[发明专利]一种基于分类学习的联合信道状态检测和译码算法有效
申请号: | 201610340546.0 | 申请日: | 2016-05-19 |
公开(公告)号: | CN105846962B | 公开(公告)日: | 2018-08-28 |
发明(设计)人: | 倪祖耀;张晋华;贾浩歌;匡麟玲 | 申请(专利权)人: | 清华大学 |
主分类号: | H04L1/00 | 分类号: | H04L1/00;H04L27/22;H04B7/185 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 张文宝 |
地址: | 100084 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了属于动中通卫星通信技术领域的一种基于分类学习的联合信道状态检测和译码算法,利用断续信道结构信息构建断续信道状态转移模型,并采用和积算法,借助因子图结构信道观测函数节点、信道状态变量节点、接收符号变量节点、符号映射函数节点、交织映射节点和编码约束节点之间传递,采用邻居信道状态节点消息的加权平均得到当前信道状态节点消息,不断迭代计算得到信道状态分布和译码结果。本发明与基于信道状态转移模型的信道状态检测和译码方法相比,具有复杂度低、自适应信道变化等显著特点。 | ||
搜索关键词: | 一种 基于 分类 学习 联合 信道 状态 检测 译码 算法 | ||
【主权项】:
1.一种基于分类学习的联合信道状态检测和译码算法,包括如下步骤:步骤1,接收符号,初始化发送符号概率分布;步骤2,更新信道状态分布序列;步骤3,利用邻居消息加权平均更新信道状态变量节点;步骤4,更新观测函数节点及发送符号变量节点的上行消息;步骤5,计算对数似然比;步骤6,解交织,输入译码器进行译码迭代,得到新的外信息序列和译码结果;步骤7,交织并更新接收符号概率:进入步骤8,或返回步骤2,重复上述2‑6步骤过程,直到满足迭代次数;步骤8,输出译码结果及信道状态分布序列:其特征在于,具体包括:1)将接收符号初始化:假设接收符号的个数为N,对每接收L个符号对信道状态进行一次检测,则所有接收到的N个符号被分为了H=N/L组,采用正交相移键控QPSK调制,定义观测函数节点为f、信道状态变量节点为A,表示QPSK调制符号集合;发送符号变量节点为x、符号映射函数节点为φ,用
表示从符号映射函数节点
到发送符号变量节点
的消息,其余类似,其中i=1…H,j=1…L,
表示第i组第j个发送的符号,H表示接收符号的分组个数;将接收符号初始化为
2)传递和更新消息,更新信道状态分布序列:在要求的迭代次数内,执行以下步骤:对于编号i=1…H,
表示发送符号变量节点
到观测函数节点
的消息,
表示观测函数节点
到信道状态变量节点Ai的消息,执行以下步骤更新所有与Ai连接的观测函数节点f到信道状态变量结点Ai的消息![]()
![]()
![]()
其中
σ2为信道加入的复高斯噪声的方差;3)具体为用邻居消息加权平均更新信道状态变量节点:对于编号i=1…H和j=1…L,
定义为所有与Ai节点相连且非观测函数f节点传递的消息,依此计算
同时根据已有信息,执行以下步骤更新信道状态变量节点Ai到观测函数节点
的消息![]()
![]()
4)更新观测函数节点及发送符号变量节点的上行消息:对于编号i=1…H和j=1…L,
表示观测函数节点
到发送符号节点
的消息,
表示发送符号变量节点
到调制映射函数节点
的消息,根据已有信息,执行以下步骤更新
和![]()
![]()
5)计算对数似然比,对于编号i=1…H,j=1…L,q=1…Q,根据调制映射规则,计算其对应编码比特的对数似然比序列![]()
其中Q表示符号对应的编码比特序列的比特数,q=1…Q,则
表示符号
对应的编码比特序列中的第q个编码比特,A1q为调制符号集合的子集,A1q中的每个符号满足:对应的第q个编码比特取值为1,类似地,
为调制符号集合的子集,
中的每个符号满足:对应的第q个编码比特取值为0,
为上一次迭代时由译码器输出的外信息,并将在本次迭代中更新;6)将似然比序列进行解交织,输入LDPC译码器进行译码迭代输出得到新的外信息序列
和译码结果序列;7)将外信息序列进行交织,对于编号i=1…H和j=1…L,执行以下步骤更新![]()
得以更新接收符号概率;8)重复步骤2)至步骤7)直到满足迭代次数,输出译码结果序列和信道状态分布序列![]()
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610340546.0/,转载请声明来源钻瓜专利网。