Skip to main content
QUICK REVIEW

[论文解读] Matched Decoding for Punctured Convolutional Encoded Transmission Over ISI-Channels

Fabian Schuh, Andreas Schenk|arXiv (Cornell University)|Aug 1, 2012
Advanced Wireless Communication Techniques参考文献 4被引用 4
一句话总结

该论文通过引入一种时变非线性网格图描述,将匹配译码扩展至符号间干扰(ISI)信道上的打孔卷积码,从而降低了超网格图的状态复杂度。该方法实现了高效的最大似然序列估计,其状态数显著少于传统超网格图译码,使打孔码在ISI环境下的计算复杂度大幅降低,同时实现近乎最优的性能。

ABSTRACT

Matched decoding is a technique that enables the efficient maximum-likelihood sequence estimation of convolutionally encoded PAM-transmission over ISI-channels. Recently, we have shown that the super-trellis of encoder and channel can be described with significantly fewer states without loss in Euclidean distance, by introducing a non-linear representation of the trellis. This paper extends the matched decoding concept to punctured convolutional codes and introduces a time-variant, non-linear trellis description.

研究动机与目标

  • 解决打孔卷积码在ISI信道上超网格图译码时的高状态复杂度问题。
  • 通过统一的超网格图框架实现均衡与译码的联合处理,无需交织。
  • 在保持欧几里得距离和最大似然性能的前提下,减少超网格图中的状态数。
  • 将此前仅用于非打孔码的匹配译码概念,扩展至使用时变非线性网格图表示的打孔卷积码。
  • 证明基于DFSE类划分的简化状态序列估计(RSSE)可在打孔系统中实现复杂度与性能之间的合理权衡。

提出的方法

  • 提出一种时变非线性有限状态机(FSM),用于描述打孔卷积编码,替代标准的线性网格图模型。
  • 引入一种改进的维特比算法(VA),在时变非线性网格图上运行,以实现均衡与译码的联合处理。
  • 采用基于ISI信道冲击响应最小相位特性的状态缩减技术,类似于判决反馈序列估计(DFSE)。
  • 应用基于状态划分的简化状态序列估计(RSSE),以平衡复杂度与性能,实现实际系统中的可行实现。
  • 采用结合编码器与ISI信道状态的超网格图结构,但使用非线性等效表示,从而减少有效状态数。
  • 通过要求M = 2^n(其中n为编码器输出分支数)确保与M进制PAM调制的兼容性,并采用自然映射进行符号映射。

实验结果

研究问题

  • RQ1匹配译码能否有效扩展至ISI信道上的打孔卷积码?
  • RQ2如何在不损失性能的前提下,降低打孔码的超网格图状态复杂度?
  • RQ3时变非线性网格图表示对译码复杂度和误比特率(BER)性能有何影响?
  • RQ4基于DFSE类划分的RSSE能否在打孔系统中提供复杂度与误码性能之间的可行权衡?
  • RQ5联合超网格图译码与分离均衡与译码在BER和计算成本方面相比如何?

主要发现

  • 对于4-ary ASK系统、4-tap ISI信道及打孔码率4/3的卷积码,所提出的匹配译码方法将超网格图状态数从1024降低至256个状态。
  • 对于4状态编码器和5-tap ISI信道,匹配译码在时变网格图中将状态数从2048减少至512,优于标准超网格图译码。
  • 采用16个状态的MD-RSSE方法在BER性能上优于分离的DFSE/BCJR和VA译码,甚至超过使用512个状态的全状态匹配译码。
  • 该方法在显著降低复杂度的同时实现近乎最优性能,BER曲线显示MD-RSSE优于硬判决与软判决分离方法。
  • 仿真结果证实,时变非线性网格图表示保持了欧几里得距离,并实现了比传统方法更少状态数的最大似然序列估计。
  • 该方法具有良好的可扩展性,仿真显示在ISI信道达256个状态、匹配译码达128个状态时,性能增益依然保持。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。