论文部分内容阅读
Turbo码是C.Berroi等人在1993年提出的一种新型的信道编码方案。它由于很好地应用了香农信道编码定理中的随机性编译码条件而获得了几乎接近香农理论极限的译码性能。Turbo码获得优异性能的根本原因是因为它采用了迭代译码的思想,但是采用迭代的方式进行译码,使得译码的计算复杂度相对于传统的卷积码来说要高,译码的时延也要大的多。改进和简化Turbo码的迭代译码,是当前Turbo码理论和实践研究的主要方向之一。本文在对Turbo码的编译码原理及算法进行了简单介绍的基础上,重点研究了Turbo码的改进迭代译码算法。在理论基础部分,首先本文对turbo码的基本原理进行了简单的介绍,接着对几种常用的译码算法进行了详细推导,最后提出两种改进的迭代译码算法。仿真部分本文利用MATLAB软件进行仿真分析,首先,本文对影响Turbo码性能的参数如分量码,归零处理方法,交织长度,码率,交织器,迭代次数,译码算法进行仿真,通过分析合理选择参数来提高Turbo码性能。基于对传统Turbo码译码算法的研究与分析,为了减少译码复杂度和译码延时,本文提出改进的迭代译码算法,即改进的组合译码算法和神经网络修正SOVA算法。改进组合译码算法是结合软输出维特比算法(Soft-Output Viterbi Algorithm, SOVA)和Log-MAP算法各自的优点,使得改进算法既能够达到Log-MAP算法的译码性能又能够减少译码复杂度。仿真结果表明所提出的改进迭代译码算法能够在降低译码计算复杂度的同时保持译码性能与传统的Log-MAP算法的性能近似。神经网络修正SOVA算法是对SOVA算法外信息计算的修正算法。传统的SOVA对判决的可信度的估计过高的问题,所以需要对软判决值△进行压缩,神经元网络的激励函数恰好符合具有连续平滑的压缩特性的修正函数。仿真结果表明SOVA算法获得更好的性能,而且在译码的复杂度方面与传统的SOVA算法相比差别不大,但是在译码性能上有很明显的提高,甚至接近Log-MAP算法的误码率。