[发明专利]一种咬尾卷积码译码方法

权利要求书

1.一种咬尾卷积码译码方法，其特征在于，包括以下步骤：

步骤一，第一次迭代，即i＝1时，初始化所有从位置0处进入到状态s的幸存路径的度量值为0，其中s∈S₀，S₀表示位置0处的状态空间，i表示迭代次数；令最优的最大似然咬尾路径的度量值执行修正的维特比算法，寻找最大似然咬尾路径；对所有s∈S₀，令状态s的净增量Mstate,net(s)=Mpath,L1(s);]]>

步骤二，如果当前迭代找到的最大似然咬尾路径的净增量大于所述最优的最大似然咬尾路径的度量值即则更新所述最优的最大似然咬尾路径为当前迭代找到的最大似然咬尾路径即更新所述最优的最大似然咬尾路径的度量值为当前迭代找到的最大似然咬尾路径的净增量即MMLTBPR=MMLTBPi(s′,s′);]]>

步骤三，对于s∈S_L，其中L为信息序列的长度，S_L表示位置L处的状态空间，比较状态s的净增量M_state，net(s)和最后更新的最大似然咬尾路径的度量值的大小，若则令M_state，net(s)＝0，否则令并判断是否成立，若成立则更新状态s的状态净增量为统计状态净增量大于的状态个数，并将所述状态个数保存在sum(i)中；

步骤四，若sum(i)＝0，则停止迭代，输出最优的最大似然咬尾路径否则，若sum(i)＝sum(i-1)，则以状态β(s)作为固定的起始和终止状态作一次维特比译码，获得咬尾路径P_TB(β(s)，β(s))及其度量值M_TB(β(s)，β(s))；若M_TB(β(s)，则更新最优的最大似然咬尾路径为P_TB(β(s)，β(s))，更新最优的最大似然咬尾路径的度量值为M_TB(β(s)，β(s))；并令状态β(s)的状态度量值M_state，net(β(s))＝0，

步骤五，令sum(i)＝0，执行下一次迭代，即重复步骤二至四。