本發(fā)明涉及數(shù)字通信差錯控制編碼領域，尤其涉及一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法用于糾正插入與刪節(jié)錯誤。

背景技術：

在信息傳輸或存儲過程中，由于定時和同步會存在偏差，造成符號的插入或刪節(jié)，也即同步錯誤，包括插入或刪節(jié)錯誤。插入與刪節(jié)錯誤與傳統(tǒng)替代錯誤(例如二進制對稱信道或二進制刪除信道中存在的錯誤)有較大差別。由于包含插入/刪節(jié)錯誤的信道具有記憶性，單個未被糾正的錯誤會引起一系列突發(fā)性替代錯誤，造成災害性的錯誤傳播，因此適用于無記憶信道和加性噪聲的傳統(tǒng)糾錯編碼技術很少能直接被應用于糾正插入與刪節(jié)錯誤。因此，糾正插入與刪節(jié)錯誤的方案具有很重要的研究價值。

很多通信系統(tǒng)利用非二進制星座點進行通信，當接收端的采樣速率不均勻時，存在非二進制符號的插入與刪節(jié)錯誤。在該信道模型下，插入與刪節(jié)錯誤發(fā)生在符號級，即符號隨機插入接收序列或從接收序列中隨機刪節(jié)某些符號；進一步，所有符號都會受到加性高斯白噪聲(AWGN)的影響。該信道可用來建模定時不匹配AWGN信道下的高階調(diào)制方式，即接收端對接收到的連續(xù)波形首先以固定時間間隔進行采樣來產(chǎn)生譯碼器需要的離散符號序列。若接收端符號到達時刻未知，一些發(fā)送符號沒有被采樣(符號刪節(jié))，或被采樣多次(符號插入)。

針對上述非二進制的符號插入/刪節(jié)信道，研究者們提出一種高效級聯(lián)碼。該級聯(lián)碼的內(nèi)碼為二進制水印碼，采用高階調(diào)制技術及符號級前向-后向譯碼算法，推斷發(fā)生同步錯誤的位置以恢復同步，并為外譯碼器提供軟輸出；外碼為二進制低密度奇偶校驗碼，采用傳統(tǒng)的編碼及置信傳播譯碼算法，利用內(nèi)譯碼器輸出的軟信息作為先驗信息，采用迭代的方式糾正替代錯誤、刪節(jié)錯誤及誤識別的同步錯誤。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術中至少存在以下缺點和不足：

該高效級聯(lián)方案能夠有效識別塊邊界，且可在長時間傳輸中保持同步，但是其符號級譯碼算法的性能仍有待進一步提高。

技術實現(xiàn)要素：

本發(fā)明提供了一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法，以較小的額外復雜度獲得了較大的性能增益。

本發(fā)明的特征在于，內(nèi)譯碼器的前后向算法接收外譯碼器輸出的碼字序列估計值，將水印序列與硬判決碼字組成內(nèi)譯碼器新的參考序列，用于信號點估計；硬判決導向的水印譯碼器利用估計的信號點更新輸出概率，然后計算前向度量和后向度量，進而提高前后向估計方法輸出的每個符號的似然信息的可靠度，減少內(nèi)譯碼器輸出的殘留插入與刪節(jié)錯誤的數(shù)目，從而改善整體處理算法的性能。

一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法，所述方法包括以下步驟：

(1)構建新的參考序列，將外譯碼器輸出的硬判決碼字估計與水印序列w共同組成水印譯碼器新的參考序列

(2)利用新的參考序列更新前向度量和后向度量計算公式中的輸出概率即由i時刻的同步漂移狀態(tài)(t_i＝a)轉(zhuǎn)移至i+1時刻的同步漂移狀態(tài)(t_i+1＝b)時產(chǎn)生序列的條件概率；其中，同步漂移狀態(tài)t_i定義為i點的同步漂移，也即從第一個發(fā)送符號x₀到待發(fā)送的符號x_i間的插入符號數(shù)減去刪節(jié)符號數(shù)；序列{t_i}為一個隱馬爾科夫模型的隱狀態(tài)，t_max是內(nèi)譯碼器設定的最大漂移，t_j取自T：＝{-t_max,...,-2,-1,0,1,2,...,t_max}，且滿足t_i-1≤t_i+1≤t_i+I，I是最大連續(xù)插入符號數(shù)，為觀測序列(y_i+a,y_i+a+1,...,y_i+b)，0≤i≤N，N是碼字的符號長度；

(3)利用更新的輸出概率遞歸計算硬判決導向前向度量和后向度量，并利用前向度量、中間度量和后向度量計算碼字中每個符號的似然信息P(y|x_i,w)，其中y為接收序列，x_i為第i個發(fā)送符號的可能取值，共2M種，每個符號經(jīng)水印編碼調(diào)制前由m+1比特組成，第1個比特用于水印位，剩余m比特對應編碼序列d中的m比特子序列，M＝2^m為每個水印比特對應的符號數(shù)，0≤i＜N；

所述構建新的參考序列，將外譯碼器輸出的硬判決碼字估計與水印序列w共同組成水印譯碼器新的參考序列具體為，

(1.1)由第i個水印比特w_i與編碼序列的第i個m比特子序列共同確定第i個發(fā)送符號對應的m+1比特序列；

(1.2)確定該m+1比特子序列對應的星座坐標x；

所述的一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法，所述利用新的參考序列更新前向度量和后向度量計算公式中的輸出概率即由i時刻的同步漂移狀態(tài)(t_i＝a)轉(zhuǎn)移至i+1時刻的同步漂移狀態(tài)(t_i+1＝b)時產(chǎn)生序列的條件概率，其中同步漂移狀態(tài)t_i定義為i點的同步漂移，也即從第一個發(fā)送符號x₀到待發(fā)送的符號x_i間的插入符號數(shù)減去刪節(jié)符號數(shù)；序列{t_i}為一個隱馬爾科夫模型的隱狀態(tài)，t_max是內(nèi)譯碼器設定的最大漂移，t_j取自T：＝{-t_max,...,-2,-1,0,1,2,...,t_max}，且滿足t_i-1≤t_i+1≤t_i+I，I是最大連續(xù)插入符號數(shù)，為觀測序列(y_i+a,y_i+a+1,…,y_i+b)，0≤i≤N，N是碼字的符號長度，具體為：

(2.1)更新假定發(fā)送符號x_i為x時接收符號為y_i+b的概率β_i+b為

其中σ²為AWGN信道中高斯噪聲的方差，x為水印比特w_i與m比特編碼子序列共同確定的星座坐標；

(2.2)計算觀測序列中當y_k為插入符號時的概率γ_k

其中χ為發(fā)送符號的星座坐標集合，共2M個，x∈χ，i+a≤k≤i+b；

(2.3)根據(jù)當前i時刻的同步漂移狀態(tài)(t_i＝a)與i+1時刻的同步漂移狀態(tài)(t_i+1＝b)之間的聯(lián)系，計算轉(zhuǎn)移概率P_a,b＝P(t_i+1＝b|t_i＝a)，具體為，

若b＝a-1，則P_a,b＝P_d；

若b＝a，則P_a,b＝α_IP_iP_d+P_t；

若a＜b＜a+I，則P_a,b＝α_I[(P_i)^b-a+1P_d+(P_i)^b-aP_t]；

若b＝a+I，則P_a,b＝α_I(P_i)^IP_t；

否則P_a,b＝0，其中α_I＝1/(1-(P_i)^I)為最大插入符號個數(shù)I的歸一化常數(shù)，P_i、P_d和P_t分別為插入概率、刪節(jié)概率和傳輸概率，且滿足P_t＝1-P_i-P_d；

(2.4)利用計算出的β_i+b、γ_k和P_a,b計算輸出概率

本發(fā)明提供的技術方案的有益效果是：內(nèi)譯碼器的前后向算法中引入外譯碼器輸出的碼字序列估計值，設計了一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法，提高了前后向方法估計準確度，以較小的額外復雜度獲得了較大的性能增益。

附圖說明

圖1為本發(fā)明提供的符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的流程圖；

圖2是星座圖與水印系統(tǒng)(8PSK)映射；

圖3是計算前后向度量中輸出概率的流程圖；

圖4是計算前向度量的流程圖；

圖5是計算后向度量的流程圖；

圖6是計算碼字中每個符號的似然信息的流程圖；

圖7是計算中間度量的流程圖；

圖8是采用符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的符號級硬判決迭代譯碼與符號級非迭代譯碼算法的誤塊率性能。

具體實施方式

為進一步提高前后向譯碼算法的性能，本發(fā)明提供了一種符號插入與刪節(jié)信道下硬判決導向的前后向估計方法，參見圖1、圖2、圖3、圖4、圖5、圖6、圖7、圖8。下面將結合附圖對本發(fā)明的實施方式作進一步地詳細描述。

本發(fā)明的特征在于，內(nèi)譯碼器的前后向算法接收外譯碼器輸出的碼字序列估計值，將水印序列與硬判決碼字組成內(nèi)譯碼器新的參考序列，用于信號點估計；硬判決導向的水印譯碼器利用估計的信號點更新輸出概率，然后計算前向度量和后向度量，進而提高前后向估計方法輸出的每個符號的似然信息的可靠度，減少內(nèi)譯碼器輸出的殘留插入與刪節(jié)錯誤的數(shù)目，從而改善整體處理算法的性能。詳細地，

(1)所述構建新的參考序列，將外譯碼器輸出的硬判決碼字估計與水印序列w共同組成水印譯碼器新的參考序列具體為：

(1.1)由第i個水印比特w_i與編碼序列的第i個m比特子序列共同確定第i個發(fā)送符號對應的m+1比特序列，m＝2；

(1.2)按照圖2所示的映射關系，確定該m+1比特子序列對應的星座坐標x。

(2)所述利用新的參考序列更新前向度量和后向度量計算公式中的輸出概率即由i時刻的同步漂移狀態(tài)(t_i＝a)轉(zhuǎn)移至i+1時刻的同步漂移狀態(tài)(t_i+1＝b)時產(chǎn)生序列的條件概率，其中同步漂移狀態(tài)t_i定義為i點的同步漂移，也即從第一個發(fā)送符號x₀到待發(fā)送的符號x_i間的插入符號數(shù)減去刪節(jié)符號數(shù)；序列{t_i}為一個隱馬爾科夫模型的隱狀態(tài)，t_max是內(nèi)譯碼器設定的最大漂移，t_j取自T：＝{-t_max,...,-2,-1,0,1,2,...,t_max}，且滿足t_i-1≤t_i+1≤t_i+I，I是最大連續(xù)插入符號數(shù)，為觀測序列(y_i+a,y_i+a+1,...,y_i+b)，0≤i≤N，N是碼字的符號長度，其中，該步驟的流程圖如圖3所示，具體為：

(2.1)更新當發(fā)送符號x_i為x時接收符號為y_i+b的概率β_i+b為

其中σ²為AWGN信道中高斯噪聲的方差，x為水印比特w_i與m比特編碼子序列共同確定的星座坐標；

(2.2)計算觀測序列中當y_k為插入符號時的概率γ_k

其中χ為發(fā)送符號的星座坐標集合，共2M個，x∈χ，i+a≤k≤i+b；

(2.3)根據(jù)當前i時刻的同步漂移狀態(tài)(t_i＝a)與i+1時刻的同步漂移狀態(tài)(t_i+1＝b)之間的聯(lián)系，計算轉(zhuǎn)移概率P_a,b＝P(t_i+1＝b|t_i＝a)，具體為，

若b＝a-1，則P_a,b＝P_d；

若b＝a，則P_a,b＝α_IP_iP_d+P_t；

若a＜b＜a+I，則P_a,b＝α_I[(P_i)^b-a+1P_d+(P_i)^b-aP_t]；

若b＝a+I，則P_a,b＝α_I(P_i)^IP_t；

否則P_a,b＝0，其中α_I＝1/(1-(P_i)^I)為最大插入符號個數(shù)I的歸一化常數(shù)，P_i、P_d和P_t分別為插入概率、刪節(jié)概率和傳輸概率，且滿足P_t＝1-P_i-P_d；

(2.4)利用計算出的β_i+b、γ_k和P_a,b計算輸出概率

(3)所述利用更新的輸出概率遞歸計算硬判決導向前向度量和后向度量，并利用前向度量、中間度量和后向度量計算碼字中每個符號的似然信息P(y|x_i,w)，其中y為接收序列，x_i為第i個發(fā)送符號的可能取值，共2M種，每個符號經(jīng)水印編碼調(diào)制前由m+1比特組成，第1個比特用于水印位，剩余m比特對應編碼序列d中的m比特子序列，M＝2^m為每個水印比特對應的符號數(shù)，0≤i＜N，具體為：

(3.1)遞歸計算i時刻(第i個符號待發(fā)送時刻)漂移狀態(tài)為t時的前向度量值F_i(t)，其中0≤i≤N，-t_max≤t≤t_max，如圖4所示，具體步驟為：

(3.1.1)初始化0時刻的前向度量值

(3.1.2)設當前時刻漂移狀態(tài)t＝-t_max；

(3.1.3)令前一時刻的漂移狀態(tài)a＝t-I；

(3.1.4)判斷a是否滿足-t_max≤a≤t_max，若不滿足判斷條件，令a加1，重復步驟(3.1.4)直至滿足判斷條件；若滿足判斷條件，令由前一時刻的漂移狀態(tài)a轉(zhuǎn)移至當前時刻漂移狀態(tài)t的一次前向度量的概率F_i^a(t)＝0，執(zhí)行步驟(3.1.5)；

(3.1.5)利用求出的輸出概率，按照公式計算當前F_i^a(t)值；

(3.1.6)判斷a是否滿足a＝t+1，若不滿足判斷條件，令a加1，重復步驟(3.1.4)至(3.1.6)直至滿足條件；若滿足判斷條件，利用公式即得到i時刻漂移狀態(tài)為t時的前向度量值；

(3.1.7)判斷t是否滿足t＝t_max，若不滿足判斷條件，令t加1，重復步驟(3.1.3)至(3.1.7)直至滿足判斷條件；若滿足判斷條件，執(zhí)行步驟(3.1.8)；

(3.1.8)判斷i是否滿足i＝N，若不滿足判斷條件，令i加1，重復步驟(3.1.2)至(3.1.8)直至滿足判斷條件；若滿足判斷條件，輸出時刻0到N所有漂移狀態(tài)時的前向度量值；

(3.2)遞歸計算i時刻漂移狀態(tài)為t時的后向度量值B_i(t)，其中0≤i≤N，-t_max≤t≤t_max，如圖5所示，具體步驟為，

(3.2.1)初始化i＝N，并重新初始化當前塊的后向度量值其中為塊末端的最大可能偏移量；

(3.2.2)設當前時刻漂移狀態(tài)t＝-t_max；

(3.2.3)令后一時刻的漂移狀態(tài)b＝t+I；

(3.2.4)判斷b是否滿足-t_max≤b≤t_max，若不滿足判斷條件，令b減1，重復步驟(3.2.4)直至滿足判斷條件；若滿足判斷條件，令由當前時刻漂移狀態(tài)t轉(zhuǎn)移至后一時刻的漂移狀態(tài)b的一次后向度量的概率執(zhí)行步驟(3.2.5)；

(3.2.5)利用求出的輸出概率，按照公式計算當前值；

(3.2.6)判斷b是否滿足b＝t-1，若不滿足判斷條件，令b減1，重復步驟(3.2.4)至(3.2.6)直至滿足條件；若滿足判斷條件，利用公式即得到i時刻漂移狀態(tài)為t時的后向度量值；

(3.2.7)判斷t是否滿足t＝t_max，若不滿足判斷條件，令t加1，重復步驟(3.2.3)至(3.2.7)直至滿足判斷條件；若滿足判斷條件，執(zhí)行步驟(3.2.8)；

(3.2.8)判斷i是否滿足i＝0，若不滿足判斷條件，令i減1，重復步驟(3.2.2)至(3.2.8)直至滿足判斷條件；若滿足判斷條件，輸出每一時刻i下所有漂移狀態(tài)時的后向度量值；

(3.3)利用更新后的前向和后向度量計算碼字中每個符號的似然信息P(y|x_i,w)，其中y為接收序列，x_i為第i個發(fā)送符號的可能取值，w為水印序列，該步驟的流程圖如圖6所示，具體為，

(3.3.1)初始化i＝0；

(3.3.2)令j＝0；

(3.3.3)按照圖2所示的映射關系，由w_i與α_j共同確定發(fā)送符號x_i的星座坐標，其中α₀＝00，α₁＝01，α₂＝10，α₃＝11；

(3.3.4)初始化t_i＝-t_max；

(3.3.5)初始化t_i+1＝-t_max；

(3.3.6)計算中間度量值如圖7所示，具體為，

①計算假定發(fā)送符號x_i時接收符號為的概率為

其中σ²為AWGN信道中高斯噪聲的方差；

②計算觀測序列中當y_k為插入符號時，接收符號為y_k的概率γ_k

其中χ為發(fā)送符號的星座坐標集合，共2M個，x∈χ，i+t_i≤k≤i+t_i+1；

③根據(jù)當前i時刻的同步漂移狀態(tài)t_i與i+1時刻的同步漂移狀態(tài)t_i+1之間的聯(lián)系，計算轉(zhuǎn)移概率具體為，

若t_i+1＝t_i-1，則

若t_i+1＝t_i，則

若t_i＜t_i+1＜t_i+I，則

若t_i+1＝t_i+I，則

否則其中α_I＝1/(1-(P_i)^I)為最大插入符號個數(shù)I的歸一化常數(shù)，P_i、P_d和P_t分別為插入概率、刪節(jié)概率和傳輸概率，且滿足P_t＝1-P_i-P_d；

④利用計算出的γ_k和計算中間度量

(3.3.7)令當i時刻漂移狀態(tài)t_i轉(zhuǎn)移至i+1時刻漂移狀態(tài)t_i+1時輸出符號為x_i時的似然概率按照公式計算當前值；

(3.3.8)判斷t_i+1是否滿足條件t_i+1＝t_max，若不滿足判斷條件，令t_i+1加1，重復步驟(3.3.6)至(3.3.8)直至滿足判斷條件；若滿足判斷條件，執(zhí)行步驟(3.3.8)；

(3.3.9)判斷t_i是否滿足條件t_i＝t_max，若不滿足判斷條件，令t_i加1，重復步驟(3.3.5)至(3.3.9)直至滿足判斷條件；若滿足判斷條件，利用公式即得到i時刻發(fā)送符號為x_i時的似然概率；

(3.3.10)判斷j是否滿足j＝2^m-1，若不滿足判斷條件，令j加1，重復步驟(3.3.3)至(3.3.10)直至滿足判斷條件；若滿足判斷條件，執(zhí)行步驟(3.3.11)；

(3.3.11)判斷i是否滿足條件i＝N-1，若不滿足判斷條件，令i加1，重復步驟(3.3.2)至(3.3.11)直至滿足判斷條件；若滿足判斷條件，輸出0到N時刻所有漂移狀態(tài)的似然信息。

下面給出一個具體的實施例，說明本發(fā)明給出的級聯(lián)框架下的符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的可行性。

在該發(fā)明實施例中，級聯(lián)碼的內(nèi)碼選擇偽隨機序列作為水印碼，外碼為二進制LDPC碼，碼長N_L＝4000，碼率為1/2；級聯(lián)碼的整體碼率R＝1/3。LDPC碼的每m＝2個比特與1個水印比特映射8PSK星座圖中的一個點。非二進制插入/刪節(jié)信道的最大連續(xù)插入值I＝2，最大漂移量內(nèi)譯碼器的初始狀態(tài)

后向度量值被初始化為

二進制輸入、二進制輸出的插入/刪節(jié)替代信道中的刪節(jié)概率與插入概率相同；AWGN信道的信噪比為20db；內(nèi)譯碼器輸出的每一個符號的似然信息轉(zhuǎn)換為比特對數(shù)似然比并傳遞給外譯碼器；外譯碼器采用LDPC碼對數(shù)域和積譯碼算法，最大迭代次數(shù)為20次；硬判決導向的迭代譯碼的最大迭代次數(shù)為10次。

圖8給出了不同插入/刪節(jié)概率時符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的硬判決迭代10次譯碼與非迭代譯碼算法的誤塊率性能，其中P_i表示插入錯誤概率。仿真結果表明，在相同的插入/刪節(jié)概率下，采用本發(fā)明提出的符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的譯碼方案的性能優(yōu)于傳統(tǒng)處理方案。

綜上所述，本發(fā)明實施例具體說明了采用符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的級聯(lián)方案。本發(fā)明實施例通過在內(nèi)譯碼器的前后向算法中引入外譯碼器輸出的碼字序列估計值，將水印序列與硬判決碼字組成內(nèi)譯碼器新的參考序列，用于信號點估計，設計了一種采用符號插入與刪節(jié)信道下硬判決導向的前后向估計方法的級聯(lián)方案。本發(fā)明提出的方法提高了內(nèi)譯碼算法的性能，以較小的復雜度獲得譯碼增益。

本領域技術人員可以理解附圖只是一個優(yōu)選實施例的示意圖，上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。