信道编码技术

信道编码技术（精选七篇）

信道编码技术 篇1

自1948年Shannon创立信息与编码理论这一学科以来,在不可靠信道上实现可靠通信所必需的信道编码技术得到了广泛的关注和深入的研究,目前它已作为一项标准技术而广泛应用于各类数字通信系统和数据存储系统。Shannon于1948年在贝尔系统技术杂志发表的《通信的数学理论》的长篇论文中[1],首次提出了通信系统模型,并指出系统设计的中心问题是在干扰噪声中如何有效而可靠地传送信息;同时,他指出可以用编码的方法实现这一目标。在这篇论文中,Shannon首次提出了熵与信道容量的概念。并指出:任一个通信信道都有一个参数C,称之为信道容量,如果信息传输速率R小于C,则存在一种编码方法,当码长充分长时,系统的错误概率可以达到任意小。这就是著名的信道编码定理。此后,构造可达到信道容量或者可逼近信道容量(Shannon限)的信道编码具体方法及其可实用的有效译码算法一直是信道编码理论与技术研究的中心任务。

在信道编码研究过程中,出现了许多优秀的编码方法,既包括经典编码,如BCH码[2,3]、RS码[4]及卷积码[5]等,也包括现代编码,如Turbo码[6]、LDPC码[7]及Polar码[8]等。

本文将描述信道编码的发展历史及研究现状,介绍信道编码发展中的重要编码方案,重点论述几种可逼近信道容量的现代编码方法及其应用。

1 经典编码的发展

自1948年Shannon论文发表起,在编码方法上,人们先后提出了Hamming码[9]、Muller码[10]、BCH码[2,3]、RS码[4]等线性分组码以及卷积码[5]等经典信道编码。经典编码的编、译码大多是使用代数方法,并以Hamming距离为其性能度量。设计的目标是要最大化码字之间的Hamming距离[11],从而获得优异的性能。

Hamming码是由Hamming于1950年提出的[9],它只能纠正一个错误。后来,Hocquenghem在1959年[2],Bose和Chaudhui在1960年[3],分别独立地发现了可以纠正多个错误的二进制BCH码。RS码是非二进制BCH码的一个子类,但它们却是由Reed和Solomon于1960年[4],即发现BCH码的同一年,采用完全不同的方法独立构造出来的。BCH码和RS码均可以采用代数译码算法进行快速有效译码,如BM算法[11]等。RS码不但拥有优异的纠随机错误的能力,而且抗突发错误的能力同样出色,因而被广泛应用于CD、磁盘、Flash等存储领域。

卷积码是由Elias最早在1955年提出的[5]。不同于一般的分组码,卷积码编码器有记忆,即编码器的输出不仅取决于当前时刻的输入,也依赖于之前的输入。Wozencraft和Reiffen给出了卷积码的序列译码算法[12],Fano后来改进了该算法。1963年,Massey提出了一种效率较低但是易于实现的译码方法,即门限译码[13]。卷积码的一个重要进展是1967年Viterbi提出了Viterbi译码算法[14],1973年Forney证明了Viterbi算法实际上是卷积码的最大似然译码算法。在Linkabit公司和美国国家航天局(NASA)JPL实验室的推动下,Viterbi算法很快成为了NASA深空通信标准的一部分,并且得到了广泛的商用。1974年,Bahl、Cocke、Jelinek和Raviv(BCJR)提出了最大后验概率(MAP)译码算法,也叫BCJR算法[15]。这一算法更进一步地推动了卷积码的应用。如今,BCJR算法已广泛应用于软判决迭代译码中。

上述各信道编码方案,虽然译码复杂度大多在可接受的范围内,然而由于码长较短,其性能受到了限制,一般离Shannon限有较大的距离。为了构造出译码复杂度可接受且差错控制性能优异的长码,Elias在发明卷积码的前一年便提出了乘积码[16]的概念,这是第一个由短码构造长码的方法。乘积码以两个(或多个)码长较短的线性分组码作为分量码进行阵列编码,其码长是各分量码码长的乘积,译码可通过对各分量码单独译码从而得到次优的结果。1966年,Forney提出了另一种由短分量码构造长码的编码方案:(串行)级联码[17]。级联码通过将内码和外码进行串行级联,在不增加译码复杂度的同时获得较大的性能提升。上世纪70年代,NASA采用以卷积码为内码(并用Viterbi译码)、RS码为外码的级联码作为深空通信的信道编码标准,在理论上展示了这种码距离Shannon限在3 d B以内,并在实际中取得了极好的效果。人们将深空通信与编码的结合称为“天仙配”。这是第一个构造出并在实际中使用的比较接近Shannon限的好码。

2 现代编码

现代编码始于1993年。在那一年的IEEE国际通信(ICC)会议上,来自法国ENST Bretagne的Berrou等人提出了对于信道编码界具有革命性意义的Turbo码[6]。从此,信道编码翻开了历史新的一页,进入了一个崭新的阶段。

Turbo码问世后不久,剑桥大学的Mac Kay[18]和MIT的Spielman等人几乎同时发现:Gallager早在1962年提出的低密度校验(LDPC)码在迭代译码算法下也能逼近信道容量。这些成果使得沉寂30多年的LDPC码重新焕发活力,同时迅速引发了又一轮对迭代译码研究的热潮。在之后的研究中,又提出了多种逼近信道容量的好码,如多元LDPC码[19]、空间耦合LDPC码[20]及Polar码[8]等。现代信道编码一般采用类随机编码方法,并结合迭代软译码以达到逼近最大似然译码性能;一般以与Shannon限的距离来衡量编码方法的性能。下面将主要介绍几种最具代表性的现代编码方法。

2.1 Turbo码

图1给出了CCSDS标准中的Turbo编码器结构。如图所示,Turbo码巧妙地将两个简单的分量码通过伪随机交织器并行级联在一起,以此构造了长码并实现了Shannon随机编码的思想。Turbo码一般选择卷积码为分量码,如果采用分组码作为分量码,则称为Turbo乘积码(或分组Turbo码)。在译码时,两个分量码译码器(对应于两个分量编码器)分别采用软输出译码算法(如MAP算法)进行译码;使用迭代译码,通过在两个分量译码器之间相互传递信息来获得逼近Shannon限的性能。仿真结果表明,码率为1/2的Turbo码在AWGN信道上距离信道容量限仅约0.5 d B。目前Turbo码已广泛应用于各种数字通信系统中,例如:CCSDS的深空通信标准、数字视频广播(DVB)标准、第三代移动通信系统以及3GPPLTE标准。

2.2 二元LDPC码

自LDPC码的再发现[18]以来,它一直是编码工作者研究的热点。目前,在二元LDPC码的构造、编译码方法以及性能分析方面都取得了极大的成果。LDPC码是一类线性分组码,名字中的低密度来源于其校验矩阵的稀疏性,即校验矩阵中只有数量极少的非零元素。相较于Turbo码,LDPC码已被证实有多个优点:(1)不需要复杂的交织器,降低了系统的复杂度和系统时延;(2)具有更好的误帧率(FER)性能,迎合了现代数字通信的需要;(3)错误平层大大降低,满足了极低误码率通信系统的需求;(4)译码算法为线性复杂度,译码器功耗更小,数据吞吐率更高。

在LDPC码的译码算法方面,Gallager的论文给出了软判决与硬判决两类迭代译码算法(现在称之为和积算法和比特翻转算法)。LDPC码的“再发现”之后,人们对高性能的简化译码算法进行了深入研究,提出了各种在性能与复杂度之间可以很好折中的译码算法,如最小和算法、基于可靠度的译码算法、迭代大数逻辑译码算法等。

研究结果表明:对于码率为1/2的非规则LDPC码,当其码长趋于无穷大时,在二进制输入AWGN信道上进行可靠通信所需的Eb/N0门限值距Shannon限仅为0.004 5 d B[21]。另外,Gallager的工作显示,规则LDPC码的最小距离随码长线性增加,这就保证了在码长充分大时,采用最大似然译码,规则LDPC码不会有错误平层现象。与Turbo类似,二元LDPC码已经成为CCSDS深空通信、光通信及数字视频广播等标准的一部分,得到了广泛的应用。

2.3 多元LDPC码

多元LDPC码最早也是由Gallager在其博士论文中基于模运算提出的[7]。1998年,Davey和Mackay将其推广,提出了定义在有限域GF(q)(q>2)上的多元LDPC码[19],同时给出了一种q元和积译码算法(Q-ary Sum-product Algorithm,QS-PA)。

为方便起见,这里的介绍限于定义在有限域的多元LDPC码。令GF(q)是一个包含q个元素的有限域,其中q是素数的幂次。一个长为n的q元LDPC码是由GF(q)上的m×n稀疏校验矩阵H的零空间所定义的线性分组码,其中m为校验方程的个数(矩阵行数)。这里要求H中的非零元素密度r很低(r定义为矩阵中非零元的个数与元素总个数的比值)。其码率为:

式中,rank(H)表示矩阵H的秩。若矩阵H具有恒定的行重和列重,分别为γ和ρ,则矩阵H的GF(q)上零空间给出了一个(γ,ρ)-规则q元LDPC码。如果H是一个由GF(q)上同样大小的稀疏循环移位矩阵构成的阵列,则矩阵H的GF(q)上零空间定义了一个q元准循环(QC)LDPC码。通常,一个q元LDPC码的校验矩阵H具有如下结构特性:(1)任意两行(或两列)不会有超过一个相同位置上同时为非零元;(2)H的密度r很小(域越大,H越稀疏)。

上述两条性质是在迭代译码时性能很好的码的常备条件,其中第(1)条常称为行列约束(RC-constraint)。

多元LDPC码还可以用Tanner图[22]来表示,Tanner是一个由校验节点和变量节点组成的二部图。校验矩阵H与Tanner图之间的关系如下:校验矩阵H的m行对应于Tanner图的m个校验节点;n列对应于Tanner图的n个变量节点;当且仅当H中的元素hij为非零元素时,Tanner图中第i个校验节点与第j个变量节点相连接。Tanner图中,最短环的长度称为围长(girth)。图2给出了一个多元LDPC码的校验矩阵及其对应的Tanner图表示。

近些年,多元LDPC在构造、译码和分析等方面取得了显著的成果。与二元LDPC码类似,多元LDPC码的构造方法大致可分为两类[23]:(1)利用计算机穷搜索的随机或伪随机构造方法;(2)基于代数或者组合工具的结构化构造方法。

在译码方面,虽然多元LDPC码具有优秀的性能,但是其较高的译码复杂度一直阻碍着其实际应用,因此多元LDPC码的低复杂度译码算法一直是研究热点和难点。QSPA译码复杂度主要集中在校验节点的更新过程中,因此Mac Kay和Davey将快速傅里叶变换(FFT)应用于QSPA算法的校验节点的运算,提出了多元LDPC码的FFT-QSPA算法[24],该算法随后由Barnault等进一步作出完整描述[25]。为了进一步降低复杂度,Declercq等人于2007年提出了扩展最小和(Extended Min-Sum,EMS)译码算法[26]。

以上算法都是基于概率信息的;另一类复杂度更低的是基于可靠度的译码算法。2010年,ChenBai和Zhao-Ma等分别提出了两种低复杂度的基于符号可靠度的译码算法[27,28]。同年,Chen-Huang等也提出了基于迭代软/硬符号可靠度的译码算法[29]。2014年,Huang还研究了一种基于比特可靠度的低复杂度译码算法[30]。表1给出了q元LDPC码的几种代表性译码算法的复杂度。

现有的研究结果表明,相对于二元LDPC码,多元LDPC码有如下优点:(1)在中短码长下,多元LDPC码比二元LDPC码具有更优的纠错性能;(2)多元LDPC码的抗突发错误能力比二元LDPC码强;(3)多元LDPC码是面向符号的,非常适宜与高阶调制方案结合从而提供更高的数据传输速率和频谱效率。

由此可见,多元LDPC码具有很高的应用价值。欧洲的ENSEA联合三星、意法半导体等诸多公司进行的“达芬奇计划”(DAVINCI Project),便是围绕多元LDPC码展开的关于多元编码调制系统的研究,旨在为下一代移动通信系统提供更可靠的高频谱效率解决方案。

2.4 LDPC卷积码

上述LDPC码属于分组码,1999年Felstrom和Zigangirov提出了LDPC卷积码及其编译码技术[31],它可以看作是将一些标准LDPC分组码以链的形式耦合在一起得到的,因而也被称为空间耦合(Spatial Coupling,SC)LDPC码。文献[32]给出了一个码率为R=b/c的LDPC卷积码的半无限检验矩阵的一般形式,如下所示:

其中,子矩阵Hi(t)是一个(c-b)×c矩阵,且具有如下性质:

(1)Hi(t)=0,i<0或者i>ms,t。

(2)存在t使得。

(3)H0(t)≠0并且满秩,t。

这里,ms是伴随式形成器记忆(syndrome former memory)长度,记约束长度为vs=(ms+1)c。如果对于任意的t和i有Hi(t)=Hi(t+T),则称卷积码具有周期性,周期为T。如果对于任意的t和i,有Hi(t)=Hi,则称该LDPC卷积码是时不变的。在实际应用中,校验矩阵不可能无限扩展下去,因此有必要对半无限校验矩阵进行结尾(Termination)处理,假设结尾长度为L(保留L列子矩阵)。

类似于LDPC分组码,LDPC卷积码的校验矩阵也具有稀疏特点,并可以通过基于滑窗结构的迭代译码算法进行译码,因而译码时延小。滑窗译码如图3所示。假设窗口大小W=3,在每个窗口内,采用一般LDPC分组码的译码算法进行译码(如和积算法、SPA),一个窗口译码结束后,输出目标符号,滑动窗口,进行下一个窗口的译码,依次一直执行下去,直到输出所有符号,译码结束。

LDPC卷积码的性能分析于近几年得到了广泛的研究。Lentmaier和Costello等利用密度进化技术,对SC-LDPC码在BEC和AWGN信道下BP译码的收敛性进行了系统的分析,指出其译码门限优于相应的LDPC分组码[33]。Kudekar、Richardson和Urbanke给出了更多分析结果,证明了在BEC上二元SC-LDPC码的BP译码门限能达到其分量LDPC分组码的最佳MAP译码门限[20],即分量码的空间耦合能够改进BP译码门限,最终达到“门限饱和”。

在文献[34]中,作者证明了在BMS信道上SC-LDPC码集合也表现出门限饱和现象,从而进一步展示了稀疏图码中,“空间耦合”这一结果特性的作用。大量的研究工作表明空间耦合技术对多种信道(BEC、BMS、MAC、Relay)和通信问题都表现出了优异性能。研究表明,具有类似结构的码[35]都具有优异的性能[36,37]。另外,多元空间耦合LDPC码也具有门限饱和现象[38]。Costello等于2006年将LDPC卷积码同LDPC分组码进行了系统的比较,指出在相同运算复杂度下,LDPC卷积码的纠错性能优于LDPC分组码,并且更适合于不需要将数据分块的连续数据传输系统以及可变帧长的包通信系统,因为它通过结尾处理,可用来构造一类可变帧长码。2008年,Pusane等进一步研究了LDPC卷积码的硬件实现问题[39],给出了一些硬件实现方案,进一步增强了LDPC卷积码的可应用性。

2.5 Polar码

虽然上述的Turbo码、LDPC码的性能已经非常接近信道容量,但都是通过仿真验证的。2008年,Arikan提出了极化(Polar)码[40],这是第一个可理论证明达到任意二进制输入离散无记忆对称信道容量(BI-DMC),也就是可以达到Shannon限的码,并且具有低编译码复杂度。Polar码的核心是“信道极化[8](ChannelP olarization)”。随着码长无限增大,由编译码产生的极化效应,使得多个独立二进制输入信道等效为容量接近于0或1的比特信道,从而信息可在容量接近1的无噪信道上传输。

Polar码的极化效应是通过信道合并和分裂产生的,其中信道合并对应着Polar编码,而信道分裂是基于逐次抵消译码思想实现的。依次传输在信道W上的N比特{U1,U2,…,UN},经生成矩阵进行编码后,等效为在一个合并的矢量信道WN上传输,其中,表示张量积运算。以N=4为例,如图4(a)所示,其中生成矩阵:

假设译Ui(1≤i≤N)时,其前i-1个输入比特已成功译出。此时对于输入Ui,其经过信道WN后可等效为其经过信道WN(i):Ui→YN×Ui-1,如图4(b)所示。由此可得到N个容量不同的等效比特信道,如图4(c)所示。WN到N个WN(i)的过程称为信道分裂。信道分裂并不改变信道容量值,即

随着N不断增大,N个比特信道中的一部分会变成容量C(WN(i))趋于0的纯噪声信道,而另一部分会变成C(WN(i))趋于1的无噪信道。图5给出了N=1 024个删除概率为ε=0.5的BEC信道经过信道合并和分裂后的比特信道对称信道容量。从图中可以看出比特信道容量分布呈两极化,这正是信道极化的效果。

在这样的极化信道上,编码只需将要传输的信息加载在C(WN(i))趋于1的信道上,而C(WN(i))趋于0的那些信道不传输信息(传输收发双方已知信号),即可实现可靠传输。

在文献[8]中,Arikan提出了Polar码的逐次抵消(Successive Cancellation,SC)译码算法,但是在中短码长下译码效果不是很理想。因此,在SC译码算法的基础上,2011年Tal和Vardy、Chen和Niu分别提出了可以大大改善SC译码算法性能的列表译码算法[41,42]。

后来,为了进一步提高译码性能,又提出了CRC辅助的列表译码算法[43],这是目前应用最广的Polar码译码算法。实际上,CRC辅助的Polar编码器可看作是一个串行级联编码系统,其中CRC码作为外码,Polar码作为内码。CRC的作用有两个方面:一是增加码的最小距离,从而改进高信噪比下的性能;二是帮助列表译码器选择正确路径。另外,还有众多其他学者做了许多尝试,如逐次抵消Stack译码等。

研究发现Polar码在多个方面都表现出优异的性能。目前,Polar码在编码调制、有记忆信道、窃听信道等方面的应用中也都展现出优异的性能。

除了上述介绍的几种逼近信道容量的编码外,还有一类应用广泛的面向数据包的编码:纠删码。它主要用来降低反馈与重传。Raptor类喷泉码被广泛用在广播与组播中,用来避免HARQ的反馈负担;在基于Aloha类协议的随机多址接入系统和点对点链路中,丢包以后,使用纠删码代替重传;另外,纠删码还被应用在CCSDS的近地卫星和深空通信中。

2.6 现代编码的应用

目前,能逼近信道容量的现代编码大多已经获得了实际的应用。在CCSDS的深空通信系统中,RS码和卷积码的级联一直是其标准中的一部分;如今,Turbo码和LDPC码也成为了其标准的一部分。CCSDS给出的Turbo码是由两个16状态递归卷积码并行级联而成的,编码器结构如图2所示,具体的码参数如表2所示。在表2中,同时给出了CCSDS建议的LDPC码的参数,这些LDPC码都具有准循环结构。

在下一代通信系统(5G)中,Turbo码、LDPC码、LDPC卷积码、Polar码都成为了强有力的候选者。5G通信系统主要定义了三类场景,分别是增强移动宽带业务(Enhanced Mobile Broadband,e MBB)、大规模机器通信(Massive Machine-type-communication,mM TC)和高可靠低时延通信业务(Ultra Reliable and Low Latency Communications,URLLC);不同的场景具有不同的要求。e MBB场景要求支持更高的传输速率(峰值速率:上行链路达到10 Gbps,下行链路达到20 Gbps)、更高的谱效率(峰值谱效率:上行链路达到12 bps/Hz,下行链路达到30 bps/Hz)等;mM TC场景要求支持更大联接(每平方公里1×106个联接),更低能耗(终端电池使用寿命达到15年);uRLLC场景要求支持更低的延时(上下行链路0.5 ms,即端到端时延低于1 ms),更高的可靠度(达到99.999 9%,即1ms内的误帧率低于10-6)),更低的错误平层等。从5G各个应用场景的关键性指标和现有信道编码技术的特点来看,采用原有4G中的信道编码技术方案已经难以满足5G的各种需求。目前Turbo码、LDPC码和Polar码都已经成为5G三个应用场景的热门候选方案。而对于mM TC和uRLLC场景来说,咬尾卷积码同样也成为了该场景的候选方案。表3和表4给出了其具体的候选方案。

而在光通信系统中,最早使用的是经典信道编码如BCH码、RS码等;后来采用以它们为分量码构成的级联码;如今,LDPC码以及具有卷积结构的长码,如Staircase码也得到了广泛的应用。

另外,现代编码方案在其他一些系统也中得到了广泛应用如DVB和存储系统等。

3 结束语

从Shannon于1948年创立信息论算起,也已经过去了近70年了,人们在信道编码定理的指引下,一步步地从构造出比较接近信道容量的码到提出可逼近容量限的码,最后终于研究出能够达到容量限的实用编译码方法。本文重点介绍了几种能够逼近信道容量的现代编码:Turbo码、LDPC码、Polar码等;它们各具特点,各有应用场景:

(1)Turbo码:编码简单,适合于中短码长或FER要求不高的场景;(2)二元LDPC码:译码简单,长码性能优异,错误平层低;(3)多元LDPC码:译码复杂度高,但中短码长下性能好,抗突发错误能力强,与高阶调制结合性能好,FER性能好,适合于突发短数据包的高可靠传输;(4)卷积LDPC码:长码下滑窗译码时延短,适合于连续流长数据包的低时延传输;(5)Polar码:长码性能优异,短码性能好但其List译码复杂度高;(6)纠删码/喷泉码:数据包级的编码,可以用来代替HARQ。

目前,在时延非严格受限(允许码长充分长)的通信系统中,我们已经能够在简单的点对点信道上实现逼近容量限的信息传输。但是,在时延受限(有限长)的情况下,还需要继续寻找好码。

深空通信中的信道编码技术 篇2

关键词：深空通信,信道编码,Turbo码,LDPC码

一、引言

在深空通信中,由于通信距离的大幅增加,通信信号的自由空间传播损耗巨大,接收信号的信噪比极低,通信系统所处理的信号强度极其微弱。因此,提高系统的功率利用效率是深空通信系统设计需要考虑的最重要的问题之一,而信道编码则是一种有效地提高功率利用效率的方法。在20世纪60年代以后发射的所有深空探测器中,都无一例外地采用了有效的信道编码技术。

本文首先介绍了国内外深空通信中的信道编码方案及其在深空通信系统中的应用概况,然后详细分析了性能优越的Turbo码和LDPC码,对它们的编译码算法进行了深入研究,并对性能进行了仿真。这两种编码已经成为国际空间数据系统咨询委员会(Consultative Committee for Space Data System,CCSDS)的信道编码标准,在未来的深空通信中具有广阔的应用前景。

二、信道编码发展概况

信道编码技术在深空通信中的应用概况如表1所示,在20世纪60年代以前发射的探测器中还没有使用信道编码技术。在60年代后期和70年代初期,采用的编码方式主要是Reed-Muller码和长约束长度的卷积码。其中,卷积码采用次最佳的序列译码器,在信噪比Eb/N0=2,7dB时,能达到10-5的误码率,相比未编码的BPSK获得了6.9dB的编码增益。

1977年发射的旅行者号(Voyager)探测器采用了当时最先进的(7,1/2)卷积码.采用最大似然Viterbi译码器,在信噪比Eb/N0=2.5dB时能达到10-5的误码率。为了探测天王星和海王星,旅行者号的设计者还开发了(255,223)Reed Solomon码,当需要的时候可以与卷积码级联提供更强的纠错能力。通过将两种低复杂度的码字级联,可以提升更好的性能,其复杂度仍和单个码字的复杂度相当,这一种级联方式在后来30年中被多次应用,几乎成为行业的执行标准。虽然这种级联的方式取得了很大的成功,但是随着编码技术的发展,人们还在继续寻找更加接近Shannon极限的编码方式。

根据编码理论,码字接近最佳的性能与最小码距和指数增长的译码复杂度相关。而在深空通信中,由于探测器非常昂贵而且人们也会不惜为复杂的地面系统斥巨资,只要能够得到哪怕一点点编码增益,高复杂度的编码方式也是值得的。(15,1/6)的卷积码便是当时的代表,20世纪90年代中期发射的火星探路者(Pathfinder)和卡西尼(Cassini)即采用了该编码方式,为了采用该码字,人们对并行结构的超复杂的Viterbi译码器进行了深入的研究。(15,1/6)卷积码与10bit交织深度的(1023,959)RS码级联,可以在Eb/N0=0.42dB就获得10-5的误码率。实际上,获得比这更加有效的编码将变得非常困难,因为当信噪比降低到一定程度,可能就无法保证相关解调时锁相环的信噪比要求。1997年,在实验室验证了火星探路者使用的(15,1/6)卷积码与DSN BlockⅢ最大似然比译码器在各种深空通信速率下的结合性能。在数据速率为20bit/s时,(15,1/6)码比(7,1/2)码提高1.5dB的增益,在数据速率为1185b/s～11060b/s时,5×10-3误码率时的性能提高了2dB。

1991年伽利略探测器(Galileo)在飞往木星的途中,主天线未能成功展开,使得数据速率比计划的要低很多,却为新编码方案的测试提供了条件。当时采用JPL (喷气推进实验室)提出的通过软件实现编译码的级联编码方式,外码采用标准的RS码,内码采用较复杂的(14,1/4)的卷积码。伽利略探测器通过反馈级联译码器完成了在木星的探测任务,该译码器在内码和外码之间通过迭代译码得到了0.5dB的增益,开创了迭代译码的先河。

卷积码的编码器实现简单、可靠,因此决定卷积码能否实用的关键在于译码器的设计与实现。传统的Viterbi译码器,其复杂程度取决于约束长度、编码效率以及信息速率,其中约束长度是决定译码器复杂程度的主要因素。由于Viterbi译码器的硬件规模正比于2k-1,则当k=15时,其译码复杂度大约是k=7时的256倍。因此,当约束长度较大时,传统的Viterbi译码器已经很难适用。对约束长度较大的卷积码,一般采用两种最大似然卷积译码器,分别为B2MCD (Block2 MCD)与B3MCD (Block3MCD)。其中,B2MCD主要用于解约束长度等于7,编码效率等于1/2的卷积码,而B3MCD可用于解约束长度等于3～15,编码效率等于1/2～1/6的卷积码,其比较见表2。

1993年Turbo码的发明以及紧随其后的LDPC重发现,为深空通信中信道编码带来了新的革命。由于具有接近Shannon极限的性能,针对深空通信中的Turbo码和LDPC码的研究和标准化工作迅速展开,目前已经取得了相当的研究成果,成为CCSDS中新的信道编码标准,达到工程应用的水平。

图1给出各种应用于深空通信中的信道编码的性能比较结果,从图中可看出,编码码率为1/6至7/8之间,并且Turbo码与LDPC码可以取得更好的性能。本文接下来将详细介绍适合深空通信的Turbo码与LDPC码。

三、Turbo码

自1993年Turbo码发明以来,Turbo以其优异的译码性能被广泛应用于第三代数字移动通信和无线局域网中。对可以容忍解码时延的深空通信,Turbo码成为极有吸引力的选择。Turbo码将卷积码与一个伪随机交织器和最大后验概率迭代译码器相结合,可获得接近Shannon极限的性能。仿真表明,采用大小为65535的伪随机交织器,18次迭代译码、码率为1/2的Turbo码,在Pb=10-5时的编码增益可达8.9dB。欧洲航天局发射的SMART-1就使用了基于Turbo码的数据传输设备。欧空局在其他航天任务中也会选择这种编码,比如与彗星会合的罗塞塔(Rosetta)。美国国家宇航局也计划在未来的任务中用Turbo码提升通信的可靠性,第一个使用这种编码的将是火星轨道探测器。事实上,随着数字信号处理技术的飞速发展,Turbo迭代译码算法的实现复杂度已经不再是阻碍其实际应用的瓶颈。

1. 编码规范

鉴于Turbo码优异的性能表现,CCSDS将其作为外来深空通信中信道编码的标准之一。CCSDS规范中给出的Turbo码编码结构如图2所示,通过选取不同的删截矩阵就可以得到不同的码率,支持的码率有1/2,1/3,1/4,1/6几种,支持的码长有1784,3568,7136,8920和16384。

图2中的生成多项式分别为:

码结构中的交织器定义如下:

首先,预先选择8个质数,p=[31,37,43,47,53,59,61,69]设k表示交织器的长度,选择整k1和k2满足k=k1k2,取k1=8,则可以得到相应的k2。然后按照以下算法进行计算交织索引数:

即第s次读的数据为第π(s)个数据,从而实现交织的功能。

2. 译码

Turbo码译码的基本原理是:在几个具有软输入软输出(SISO)功能的RSCC子译码器间,通过交织/解交织器传递反映信息位可信度的“软信息”,经过若干次的反复迭代再做出硬判决的译码过程,图3给出的是一个反馈型二维Turbo码迭代译码器原理图。图中,LCxk,LCyk分别是反映接收序列中信息位和校验位可信度的对数似然比(LLR),作为来自信道的软信息输入;Le(dk)-,Le(di)1则代表由两个SISO子译码器产生的反映信息位可信度的附加(软)信息,以信息位先验概率的形式用做其他译码器输入;双刀双掷开关代表解复用器,用来分离校验位并恢复被删截的校验位,被删校验位当作与模拟零等值处理。

基于SISO算法的子译码器是构成TC (Turbo Code)迭代译码器的核心,目前,普遍采用是BCJR算法及其改进型,即图3中的最大后验概率(MAP)算法,以及改进的维特比算法(SOVA)等。

3. 性能仿真

对信息长度为1784、码率为1/2和1/3的Turbo码性能进行仿真,仿真中Turbo码的编解码器严格按照规范中的定义,调制方式为BPSK,信道采用AWGN信道,结果如图4所示。可以看出,通过5,6次迭代,就可以得到很大的编码增益。

四、LDPC码

低密度奇偶校验(LDPC)码由Gallager于20世纪60年代首次提出,它是一种基于稀疏校验矩阵的线性分组码。限于当时的硬件和计算机水平,一直没有受到应有的重视。一直到1993年Turbo码问世后,LDPC码才又一次引起了学界的极大关注,并引发了世界范围内的研究热潮,取得了瞩目的研究成果并开始转入实用化。由于其具有逼近仙农极限的性能和硬件可实现的编译码复杂度,LDPC码在深空通信领域的应用也吸引了众多学者的研究兴趣。其中以JPL (喷气推进实验室)的J.Thorpe等人的研究成果最具有代表性,他们提出的AR4JA码已经于2007年被CCSDS (空间通信系统咨询委员会)批准正式成为深空通信信道编码的建议标准。

设计适合深空通信中的LDPC码,需要考虑的因素或选择码字的标准主要有:

⊙译码运算量:具有更小的IE/n,其中I是平均迭代译码次数,E是图中的边的总数,n是信道符号数,等于编码长度。

⊙编码运算量:具有更大的编码符号/时钟周期/逻辑门。

⊙描述复杂度:不同码率、码长的码字可以通过更小的表来描述。

⊙误码性能:对于给定的误码率需要更小的Eb/N0。一般需要比较的误码率包括10-4和10-6。

一般来讲,一个码字不可能兼具上述所有优点,最终的选择都是基于联合性能指标的折中。

1.编码规范

在CCSDS规范中,建议的LDPC码支持的码率有1/2,2/3和4/5,支持的码长(信息长度)有1024,4096和16384,以上组合可以得到9种码字,分别应用于对性能有不同要求的场合。鉴于编码结构,该码字也被称为AR4JA码。

校验矩阵H由许多循环移位矩阵组成,记循环移位矩阵的大小为M×M,则不同码率时码字(n,k)对应的M值如表3所示。

下面以(2048,1024)码为例给出AR4JA码码的编码规范。校验矩阵如下所示。

其中,IM和0M是大小都为M的单位阵和零阵,M=512;Πk,k=1,...8是置换矩阵。

可以得到的校验矩阵如图5所示,图中的点表示矩阵中的非零元素对应的位置,为了得到相应码率的码字,需要删截最后的M列(从第2049列到第2560列)。

2.编码器

AR4JA码具有循环移位结构或分块循环移位结构,因此可以通过简单的移位寄存器实现编码,其编码复杂度和生成矩阵的大小成线性关系(和码字的长度也基本成线性关系),极大降低了实现复杂度。AR4JA码字支持码率K/(K+2),其中对于码率1/2时,K=2;码率2/3时,K=4;码率4/5时,K=8。可以得出AR4JA码的编码器结构,如图6所示。该结构中共有长度为m的循环移位寄存器2M/m=8个,寄存器中的内容根据生成矩阵G每m次循环重载一次。寄存器A用来存储累积和。信息序列依次进入编码器,每一信息比特与移位寄存器中的2M比特相乘然后与寄存器A中的累积和相加。当所有信息比特进入编码器后,寄存器A中的内容即为校验序列,该序列在信息序列之后依次串行进入信道。

3.译码算法

LDPC码的译码算法主要是基于二分图的消息传递(Message Passing)算法。每一个变量节点i都有一个对数似然比λi=ln(P(ci=0)/P(ci=1)),表示码符号ci取0或1的相对可信度。变量节点利用λi和来自于校验节点的{ui}计算新的ci可信度,然后将新消息vi传递给相关的校验节点。校验节点对收到的消息vi进行处理并将得到的新消息ui传递给变量节点,从而完成一次迭代。变量节点和校验节点处消息处理算法如下式所示。

上述算法即是置信度传播(BP)算法,通过简化校验节点的处理公式可以得到最小和算法及其归一化最小和算法,简化算法减小了译码复杂度,但性能有所下降。

4. 性能仿真

对(2048,1024) AR4JA码进行性能仿真,采用BPSK调制方式,AWGN信道,迭代次数为25,采用不同译码算法时的误码率曲线如图7所示。AR4JA码具有较低的译码门限,不存在错误平层,具有良好的误码率性能。

需要注意的是:比较图6和图7可以看出,当码率为1/2时,LDPC码的性能还没有相同码率Turbo码的性能好,这主要是因为LDPC码设计时采用了准循环的码结构,大大降低了码字的复杂度和消除降低错误平层;同时,两种码字的码率没有重叠,分别能够应用到不同的场合,起到互补的作用。

五、结束语

Turbo码是现代编码理论中第一个采用迭代译码的编码方式,LDPC码紧随其后并被证明具有更好的通用性,但是它并不能代替Turbo码,甚至也不能代替传统的分组码和卷积码。LDPC码采用校验矩阵译码,当码率变小的时候,校验矩阵就会变大,从而引起译码复杂度上升。而Turbo码是基于栅格图译码,每个栅格对应一个信息比特或几个编码符号。因此,在低码率时,Turbo码具有优势。Turbo码和LDPC码采用的迭代译码算法,与卷积码的Viterbi算法以及RS码的代数译码相比还是复杂很多,因此在高速率和复杂度受限的应用场合,传统的编码方式还是不可替代。对于删除信道,无码率分组编码是一种渐近最佳的解决方案,因此可以猜想在统计错信道中也会出现一种渐近最佳的纠错编码而解决所有问题。总之,信道编码的应用重在译码复杂度,还有很多问题需要突破。

参考文献

信道编码技术 篇3

1 CDMA的信道编码方案

CDMA的信道编码方案包括以下几个方面:纠错编码/译码(包括速率适配),交织/解交织,传输信道映射至/分离出物理信道。另外,信道编码方案还涉及与高层消息的通信,从高层获得业务质量指示、业务复用等消息,以实现不同业务的不同编码和复用案,从而以最高的效率提供多种业务的组合。为了适应多种速率的传输,信道编码方案中还增加了速率适配功能。

2 CDMA的差错控制技术

决定信道编码性能的最基本的问题还是它的差错控制方案。CDMA传输信道提供了两类纠错方式:前向纠错(FEC)和自动重发(ARQ)。几C是作为无线业务最基本的纠错方式,而ARQ是作为一种补充方式。

FEC的通信系统的优点是:只有一个信道,而且系统的传输效率高,即码速率与信道的差错率无关,由此可保证业务的时延要求;FEC的缺点是:第一,当错误译码时,错误的信息也会送给用户,影响可靠性;第二,为了获得高的系统可靠性,必须使用长码和纠错能力强的码组,这使得译码电路复杂化,造价提高。与FEC系统相比,ARQ通信系统设备简单,可靠性高。但它必须使用一个反向信道,并且当信道变坏(差错率太大时),系统由于经常处于请求状态而使传输效率非常低。鉴于FEC和ARQ系统各自的优缺点,适当的把它们结合起来,就构成了混合ARQ通信系统,即在ARQ系统中引人一个FEC子系统。混合ARQ系统已被广泛用于分组数据交换网和计算机通信网中,对迫切需要与因特网建立通信的移动通信系统具有重要的参考价值。CDMA中还没有提及用于ARQ式的具体差错控制编码式。按照差错控制原理,这两种系统用的码型并没有明显的区分,任何一类码,按照译码方法的不同,均可作为纠错码用于FEC系统,或作为检错码用于ARQ码。下面就CDMA中的FEC的纠错码分别做介绍在早期的CDMA的提议中,它建议了四种前向信道纠错码,它们分别是:卷积码、RS码与卷积码的串行级联、Tu Rbo码以及业务专用码。

2.1 卷积码

用于BER为10-3级别的业务,典型的有传统的话音业务。所用的卷积码的码行和编译码方法基本上是对第二代移动通信系统的继承。如约束长度为9的卷积码,码率可以是1/2、1乃、2/3或1/4等。我国的TD一SCDMA方案中还用到3/4的卷积码,译码采用维特比译码算法,其中,1/2、1/3是最常用的码率。卷积编码一般用于话音业务在内的速率相对较低的业务。

2.2 RS码与卷积码的串行级联。

这种串行级联码用于BER为10-1沪的业务中。RS码为256进制,码率在4乃左右,码长根据业务速率和时延的要求可在一定范围内变化。RS码和卷积码通过交织相连接,交织的范围可在20 Ins和巧om s之间变化,属于祯间交织。

2.3 Turbo码

Turbo码是一种新型级联递归系统卷积码,如图1所示,它是由两个结构通常相同的递归卷积(RSC)编码器通过内部交织器的级联而成的。它的主要优点是:在AWGN信道中,其纠错性能可接近香农限,在传输同样长的信息位的数据块时,Turbo码的性能要比RS码级联要好ld B以上;缺点是:计算量大,有可能引入较大的时延。

在CDMA中,在低速率和低性能要求下仍采用与第二代移动通信系统中类似的卷积码编译码技术,而在高速率和高性能要求的情况下,RS码与卷积码的级联的编码方案已渐渐被Tu rbo码所代替。

2.4 业务专用码

业务专用码是在上述标准信道编码之外的一种选择。例如,某些信道类型的话音编解码的不等纠错保护。它允许业务自带特殊的编码方式而不经上述的任何一种编码,为物理层提供了更大的灵活性。

3 CDMA2000技术与通信编码

2000年5月,全球无线电大会(WRC-2000)正式批准了第三代移动通信系统(IMT-2000)无线接口技术标准。方案中,宽带CDMA(码分多址)技术是第三代移动通信的主要技术。其中,又以W-CDMA和CDMA2O00为主流技术。

3.1 CDMA2000的关键技术

高效信道编译码技术:选择效率高、编码增益高、时延性能好、译码算法简单、存储量较小、溢出概率小、适于衰落信道传送、易于实现的编译码技术。基于上述要求,在CDMA2000中,除采用卷积编码技术外,还采用了具有优异译码性能的Turbo编码技术。

功率控制技术:在CDMA系统中,由于用户共用相同频带,且各用户的扩频码之间非理想相关特性,用户发射功率的大小将直接影响系统的总容量,这使得功率控制技术成为CD-MA系统最重要的核心技术之一。

除上述二者之外,还采用了诸如RAKE多径分集接收、智能天线以及多用户检测等许多新的关键技术。

3.2 信道编码

在实际信道上传输数字信号时,由于信道传输特性的不理想以及干扰噪声的影响,所收到的数字信号不可避免地会发生错误。因此,必须采用信道编码将误比特率进一步降低以满足指标要求。信道编码的基本做法是:在发送端被传输的信息序列上以某种确定的规则附加一些监督码元,接收端按照既定的规则检验并纠正错误。根据信息码元与监督码元之间的相关性来检测和纠正传输过程中产生的差错就是信道编码的基本思想。

结束语

信道编码技术 篇4

关键词：卫星移动通信,LTE,Lutz信道模型,同频组网,同信道干扰,联合编码

目前, 由于频率资源紧缺, 国际上部分已发射通信卫星的转发器不能正常工作,从而造成了大量的系统资源浪费。 我国在国际电联组织ITU (International Telecommunications Union ) 申请的频率使用资源非常有限[1], 因此高效的频率使用规划方案和同频组网技术将极大地提高基于LTE技术体制的卫星移动通信系统性能和频率使用效率,以此为基础的下行信道联合编码技术更是当前的研究热点。

本文以基于TDD制式的LTE技术体制GEO卫星移动通信系统为研究背景,首先对地面LTE通信系统频率规划和传统星内频率复用技术进行分析,建立卫星蜂窝覆盖网络研究模型;在北京大学李斌等人提出的多波束卫星通信下行链路联合编码技术[2]的研究基础上, 结合卫星信道模型研究成果[3,4,5], 分别对卫星波束边缘重叠区域进行链路级系统仿真分析。 考量LTE技术体制的卫星移动通信系统在同频组网时, 下行信道采用不同联合编码技术的抗干扰性能。

1 LTE通信系统同频组网技术分析

在LTE技术体制下, 系统采用OFDMA多址技术实现小区内正交传输。 尽管系统的小区带宽可以达到20 MHz,但单个用户的数据通常只需要在数个资源块上进行窄带发送,其小区的下行发送信号对相邻小区形成的干扰是离散的窄带干扰。 在小区边缘只有随机发生碰撞的资源块受到同频干扰的影响。 针对LTE信道特点,在地面移动通信网络中业内通常将其同频组网分为控制信道同频组网和业务信道同频组网两个大类。 LTE上行采用峰均比较低的DFT-SC-FDMA技术,下行采用频谱效率较高的OFDMA技术。 为此本文针对系统上下行链路的不同进行分类研究。 鉴于LTE系统本身通过天线技术、资源分配、加扰与交织等技术对控制信道的邻小区干扰控制有较好效果,并能利用特殊时隙配比有效消除远距离同频干扰[6], 这些基于地面系统中的研究成果在卫星系统中通过少量修改可以得到较好的兼容使用。 而在地面系统中, 下行物理共享信道则需要使用干扰随机化、干扰消除和干扰避免等技术手段来消除同频组网带来邻小区干扰。 这些技术的实现在卫星信道条件下存在较大影响,需要重新设计。 结合卫星系统中下行业务数据必须通过卫星信关站发送的特点,信关站通过对临近波束的物理共享信道进行联合编码,可以在卫星移动通信系统中实现干扰抑制合并IRC (Interference Rejection Combining ) 技术。 本文主要研究对象是LTE卫星移动通信系统在同频组网时下行物理共享信道的邻小区联合编码抗干扰问题。

2 传统星内频率复用与卫星蜂窝建模

在一个卫星波束覆盖的地球表面上, 将信号接收强度相同的点连接起来就构成了一个电平等高线,小区的边界就是一个电平等高线,不同电平的等高线将形成不同半径的同心圆, 半径越大的电平等高线上的电平越低。 当同心圆上电平功率衰弱为3 d B时,一般认为其为该波束小区边缘,多个波束就形成了卫星蜂窝覆盖。 本文采用正六边形蜂窝小区模型对卫星蜂窝小区进行描述, 其小区面积为 , 其中scell为一个波束的小区面积,R为波束中心点到六边形顶点的距离。

在传统卫星移动通信系统中通常利用频率复用的方法来提高系统信道数量,如果相邻簇中干扰小区到被干扰小区距离相同,则称为规则的小区频率复用。 当卫星系统进行同频组网时,全系统可以看做是一个复用系数K=1 的规则小区频率复用。 设某小区内一个点的复数标记坐标为P0= x + jy , 相邻同频小区的对应点坐标为:

得到规则复用模式下最小的同频复用距离 。 根据上文得出的数据, 可以得出同频组网(即K=1) 时,3个卫星蜂窝覆盖小区的简单模型示意图,如图1 所示。

图1(a) 中的阴影区域为小区边缘区域, 假设3 个波束转发器的发送功率相等,根据自由空间电信链路的点到区链路场强公式,可以得到边缘区域接收机RTx的r.m . s场强。 由于卫星到接收机的距离d ( km ) 一定, 所以3个波束给接收机位置场强仅与其等效全向辐射功率P( k W ) 有关, 即仅与点波束方向图有关。

图1(b) 中存在 θA、 θB和 θC3 个接收仰角, 分别对应卫星到接收机的下行路径与波束A、B、C轴线的夹角θ3d B为卫星到小区边缘路径与其相应波束轴线的夹角。

本文中采用点波束的一种典型方向图对信道模型进行研究,方向图如式(3):

其中,,J1(u)和J3(u)分别代表第一类一阶和三阶贝塞尔函数。

在信道模型方面,目前业内公认的研究模型主要有Lutz E综合考虑LOS及阴影遮蔽的陆地卫星移动通信信道模型[3]、LOO C提出模型的部分阴影陆地卫星移动通信信道模型[4]以及CORAZZA G E和VATALAOR F提出基于经验公式的全阴影陆地卫星移动通信信道模型[5]。

本文仿真采用Lutz卫星信道模型,该信道模型将卫星与移动终端之间的信道环境分为好、坏两种状态。 这两种状态可由实际通信中的阴影遮蔽比例(Lutz因子)来加以调节,因此该模型能实时地反应卫星时变信道的特性。 信道模型主要由瑞利、莱斯和对数正态三种分布组成,其模型构成如图2 所示。

系统模型的链路路损采用国际电联ITU-R P.525-建议书中对自由空间损耗的点到点链路基本损耗公式进行计算,其中f为载波频率(MHz),d为距离(km)。

至此可以构建GEO卫星移动通信系统的波束到用户的信道矩阵H(k,i)。 H(k,i) 为k个波束的数据到i个接收机的信道矩阵, 其矩阵元素hk , i为第k个波束到第i个波束下接收机的信道。 由于卫星信道为时变信道, 所以可得其信道矩阵元素为:

其中,坠为路损系数、发送端天线增益和接收端天线增益的乘积。 为简化研究复杂度,在本文中设其发送天线增益和接收天线增益相等且均为1; f(t) 为卫星符合Lutz模型的时变函数。

设x(i) 为发送给第i个波束下接收机的数据, 根据信道矩阵H,可以得到第i个波束下接收到的数据y(i)。

3 联合编码

以上文中完成的系统模型和信道建模为基础, 采用地面网络中抗干扰BD编码算法和基于卫星规则同频组网三波束联合编码算法做比较,下面就仿真算法和思想做简要介绍。

传统的BD (Block -Diagonalization) 预编码算法[7]通过信道块对角化完成用户间干扰迫零,能有效地消除用户间干扰。 其算法主要思想是将多用户信道解耦成独立无干扰的单用户问题, 算法最终目的在于求取迫零矩阵Wk, 其求解过程如式( 7 ) :

其中,Hk为待分解信道状态矩阵;Wk为待求迫零矩阵其列向量构成Hk零空间的一组标准正交基, 即使得邻近波束的干扰I=ΣWk , iHk , ix ( k ) = 0 。

基于卫星同频组网三波束联合预编码算法主体思想并借鉴地面多用户MIMO系统联合编码算法[8], 以卫星规则同频组网为应用场景,可以将接收端邻近两波束发送数据通过预编码转换为有用信号,这样接收端接收到的数据是由邻近波束和本身波束传输的下行数据合并而成,即使得:

该联合编码方式下预编码矩阵W的解如下式:

本文的仿真在Lutz卫星信道模型下使用传统BD预编码算法和基于三波束联合预编码算法两种编码方式进行系统性能的仿真比对。

4 仿真与结果

仿真中系统模型下行传输体制采用OFDM, 调制方式为QPSK,每个波束中用户采用相同子载波,子载波频谱带宽30 k Hz,载波频率2 GHz,系统带宽20 MHz。 仿真程序考量系统模型阴影区域用户在净空状态和阴影遮蔽状态的卫星信道条件下,使用不同联合编码方式的系统通信性能。

场景条件1:边缘区域接收用户处于净空状态,信道模型符合Lutz模型中好状态信道条件, 且Lutz因子A=0 , 如图3 所示。

场景条件2:边缘区域接收用户处于遮蔽状态,信号模型符合Lutz模型中坏状态信道条件, 且Lutz因子A=1 , 遮蔽条件转移概率B = 0 . 5 , 如图4 所示。

通过上面的仿真结果可以发现, 无论是在好信道状态还是在坏信道状态下,三波束联合编码方式在低信干噪比的位置都能取得良好的系统吞吐量。但随着信干噪比的提高,当信干噪比分别高于11.85 dB和15.07 dB时,传统的BD算法预编码方式能提供更优的系统性能。

本文通过构建Lutz卫星信道,在同频组网的卫星系统模型下对两种信道预编码方式进行了抗同信道干扰能力的比较。通过对仿真数据的分析,得出以下结论:

(1)在卫星蜂窝小区边缘区域,接收机信干噪比较低时,传统的BD预编码方式并不能提供高质量的同信道抗干扰能力;

(2)随着接收机向小区中心区域接近,三波束联合编码方式的系统接收到来自于邻小区波束的信号减弱,系统整体性能归于平缓,但伴随本波束信道质量的提高,系统通信能力仍然远高于不进行信道预编码的系统;

(3)在高信干噪比条件下,基于传统BD预编码方式的卫星移动通信系统能获得较好的下行物理共享信道抗干扰能力;

(4)信道联合编码技术配合信道检测技术能为基于LTE技术体制的卫星移动通信系统提供自适应选择的手段,可以用于提高整系统的吞吐量。

本文的研究是在对地面系统信道联合编码的相关研究成果之上,添加了LTE技术体制下的GEO卫星同频组网系统模型,对Lutz信道模型在不同预编码方式下的性能进行了链路级的系统仿真,结果显示尽管接收机位置接近小区中心区域,采用三波束联合编码方式也不会使得系统下行链路信道质量出现大幅度的性能下降,因此可以适用于卫星移动通信系统。本文为建立我国基于LTE技术体制的卫星移动通信系统在同信道干扰问题上的研究提供了理论基础。

本文未就系统移动接收端受多普勒频偏等影响做相关分析,因此尚不能彻底地反映GEO卫星系统的实际运行状态,在后续的工作中将结合实测数据通过组建经验公式模型的方式展开进一步研究。

参考文献

[1]程建军.卫星频率和轨道资源的国际争夺[J].卫星与网络,2006(10):28-35.

[2]李斌,郑炜,郑雅丹,等.多波束卫星通信下行链路联合发送技术[C].第九届卫星通信学术年会,北京,2013.3.

[3]LUTZ E,CYGAN D,DIPPOLD M,et al.The land mobile satellite communication channel-recording,statistics,and channel model[J].Vehicular Technology,IEEE Transactions on,1991,40(2):375-386.

[4]LOO C.A statistical model for a land mobile satellite link[J].IEEE Transactions on VT(S0018-9545),1985,34(3):122-127.

[5]CORAZZA G E,VATALARO F.A statistical model for land mobile satellite channels and its application to nongeostationary orbit systems[J].IEEE Transactions on VT(S0018-9545),1994,43(3):738-742.

[6]曲嘉杰,李新,邓伟,等.TD-LTE远距离同频干扰问题研究[J].电信科学,2010(010):152-158.

[7]SHEN Z,CHEN R,ANDREWS J G,et al.Low complexity user selection algorithms for multiuser MIMO systems with block diagonalization[J].Signal Processing,IEEE Transactions on,2006,54(9):3658-3663.

[8]BAIER P W,MEURER M,WEBER T,et al.Joint transmission(JT),an alternative rationale for the downlink of time division CDMA using multi-element transmit antennas[C].Spread Spectrum Techniques and Applications,2000 IEEE Sixth International Symposium on.IEEE,2000,1:1-5.

信道编码技术 篇5

关键词：数字卫星广播,传输系统,信道编码技术

世界信息技术的快速发展使得整个电视广播产业链发生了翻天覆地的变化, 数字卫星广播是当代数字电视发展的潮流, 数字电视可以简单的分为地面数字电视、卫星数字电视和有线数字电视三个主要的部分。卫星数字电视有着较广的覆盖面和较高的信号质量, 已经成为最流行的类型。相应的卫星广播传输技术也变成热门领域, 其中得信道编码技术更是重中之重[1]。

1 信道编码技术

1.1 信道编码技术的基本概念。

快速发展的信息技术使得人们对于信息质量提出了更高的要求, 在传输方式和传输质量上都提出了新的要求, 科学研究人员在这一需求的基础上提出了新的编码技术, 从根源上解决了传统信号容易被电磁场和其它信号源干扰的问题。所谓信道编码技术就是在信号传输过程中对数字信号进行不断的纠错和检错操作, 从而提升数据在传输中的抗干扰能力, 实现高信号质量和安全可靠的需求。这种技术实现了远距离传播, 排除了信号传输过程中的信号干扰, 当信号发生错误时可以及时的进行纠正, 从而保证用户接收到高质量的数字信号。

通常可以将纠错码分为分组码和卷积码两个部分, 它能检测和矫正比特流中的差错是借助于冗余比特, 这也决定了传输比特要明显多于正常的比特数目。在检查信号是否存在干扰时要进行多次反复的调试, 所以系统中必须存在这个闭合回路。设置在信道两端的滤波装置可以与纠错码结合互补, 实现更多的功能保证数字卫星广播传输系统的安全可靠运行[2]。

1.2 信道编码技术在数字卫星广播传输系统中的作用。

传统的数字卫星广播传输系统不能对传输过程中的干扰信号进行有效的控制, 受到太多干扰因素的影响, 信号显示时会产生失真、杂音、播放间断等等问题, 导致数字卫星电视信号传播不能提供完善的服务, 影响用户的数字卫星广播的体验质量。新型的信道编码技术可以从根源上解决这类问题, 安装在双信道的输入和输出端口的抗干扰滤波器可以将前面的干扰信号过滤去除, 使进入信道中的信号频率都在可以转换成有用功, 实现高质量信号。这种信道组成模块具有较高的自身稳定性, 通过智能系统对整个传输系统进行控制。可以及时的将检测到的信号反馈给管理中心, 通过技术人员的专业分析, 在计算机内完成整个反洗过程, 从而将结果呈现给专业人员, 提供便捷的传输体系。在信道编码技术中还加入了自动调节功能, 这可以依据用户需求来判断长短。技术人员也可以设定传输过程中的传输频率, 根据卫星广播的播放情况在系统内部完成调节。

1.3 数字卫星广播信道编码技术

1.3.1 纠错编码。

纠正错编码的作用是检验信号传输过程中是否出现错误或者失真情况, 如果出现异常情况, 根据监测的情况对传输线路进行修正, 通常是有功补偿, 一般的信号补偿都是在后半部分进行的, 纠错编码一般是RS码, 它的功能是通过译码器来实现。纠错码可以分为RS编码, 卷积码和Turbo码三种。错误编码一般在整个数据流中占据很小的一部分, 所以对于错误编码的位置确定是最重要的工作, 一种较为常用的FEC技术可以很好的解决这个问题, 它不仅能依据现实情景改变新到的长度和宽度, 还可以对小误差进行自动调整, 只是将结果返回到管理中心。如果是较为严重的错误现象, 一般是发生功能模块的损坏, 这就要求技术人员从整个系统中使用排除法来寻找并解决问题。

1.3.2 交织技术。交织技术是指利用信号的排列整合来完成信号的传输功能, 利用组合形式的变化寻找到最佳的信号传输通道。交织技术可以分为简单的两部分, 第一是稽查结合, 它是指编制原始信息, 将编制后的信息通过特定的信道轨迹传输到接收端, 解释段再将信号解交接, 完成工作区域内的卫星传输任务, 在一般的价值过程中会出现很多的错误, 这就需要在信号传输的过程中安装纠错滤波器, 这样可以通过过滤干扰信息来保证信息传输过程的安全性和可靠性。一般来说信道编码方式要根据具体的信号传递任务来改变, 对于不同的任务, 技术人员依据信号的频率波形来采用不同的信道编码方式, 这样可以保证任务的独特性, 加强信号的抗干扰能力, 不容易被人随意破坏。从而显著地降低数字卫星广播传输系统的运营成本, 优化系统的各项功能。

2 信道编码技术在实践中的应用

数字电视信号的信道编码技术能利用纠错编码、网格编码和均衡等技术实现高质量的信号传输, 强化信号的抗干扰能力。然而在信号的传输过程中, 受到我们周围磁场和其他信号的干扰, 数据流很容易产生误码, 显示在用户面前就是图像跳跃、图像不连续和马赛克等等异常现象。

信道编码的核心技术就是通过各种编码实现系统的抗干扰能力和纠错能力, 减少误码的产生。一般的纠错和交织可以有效的处理这类现象。具体的信道编码的方式就是在源数据码流中添加一些冗余的比特流, 系统可以利用这些冗余马仔接收端对数据进行检查和纠错。我们一般的信道都是带宽固定的信道, 传送码率也是确定的, 所以这种只增加附加码元的处理方式只是降低了有用信息信息的码率。例如, 一般的系统都是以卷积码为内编码, 以RS编码为外编码;也可以以LDPC为内编码, 以BCH为外编码, 总之是要将两者结合起来形成一种级联码, 以此为基础对信号进行编码处理。

信道编码器和译码器是主要的信道编码元件, 他们可以显著地提升信道的可靠性。信道编码可以主要分为两类:第一是信道编码定理, 从理论上解决理想编码器、译码器的存在性问题, 也就是解决信道能传送的最大信息率的可能性和超过这个最大值时的传输问题。第二是构造性的编码方法以及这些方法能达到的性能界限[3]。

结束语

随着信息时代的到来, 人们对于信息的要求也变得越来越高, 相应的信息传输技术研究也变得越来越热门。数字卫星广播传输系统是人们获取信息的重要途径, 数字卫星广播传输系统中的信道编码技术作为新型的一种技术受到了很多专业人士的关注。但是数字卫星广播传输系统还面临着很多的问题, 专业技术人员需要认清现状, 从以往的实践中吸取经验并不断地学习新的技术方法, 跟上时代的步伐。总之, 信道编码技术不是一个简单的过程, 对于它的探索任重而道远, 需要所有人的共同努力。

参考文献

[1]曹立鹏.数字视频广播传输系统中的信道编码技术[D].西安:西安电子科技大学, 2006.

[2]董亚萍.数字卫星广播传输系统的同步与信道编码技术[D].西安:西安电子科技大学, 2007.

信道编码技术 篇6

无线通信技术的迅猛发展极大地改变了人们生产生活方式,正交频分复用技术[1](OFDM)作为无线通信的关键技术之一,在很大程度上降低了通信系统的复杂度。在多用户通信过程中,从用户端到基站的上行链路数据传输要求用户设备尽可能简化。在OFDM系统中, 使用子信道联合预编码技术[2,3,4]能带来性能上的提升。 独立信道的线性预编码[5,6]是一类重要的预编码方案,在发送端使用发送数据符号的统计特性设计预编码矩阵, 不需要已知信道信息,因此无需信道反馈,降低了发送端设备的复杂度,减少了传输延时。因此独立信道的预编码方案适用于用户端到基站的数据传输。

1独立信道的线性预编码技术采用迫零检测算法的性能分析

带预编码的OFDM系统简化框图[7]如图1所示。

图1在数学上可建模[7]为:

式中:s表示发送端比特数据经过星座调制后的N × 1发送向量;P表示N × N预编码矩阵;H为N × N频域信道对角矩阵;w为N × 1的加性噪声,wi服从均值为0,方差为 σ2的高斯白噪声;y表示接收到的N × 1数据向量。

假定在接收端完美获取信息,也即H矩阵已知,迫零均衡算法(ZF)[8]使用加权矩阵Z = ((H P)H(HP))-1⋅ (HP)H消除干扰。进一步假设OFDM系统传输时任何子载波均没有完全衰落到零,那么频域信道矩阵H可逆,因此,迫零均衡矩阵Z可以简化为P-1H-1。此时, 迫零均衡算法简化为:

式中:S表示发送端的调制符号集,= s + P-1H-1w 。 因此,迫零检测算法的性能取决于加权噪声项(P-1H-1w )H(P-1H-1w ),由于噪声是随机变量,那么要设计的预编码矩阵P必须使得:

对式(3)分析如下:

令 = H-1w,Q = P-1,则:

前面已假设加性高斯白噪声具有零均值,各分量wi,wj之间不相关,且H矩阵的不同频率衰落系数具有相同的均值,且不相关[9],则:

其中,因此,迫零检测算法正确率越高等价 于使得越小 。 又因为因此 ,预编码矩 阵P需要满足最小。

为了使得数据经过预编码后的功率可控,对预编码矩阵的范数加以约束[10],即:

又因为:

设PHP的特征值为 λ1,λ2,..,λN。由于PHP是可逆正定Hermitian矩阵[11],那么所有的 λ 为正实数。的特征值为根据迹的性质[11]有:

所以,基于迫零均衡检测算法的预编码矩阵设计准则是:所有迹相同的P ∈ N × N矩阵,找满足trace(P-1P-H) 最小的Popt。采用拉格朗日乘数法[12,13],可以得到当所有的 λ 相等时,最小。也即当PHP为单位矩阵时,能使迫零检测算法检测正确率最高,此时 λ1= λ2= ⋯ = λN= 1,由于PHP为单位矩阵, 则P为酉矩阵。此时:

从以上分析可知,若使用预编码技术,则当P为酉矩阵时能使接收端检测正确率最高,但值得注意的是, 单位矩阵也是酉矩阵。因此,独立信道的预编码技术结合迫零检测算法不能带来性能上的提升,需寻求其他多符号联合检测算法。

2仿真及其结果分析

仿真参数设置:比特数据采用4QAM调制方式, OFDM系统使用192个子载波,使用子载波群技术[9],每个子载波群含6个子载波,假定接收端完成了理想的信道估计和同步,检测方式采用迫零检测算法,使用trace(P-1P-H) 不同的预编码矩阵P,性能仿真见图2。

从图2可以看出,trace(P-1P-H) 越大的预编码矩阵P带来的性能提升越大,由于trace(P-1P-H) 的最大值为6, 因此,带来性能提升最大的预编码矩阵为酉矩阵,又因为单位矩阵也是酉矩阵,因此,对于独立信道的预编码技术,若采用迫零均衡算法,预编码方案带来的性能不会优于未预编码方案,因此,迫零均衡算法不适合于独立信道的预编码技术。

3结语

信道编码技术 篇7

根据网络编码应用范围,Zhang等人[4]将网络编码分为有限域中物理层网络编码和无限域中物理层网络编码。文献[5]针对信道编码和网络编码在双向中继信道中的应用,提出了Turbo网络编码方法,研究结果显示该方法可以显著提高网络编码在通信网络系统中的可靠性。为了获得编码增益或者空间分集增益,人们对网络编码和信道编码联合方案进行了深入研究。Hausl等人[5,6]设计了一种码率兼容的网络编码和信道编码联合方案,在这种方案里中继网络对两个源节点的数据进行估计来提供冗余信息。Hou等人[7]根据对分布式Turbo码的研究,在双向中继信道中提出了3种基于Turbo码的网络编码和信道编码联合设计方案,分别是信道编码后进行网络编码方案、信道编码前进行网络编码方案和调制后叠加方案。

在现有的网络编码和信道编码联合设计方案中,通常中继节点需要对接收数据进行解调和译码操作后进行基于软信息的网络编码操作,该方案的缺点是增大了中继节点处理数据的复杂性,使得对中继节点的处理复杂度和能量损耗提出了更高的要求。针对该方案存在的问题,有文献提出将Turbo码与网络编码联合设计用于协作通信中,取得了较好的效果。根据对信道编码中的Turbo码和低密度校验 ( Low Density Parity Check,LDPC) 码的学习,本文将信道编码中性能较优的LDPC运用到网络编码和信道编码联合设计,提出一种接收端补偿校正的网络编码和信道编码联合设计方案,该方案与上面介绍文献方案的不同之处是,本方案信道编译码采用性能较优的LDPC码。在本文提出的方案中信道编译码采用LDPC码,中继节点对接收数据进行解调和译码操作后硬判决,降低中继节点处理数据的复杂性,然后进行网络编码操作而不考虑网络编码中存在的误码,通过接收节点对中继硬判决信息的错误概率进行校正和补偿来获取最大似然接收。本文提出的方案不但可以降低中继节点处理数据的复杂性,而且可以提高传输系统的可靠性。

1 双向中继系统模型

本文无线通信网络的双向中继信道模型中,由2个源节点A,B和1个中继节点R组成,如图1所示。

在图1所示的双向中继系统模型中,本文提出的基于补偿校正的网络编码和信道编码联合设计的实现过程为:

1) 源节点A和B将需要传送的原始数据UA和UB进行信道编码( 此处采用性能较优的LDPC码) 、BPSK调制之后变为XA和XB,将XA和XB广播到其他节点。

2) 中继节点R对接收数据解调和LDPC译码后硬判决,然后进行网络编码操作得到UR,调制后广播到源节点A和源节点B。

3) 在源节点A处( 以源节点A为例) ,将接收数据XR进行最大似然解调获得LRA,将LRA与源节点A自身数据XA进行解网络编码来获得关于源节点B发送的数据; 将源节点B发送的数据和源节点B直接传送过来的数据进行最大比合并来获得信息位,将该信息位和源节点B发送数据的校验位送入迭代译码器中,来获得源节点B发送到源节点A的数据。

下面来详细介绍本文提出的基于补偿校正的网络编码和信道编码联合设计方法。

2 基于补偿校正的网络编码和信道编码联合设计

1) 源节点处理操作

源节点A和B通过中继节点R来完成数据交换,同时本文设定无线通信网络场景在半双工模式下进行数据传输。在该系统模型中,节点中数据符号设定为: 源节点A需要发送的数据包为UA= {uA,1,uA,2,…,uA,M},uA,i∈ {0,1},i = 1,2,…,M,源节点B需要发送 的数据包 为。UB={uB,1,uB,2,…,uB,M},uB,i∈{0,1},i = 1,2,…,M。

将源节点数据包UA和UB经过LDPC编码器分别进行信道编码为

在第1个时隙过程中,源节点A同时将XA发送到源节点B和中继节点R; 在第2个时隙过程中,源节点B同时将XB发送到源节点A和中继节点R。在该双向中继系统模型中,设定信号发射功率相同,系统完全同步,信道中存在的干扰类型为高斯白噪声,噪声方差值是σ2。

2) 中继处理操作

在中继节点R处,将源节点A和源节点B分别发送过来的数据XA和XB进行解调和译码操作后硬判决,获得源节点数据信息然后进行网络编码操作,即

在第3个时隙过程中,中继节点R将编码之后的数据UR进行调制之后变为XR,将XR广播到源节点中,该中继节点R的处理操作过程如图3所示。

3) 基于补偿校正的最大似然解调算法

在本文提出的基于补偿校正的最大似然解调算法中,中继节点为了降低处理数据的复杂性,只是对接收数据进行硬判决,没有考虑网络编码中存在的误码。因此,需要源节点对中继节点硬判决数据的错误概率进行补偿校正,来改善传输系统的可靠性。

本文以源节点A为例进行校正补偿的理论过程为:

设定信道特性参数hij已知,根据该条件可以求出对应信道的误码率εij,Yij表示i节点进行发送、j节点进行接收,这里有i,j∈{A,B,R}。

当UR= 0时,信号YRA的概率密度函数( PDF) 为

当UR= 1时,信号YRA的概率密度函数( PDF) 为

从而求得YRA的对数似然比为

式( 6) 为信道特性对接收端的性能贡献,在接收节点计算中继节点传输过来的软信息时,根据信道误码率εij进行了较好补偿。

一种较为简单的数据判决算法是: 计算信道YRA的对数似然比为

式中,t为信道似然比软输出,为A - R信道的误码率,εBR为B - R信道的误码率。

由于f( t) 函数计算复杂度较高,文献[8]证明可用一个线性分段函数fPL( t) 来近似,即

同理,参照本方案可以对源节点B的接收数据进行校正补偿。

4) 联合迭代译码处理

此处联合迭代译码处理还是以源节点A为例,在源节点A处会有3个数据信号进入到联合迭代译码器中,分别是源节点A自身数据XA,从中继接收到的数据YRA和源节点B发送数据YBA。此处联合迭代译码操作的处理过程如图4所示。

在图4所示的联合迭代译码操作过程示意图中,YRA进行最大似然解调变为LRA,YBA进行最大似然解调变为LBA,计算过程为

式中: hRA和hBA分别表示R - A信道特性和R - B信道特性。

将XA和LRA进行解网络编码操作后与LBA进行联合迭代译码操作,获得数据UBA,此处联合迭代译码操作的处理过程为:

( 1) 将XA和LRA进行解网络编码操作,获得源节点B发送的数据( LS,RA,LP2) 。

( 2) 因LBA含有源节点B的信息位数据和校验位数据,即为LBA= ( LS,BA,LP1) ,故需要将源节点B的数据进行最大比合并,即

( 3) 将LS和LP1进行联合迭代译码操作,从而译码出源节点B发送到源节点A的数据。

3 仿真结果分析

通过仿真实验来分析本文提出的接收端补偿校正的网络编码和信道编码联合设计方案的误码率性能。本文仿真参数设置为: 含有瑞利衰落的高斯白噪声信道,帧长为100 bit,帧数为100 000。同时,仿真实验中增加了对比方案来比较本文所提方案的误码率性能,采用的两种对比方案是: 1) 基于硬信息中继的联合网络编码和信道编码方案,该方案在中继节点R处采用“硬信息”递归卷积系统解码和“硬信息”递归卷积系统编码,在源节点A和B采用联合分布式Turbo译码和解网络编码; 2) 基于Turbo码的校正补偿方案,该方案在信道编译码中采用Turbo码,在中继节点对接收数据进行解调和Turbo译码操作后硬判决,然后进行网络编码操作,通过接收节点对中继硬判决信息的错误概率进行校正和补偿来获取最大似然接收。

以源节点A为例进行仿真实验,将本文方案和两种对比方案进行误码率性能比较,仿真实验如图5所示。

根据图5中仿真结果可知,本文提出的信道编码采用LDPC码的接收端补偿校正的网络编码和信道编码联合设计方案在误码率性能方面优于第1种方案,和第2种方案相近。同时,通过图5a和图5b对比可知,随着联合迭代译码次数的增加,本文信道编码采用LDPC码的方案优于信道编码采用Turbo码的方案,较好地改善了系统的误码率。因此,本文提出方案不但降低了中继节点处理数据的复杂性,同时提高了传输系统的可靠性。

4 小结和研究展望

本文提出了一种接收端补偿校正的网络编码和信道编码联合设计方案,该方案在中继节点对接收数据解调和译码后硬判决,然后进行网络编码而不考虑编码数据中存在的误码,以降低中继节点处理数据的复杂性,通过接收节点对中继硬判决信息的错误概率进行补偿和校正来获取最大似然接收。

通过仿真实验可知,本文提出的方案不但降低了中继节点处理数据的复杂性,同时提高了传输系统的可靠性。

本文研究的是无线通信网络下3节点的双向中继系统的误码率性能,但实际通信网络系统下不可能只存在1个中继节点、系统不可能完全同步等问题。在这种网络场景下,网络系统模型如何建立和分析将是接下来的研究工作重心。

摘要：将信道编译码中性能较优的LDPC码运用到网络编码和信道编码联合设计,提出一种接收端补偿校正的网络编码和信道编码联合设计方案,该方案在中继节点进行解调和译码后硬判决,以降低中继节点处理数据的复杂性,然后进行网络编码而不考虑编码数据中存在的误码,通过接收节点对中继硬判决信息的错误概率进行补偿和校正来获取最大似然接收。仿真实验表明,提出的网络编码和信道编码联合设计方案不但降低了中继节点处理数据的复杂性,同时提高了传输系统的可靠性。