codewortbits νi und Syndrombits si für jede Bitebene zu übertragen. Im Ergebnis lassen sich im vorgeschlagenen Rahmen so unkompliziert beliebige Ratenaufteilungen zwischen den Quellen erreichen.
  • Ein Faktorknoten fj mit 0 ≤ j ≤ n - 1 modelliert die Korrelation zwischen den einzelnen Bitebenen der Abtastungen aller Quellen zum mit j indizierten Zeitpunkt. Sie wird ausgedrückt als die Verbundwahrscheinlichkeit aller Bitebenen, deren Werte somit im Voraus berechnet und in einer Umsetzungstabelle (look-up table) gespeichert werden können: P ( v j A 0 , v j A 1 , v j B 0 , v j B 1 ) = q ( ( v j A 0 v j A 1 ) 2 ) q + ( ( v j B 0 v j B 1 ) 2 ) q ( ( v j A 0 v j A 1 ) 2 ) q + ( ( v j B 0 v j B 1 ) 2 ) p ( x , y ) d x d y ,
    Figure DE102018213348A1_0013
    wobei p(x,y) die Verbundwahrscheinlichkeitsfunktion der Zufallsvariablen X und Y und q+ und q- die obere bzw. untere Intervallgrenze der jeweiligen Quantisierungsstufe bezeichnen. Bei multivariat gaußverteilten Quellen können die Werte analytisch berechnet werden. Da vorliegend statistisch unabhängige und gleichverteilte Abtastwerte angenommen wurden, ist die Verbundwahrscheinlichkeit für jeden Abtastwert und damit für jeden Faktorknoten fj gleich.
  • Es sei N j = { v j A 0 , v j A 1 , v j B 0 , v j B 1 }
    Figure DE102018213348A1_0014
    die Menge aller mit dem Faktorknoten fj verbundenen Variablenknoten und v j s { v j A 0 , v j A 1 , v j B 0 , v j B 1 }
    Figure DE102018213348A1_0015
    ein in dieser Menge enthaltener Variablenknoten. Gemäß der klassischen Faktorgraphen-Theorie errechnet sich in diesem Fall die Randwahrscheinlichkeit (und somit Ausgangsnachricht im Sinne des Nachrichtenweiterleitungsalgorithmus) zu jedem Variablenknoten als Summe aller Kombinationen von Variablenknoten mit Ausnahme des Ausgangsknotens v j s :
    Figure DE102018213348A1_0016
    μ out ( v j s ) = v j s ( P ( v j A 0 , v j A 1 , v j B 0 , v j B 1 ) k N i \ v j s μ in ( k ) ) ,
    Figure DE102018213348A1_0017
    wobei µin(k) die Randwahrscheinlichkeit aller Eingangsknoten bezeichnet. Im Falle von v j s = v j A 0
    Figure DE102018213348A1_0018
    gilt v j s x v j A 1 { 0 ; 1 } v j B 0 { 0 ; 1 } v j B 1 { 0 ; 1 } x
    Figure DE102018213348A1_0019
    für alle x ∈ [0,1]. Äquivalent dazu, kann diese Berechnung mit dem Stand der Technik auch auf Grundlage von LLRs erfolgen.
  • 2 illustriert den grundlegenden Ablauf des entsprechenden Decodierungsverfahrens (20), welches die folgenden Schritte umfasst:
    1. 1. Berechnen aller Nachrichten zu und von den Faktorknoten, um die neuen Kanalwerte v j x
      Figure DE102018213348A1_0020
      für die LDPC-Decoder anhand der verfügbaren Nebeninformation zu berechnen (Prozess 21).
    2. 2. Einmaliges oder mehrmaliges Ausführen der einzelnen LDPC-Decoder (Prozess 22).
    3. 3. Überprüfung, ob die LDPC-Codes konvergieren. Wenn ja, Zuweisung größtmöglicher LLR-Werte an die entsprechenden Codewörter (Prozess 23).
    4. 4. Wiederholung der vorangehenden Schritte, bis alle LDPC-Codes konvergieren oder ein Abbruchkriterium hinsichtlich der Anzahl der Iterationen oder Änderung der LLRs erreicht ist (Entscheidung 24).
  • Unterschiedliche Abwandlungen dieses Verfahrens (20) kommen in Betracht, ohne den Rahmen der Erfindung zu verlassen. Wenn etwa die verbundene Statistik der Quellen nicht a priori bekannt ist, so lassen sie sich - z. B. durch zentrale Instanzen - abschätzen, während die Daten im Verlauf einer Trainingsphase unkomprimiert übertragen werden. Zum Beispiel können während dieser Trainingsphase Abtastwerte gesammelt werden, auf deren Grundlage die Verbundwahrscheinlichkeit anhand der auftretenden Häufigkeit jedes möglichen Ergebnisses berechnet werden kann. Eine derartige Trainingsphase ist typischerweise ohnehin notwendig, da die Kompressionsrate jeder Quelle zentral bestimmt und jedem Encoder mitgeteilt werden sollte.
  • Sodann kann P = ( v j A 0 , v j A 1 , v j B 0 , v j B 1 )
    Figure DE102018213348A1_0021
    einmalig berechnet und für die spätere Dekomprimierung gespeichert werden.
  • Das erfindungsgemäße Verfahren (10) kann auf eine beliebige Anzahl von Quellen erweitert werden. Die Bitebenen der zusätzlichen Quellen werden mit ihrem dedizierten LDPC-Code hinzugefügt und über zusätzliche Faktorknoten verbunden, die die Korrelation mit den übrigen Quellen modellieren.
  • Da die Decodierung gemeinsam durchgeführt wird, hängt der Decodierungserfolg von der Bitfehlerrate jedes verwendeten LDPC-Codes ab. Um die Zuverlässigkeit zu erhöhen, kann jede einzelne Bitebene zusätzlich unter Verwendung eines ARQ-Schemas gesichert werden.
  • Das System kann schließlich durch eine adaptive DSC auf der Grundlage von Hybrid-ARQ leicht an veränderliche Korrelationsgrade angepasst werden.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 7256716 B2 [0003]
    • US 7653867 B2 [0004]

Claims (10)

  1. Verfahren (20) zum Rekonstruieren mehrerer in Korrelation stehender Signale (11) durch einen gemeinsamen Empfänger, gekennzeichnet durch folgende Merkmale: - Kanalwerte für einzelnen Bitebenen (12) der Signale (11) zugeordnete LDPC-Decoder (10) werden anhand eines die Korrelation modellierenden Faktorgraphen neu berechnet (21), - die Decoder (10) werden auf die Signale (11) beschreibende LDPC-Codes angewendet (22) und - das Verfahren (20) wird wiederholt, bis ein vorgegebenes Abbruchkriterium (24) erfüllt ist.
  2. Verfahren (20) nach Anspruch 1, gekennzeichnet durch folgendes Merkmal: - falls die LDPC-Codes teilweise konvergieren, wird entsprechenden Codewörtern ein größtmögliches Plausibilitätsmaß zugeordnet (23).
  3. Verfahren (20) nach Anspruch 2, gekennzeichnet durch eines der folgenden Merkmale: - das Plausibilitätsmaß ist eine Likelihood-Funktion oder - das Plausibilitätsmaß ist eine Log-Likelihood-Funktion.
  4. Verfahren (20) nach Anspruch 2 oder 3, gekennzeichnet durch folgendes Merkmal: - das Abbruchkriterium (24) gilt als erfüllt, wenn alle LDPC-Codes konvergieren.
  5. Verfahren (20) nach einem der Ansprüche 2 bis 4, gekennzeichnet durch mindestens eines der folgenden Merkmale: - das Abbruchkriterium (24) bezieht sich auf eine Anzahl von Iterationen des Verfahrens (20) oder - das Abbruchkriterium (24) bezieht sich auf eine Veränderung des Plausibilitätsmaßes.
  6. Verfahren (20) nach einem der Ansprüche 1 bis 5, gekennzeichnet durch folgendes Merkmal: - das Neuberechnen (21) erfolgt gemäß einem Nachrichtenweiterleitungsalgorithmus.
  7. Verfahren (20) nach einem der Ansprüche 1 bis 6, gekennzeichnet durch folgendes Merkmal: - die Bitebenen (12) werden durch automatische Wiederholungsanfragen zusätzlich abgesichert.
  8. Computerprogramm, welches eingerichtet ist, das Verfahren (20) nach einem der Ansprüche 1 bis 7 auszuführen.
  9. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 8 gespeichert ist.
  10. Vorrichtung (10), die eingerichtet ist, das Verfahren (20) nach einem der Ansprüche 1 bis 7 auszuführen.
DE102018213348.4A 2018-08-08 2018-08-08 Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale Pending DE102018213348A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102018213348.4A DE102018213348A1 (de) 2018-08-08 2018-08-08 Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018213348.4A DE102018213348A1 (de) 2018-08-08 2018-08-08 Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale

Publications (1)

Publication Number Publication Date
DE102018213348A1 true DE102018213348A1 (de) 2020-02-13

Family

ID=69186022

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018213348.4A Pending DE102018213348A1 (de) 2018-08-08 2018-08-08 Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale

Country Status (1)

Country Link
DE (1) DE102018213348A1 (de)

Similar Documents

Publication Publication Date Title
DE602005003767T2 (de) Verfahren zum komprimieren einer menge korrelierter signale
DE69700532T2 (de) Verfahren und vorrichtung zur faltungskodierung und -dekodierung von datenblöcken
DE69718395T2 (de) Informationsbits-Übertragungsverfahren mit Fehlerkorrektur-Kodierung, Kodier- und Dekodiervorrichtung dafür
DE69722331T2 (de) Informationsbits-Übertragungsverfahren mit Fehlerkorrektur-Kodierung, Kodier- und Dekodiervorrichtung dafür
DE69936908T2 (de) Iterative dekodierung von produktkoden
DE102007035210A1 (de) Verfahren und Vorrichtung zur LDPC-Dekodierung mit gemeinsamer Hardwarenutzung und serieller Summe-Produkt-Architektur
DE602005004863T2 (de) Verfahren zur Punktierung von LDPC Kanalcodes
DE102012219468B3 (de) Verfahren zur Übertragung von Daten
DE102017216264B4 (de) Decodierverfahren
DE102018213348A1 (de) Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale
DE102012203653B3 (de) Verfahren zum Wiederherstellen von verloren gegangenen und/oder beschädigten Daten
DE102018213833A1 (de) Verfahren und Vorrichtung zum Rekonstruieren mehrerer in Korrelation stehender Signale
DE602004006558T2 (de) Codierung und Decodierung von Trellis-Codes mit Trellis Sektionen basierend auf Blockcodes mit guten Distanzeigenschaften
DE60014395T2 (de) Verfahren und vorrichtung zur kodierung mit mindestens zwei parallelen kodierern
DE102016201408B4 (de) Verfahren zum Übertragen von Daten
DE102018213296A1 (de) Verfahren und Vorrichtung zum Rekonstruieren eines ersten Signales und eines zweiten Signales durch einen gemeinsamen Empfänger
DE102014216143B4 (de) Verfahren zum Wiederherstellen verlorengegangener und/oder beschädigter Daten
DE102004053656B4 (de) Verfahren zur Verarbeitung von Signalen nach Verfahren mit blockbasierten Fehlerschutzcodes
DE102014215478B4 (de) Verfahren zum Übertragen von Daten
DE102019124889A1 (de) Verfahren zur Übertragung von Daten und Empfangsvorrichtung zum Empfangen von Daten
DE102014215015B3 (de) Verfahren zum Wiederherstellen verlorengegangener und /oder beschädigter Daten
DE102017200075B4 (de) Entschlüsselungsverfahren sowie Kommunikationssystem
DE102014215477B3 (de) Verfahren zum Übertragen von Daten
DE102022111624B4 (de) Fehlerkorrektur mit schneller Syndromberechnung
DE102013223813B4 (de) Verfahren zur Wiederherstellung verloren gegangener und/oder beschädigter Daten