Turbo编译码Matlab仿真解读 -- WuYufei_matlab
吴雨霏博士版本的Turbo编译码仿真解读
吴雨霏博士版本的Turbo编译码仿真较为经典,以下就原码进行解读。
一、仿真代码架构
“turbo_sys_demo.m”是程序的主体框架,Turbo编译码均在此程序展开。程序开始需要用户需要如下几个参数:
1)译码算法:选择使用0:Log-MAP,1:SOVA
这是让用户选择使用何种Turbo译码算法。若Tubo为多次迭代译码,则选用Log-MAP算法;否则选SOVA。默认选择0;
2)选择帧长:帧长=信息长度+卷尾;
根据自己需要选择帧长,程序默认选择400(396+4);
3)输入Turbo码生成多项式g:默认为[111 101], 即 [7 5];
有两点需要注意:
1) 生成多项式为八进制表示;
2)若反馈多项式为7,即RSC分量码表示,则生成多项式表示形式为:[7 5;7]
4)选择Turbo码是否打孔:0 – punctured;1—unpunctured
LTE Turbo未打孔码默认码率为1/3,打孔后默认码率为1/2;
- 选择每帧迭代次数: Turbo译码一般迭代5 ~ 7次,程序默认选择5次;
- 选择终止程序的帧错误次数:程序默认选择15帧;
- 选择系统信噪比Eb/N0:程序默认为2.0;
图1为输入显示图:
图1 代码参数输入仿真运行图
二、编码程序流程梳理
参数说明:
errs – 比特错误计数
nferr – 帧错误计数
nfame – 帧计数
1)产生数据源
源码中使用sort函数产生Turbo编码所使用的交织器,仿真时仍倾向采用LTE自带的交织器,代价是限定码长(因为每一个交织器都与特定的码长对应);
2)Turbo编码
output = function encoderm( x, g, alpha, puncture )
- 交织器映射采用 alpha数组;
- puncture = 1,表示不需要Turbo码打孔,默认码率为1/3;
- puncture = 0,表示对Turbo码打孔,输出码率为1/2;
2.1 Turbo编码流程梳理
先给出编码部分总体流程图
(不管是自己设计程序还是读别人程序,强烈建议梳理流程图这一步骤必不可少。因为认识事物的客观规律也是从宏观到微观,从整体到局部。如果一开始就陷入细节,对完成目标就很困难了):
图2 编码整理流程图
根据生成多项式矩阵g,得到以下参数:
- 寄存器阶数 m = 矩阵g 列数 – 1;
- 总编码信息长度 L_total = 信息长度 + m(加入尾比特处理,迫使寄存器状态最终归0)
程序调用 rsc_encode(g,input,1)函数:
1)首先,生成系统信息比特 d_k:
% generate the codeword
for i = 1:L_total
if terminated<0 | (terminated>0 & i<=L_info)
d_k = x(1,i);
elseif terminated>0 & i>L_info
% terminate the trellis
d_k = rem( g(1,2:K)*state', 2 );
end
a_k = rem( g(1,:)*[d_k state]', 2 );
[output_bits, state] = encode_bit(g, a_k, state);
若归零标志 terminated >0(代码里terminated = 1)并且编码序号 i < 信息长度 L_info)
d_k = x(1,i);
否则,d_k = rem( g(1,2:K) * state', 2 );
2)a_k = rem( g(1,:) * [d_k state]', 2 );
3)调用函数 encode_bit,输出output为总信息长度的2倍,即800bit:
% the rate is 1/n
% k is the constraint length
% m is the amount of memory
[n,k] = size(g);
m = k-1;
% determine the next output bit
for i=1:n
output(i) = g(i,1)*input;
for j = 2:k
output(i) = xor(output(i),g(i,j)*state(j-1));
end
end
state = [input, state(1:m-1)];
该函数详见流程图解析。如果对代码还不是很理解,那就说明对卷积码编码原理理解还不到位。这里推荐大家再回顾一下卷积码编码原理:
卷积码编码原理https://blog.csdn.net/snowman898/article/details/124148068
output1 = rsc_encode(g,input,1);
% make a matrix with first row corresponing to info sequence
% second row corresponsing to RSC #1's check bits.
% third row corresponsing to RSC #2's check bits.
y(1,:) = output1(1:2:2*L_total);
y(2,:) = output1(2:2:2*L_total);
y 的第一行为系统比特,即信息比特;
y的第二行为校验比特1;
同样的方法, 在encoder.m文件中再次调用rsc_encode(g,input,-1)函数。和上次不同的是,归零标志 terminated = -1,即校验码2并不归零。
这时,交织器开始起作用,输入rsc_encode里面也不再是原始数据,而是经过交织器交织后、长度变为L_total的数据:
% interleave input to second encoder
for i = 1:L_total
input1(1,i) = y(1,alpha(i));
endoutput2 = rsc_encode(g, input1(1,1:L_total), -1 );
% third row corresponsing to RSC #2's check bits.
y(3,:) = output2(2:2:2*L_total);
2.2 Turbo码打孔 (速率匹配)
(1)不打孔,即 puncture = 1
rate = 1 / ( 2 + puncture ) ,则不打孔时默认速率为1/3;
最终输出 en_output 按照 [ sys_data ; parity_data1; parity_data2 ] 列模式方式输出,即 en_ouput 共有3行,有 L_total 列;
(2)打孔,puncture = 0
按照上述公式计算,打孔后 Turbo码率提高至 1/2;
for i=1:L_total
en_output(1,n*(i-1)+1) = y(1,i);
if rem(i,2)
% odd check bits from RSC1
en_output(1,n*i) = y(2,i);
else
% even check bits from RSC2
en_output(1,n*i) = y(3,i);
end
end
即:输出的奇数项为 系统信息, 偶数项 为 RSC1 校验位 和 RSC2 校验位。
最终,对en_output进行极性变换输出:
% antipodal modulation: +1/-1
en_output = 2 * en_output - ones(size(en_output));
三、 Turbo译码流程梳理
对下列参数进行初始化:
nferr , errs = 0,随后根据信噪比产生信号和噪声的叠加 recv signal:
r = en_output+sigma*randn(1,L_total*(2+puncture)); % received bits
接下来,我们仍给出译码流程图:
图3 译码整理流程图
3.1 logmapo 函数介绍
L_all = logmapo(rec_s,g,L_a,ind_dec)
输入参数:
1)rec_s:scaled received bits 缩放接收比特
rec_s = 0.5 * L_c * yk = ( 2 * a * rate * Eb/N0 ) * yk
2)g:生产码多项式
3)L_a:先验 L 值
4)ind_dec: index of decoder. Either 1 or 2. Encoder 1 is assumed to be terminated, while encoder 2 is open.
该函数是turbo译码的核心,因此,先给出函数流程图:
图4 logmapo流程图
3.2 Trellis函数介绍
trellis函数主要是根据码生成多项式,推出以下参数:
- 后向输出 next_output
- 后向状态 next_state
- 前向输出 last_output
- 前向状态 last_state
1)首先,确定各个初始参数:
% g = [ 1 1 1; 1 0 1];
[n,K] = size(g); % n = 2, K = 3
m = K - 1; % m = 2
max_state = 2^m; % max_state = 4for state=1:max_state
state_vector = bin_state( state-1, m ); % 将整数向量state转换成 m-bit 向量形式
end
state_vector 四个状态为:[ 0, 0 ] , [ 0, 1 ] , [ 1, 0 ] , [ 1, 1 ]
2)当输入为0时:d_k = 0
a_k = rem( g(1,:)*[0 state_vector]', 2 );
[out_0, state_0] = encode_bit(g, a_k, state_vector);
可以认为根据 g, a_k, state_vector 完成一次 Turbo编码,得到 next_out, next_state;
encode_bit函数在编码流程中已详细梳理,此次不再赘述。最终,我们给出trellis网格图:
表1 LTE Turbo Trellis
当前状态 state_vector | 输入d_k=0 | 输入d_k=1 | |
next_vector (bit形式) | [ 0, 0 ] | [ 0, 0 ] | [ 1, 0 ] |
[ 0, 1 ] | [ 1, 0 ] | [ 0, 0 ] | |
[ 1, 0 ] | [ 1, 1 ] | [ 0, 1 ] | |
[ 1, 1 ] | [ 0, 1 ] | [ 1, 1 ] | |
next_out (bit形式) | [ 0, 0 ] | [ 0, 0 ] | [ 1, 1 ] |
[ 0, 1 ] | [ 0, 0 ] | [ 1, 1 ] | |
[ 1, 0 ] | [ 0, 1 ] | [ 1, 0 ] | |
[ 1, 1 ] | [ 0, 1 ] | [ 1, 0 ] | |
next_out (双极性形式) | [ 0, 0 ] | [ -1 -1 1 1 ] | |
[ 0, 1 ] | [ -1 -1 1 1 ] | ||
[ 1, 0 ] | [ -1 1 1 -1 ] | ||
[ 1, 1 ] | [ -1 1 1 -1 ] | ||
next_state (整数形式) | [ 0, 0 ] | [ 1 3] | |
[ 0, 1 ] | [ 3 1] | ||
[ 1, 0 ] | [ 4 2] | ||
[ 1, 1 ] | [ 2 4] |
同时,根据该表,由当前 [d_k, next_out, next_state] 推导出前一时刻的 [ last_out, last_state]:
% find out which two previous states can come to present state
last_state = zeros(max_state,2);
for bit=0:1
for state=1:max_state
last_state(next_state(state,bit+1), bit+1)=state;
last_out(next_state(state, bit+1), bit*2+1:bit*2+2) ...
= next_out(state, bit*2+1:bit*2+2);
end
end
表2 LTE Turbo Trellis
当前状态 state_vector | 输入d_k=0 | 输入d_k=1 | |
last_vector (bit形式) | [ 0, 0 ] | [ 0, 0 ] | [ 0, 1 ] |
[ 0, 1 ] | [ 1, 1 ] | [ 1, 0 ] | |
[ 1, 0 ] | [ 0, 1 ] | [ 0, 0 ] | |
[ 1, 1 ] | [ 1, 0 ] | [ 1, 1 ] | |
last_out (bit形式) | [ 0, 0 ] | [ 0, 0 ] | [ 1, 1 ] |
[ 0, 1 ] | [ 0, 1 ] | [ 1, 0 ] | |
[ 1, 0 ] | [ 0, 0 ] | [ 1, 1 ] | |
[ 1, 1 ] | [ 0, 1 ] | [ 1, 0 ] | |
last_out (双极性形式) | [ 0, 0 ] | [ -1 -1 1 1 ] | |
[ 0, 1 ] | [ -1 1 1 -1 ] | ||
[ 1, 0 ] | [ -1 -1 1 1 ] | ||
[ 1, 1 ] | [ -1 1 1 -1 ] | ||
last_state (整数形式) | [ 0, 0 ] | [ 1 2] | |
[ 0, 1 ] | [ 4 3] | ||
[ 1, 0 ] | [ 2 1] | ||
[ 1, 1 ] | [ 3 4] |
p.s. 这里提供另一角度去计算 last_out:
根据当前状态和输入 [ state,d_k ] 查表 last_state, 再由 [last_stae d_k] 查找 next_output;
3.3 前向度量计算
前向度量 α 计算由双循环组成:
内循环:以所有状态为循环:state = 1 : 2^m
外循环:以所有信息数量为循环:k = 2 : L_total + 1
先计算输入 d_k = 0时:
% Log_MAP算法计算
gamma( last_state(state2,1) ) = ( -rec_s(2*k-3) + rec_s(2*k-2) * last_out(state2,2) )
- log(1+exp(L_a(k-1)));
再计算输入 d_k = 1时:
gamma(last_state(state2,2)) = (rec_s(2*k-3)+rec_s(2*k-2)*last_out(state2,4))
+ L_a(k-1) - log(1+exp(L_a(k-1)));
log_map算法目前用的不多,由于计算量较大,主流均采用 max-log-map计算,这里只给出计算公式,详细算法不再推导;
p.s. 未完,见后续(2)
一定要看哈,文末有彩蛋(* ̄︶ ̄)
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)