一种级联的Turbo码系统

利用RS码和Turbo码级联,产生了一种级联的Turbo码系统。通过仿真,发现该系统具有较好的误帧率(FER),并且对AWGN信道中高信嗓比下的“平板效应”也有一定的抑制作用。同时,通过特定的动态终止算法,可以减少Tur-bo码译码的迭代次数,节省译码时间。     

串行级联LDPC码及其传输性能分析

提出了一种简化的LDPC译码算法,以减小译码算法的复杂度.以非规则LDPC码作为内码,串联一个高码率规则LDPC码作为外码,可降低或消除错误平层.将此串行级联LDPC码在M-QAM调制信道上进行了仿真分析,结果表明其性能优于RS码,可有效利用带宽,同时保证数据可靠传输.     

迭代译码的级联Reed-Solomon乘积码与卷积码

该文提出用Reed Solomon(RS)乘积码作为外码,卷积码作为内码的级联码方案并且内外码间用Congruential向量生成的交织图案对RS码符号进行重排列。对此级联码采用的迭代译码基于成员码的软译码算法。当迭代次数达到最大后,通过计算RS码的校正子,提出一种纠正残余错误的方法,进一步提高了系统的误比特性能。仿真结果表明,在AWGN信道中与迭代译码的级联RS/卷积码相比,当误比特率为1e-5时,新系统的编码增益大约有0.4 dB。     

级联RS码改善Turbo码的性能

分析了Turbo码的错误平层和迭代译码特性,研究了Turbo码与RS码的级联系统(TC-RS级联码)。分析和模拟表明:TC-RS级联系统不仅明显降低了帧错率(FER)和误比特率(BER),而且能够减少译码迭代次数,译码时间复杂度也低于标准Turbo码。     

Turbo码OFDM系统性能仿真研究

非二进制Turbo码是无线城域网标准IEEE802.16物理层规范中WirelessMan-OFDM信道编码的可选方案之一。采用基于SISO的Turbo译码方法,基于比特似然比,对WirelessMan-OFDM非二进制Turbo码的性能进行了仿真研究;译码时首次采用了一种简化的软解映射方法,其误码性能与传统方法相差很小,而计算量却大大降低,解映射的同时对信道进行了均衡,因此该方法具有很大的实用价值。     

基于深空通信的级联码译码器实现

利用现场可编程门阵列（FPGA,Field Programmable Gate Array）实现了一种基于深空通信的级联码结构。该级联码包括内码和外码,内码是基于全并行的软判决Viterbi译码器结构,用来纠正随机错误,结合帧同步技术完成解交织,然后进行外码里德-所罗门码（RS codes,Reed-solomon codes）译码,纠正突发错误,实现级联码译码。通过实际硬件测试,在满足系统误码率要求的前提下,使用该级联码译码器能够降低发射功率或减少天线尺寸,对降低系统成本及提高系统性能具有非常重要的作用。     

一类性能好、复杂度低的纠错编码--乘加码

对一类性能好且复杂度低的纠错编码技术——乘加码进行了介绍。他是在单校验位的Turbo乘积码(Single Parity Check Turbo Product Code)的基础上改进而来的,即由单校验位的Turbo乘积码作为外码,码率为1的递归卷积码作为内码串行级联而成。介绍了乘加码的编码方式和译码方法,并给出了其性能分析。对于一定的分组长度,这类码表现出与Turbo码相近的性能,但其译码复杂度要远远低于Turbo码。     

扩展Turbo码的性能分析

对原始的Turbo编码体制提出了相应的改进方案,利用BCH码作为外码和原始的Turbo码级联形成扩展Turbo码,对高信噪比时的误码低限起到了一定的改进,并进行了相应的仿真,验证了所得到的结论。     

Turbo码在深空通信中应用

Turbo码具有逼近Shannon容量限的优异性能,介绍了应用于深空通信的Turbo码编码方案和相应的译码算法,并给出了采用修正Max-Log-Map译码算法的深空CCSDS标准Turbo码的软件仿真性能和硬件系统实测性能。通过计算机仿真和硬件实测结果表明,采用该修正Max-Log-Map译码算法的Turbo码译码器易于硬件实现,同时Turbo码仿真性能和实际性能一致,适用于实际工程应用。     

基于RS码与Turbo码的纠错码特性研究

对两种重要实用的纠错码：RS和Turbo码从其特点、纠错能力、码率、编码复杂度、译码复杂度等方面做比较研究，以加深对这两种纠错码特性的认识，利于进一步研究和应用他们。指出RS码是最优线性分组码，实现电路简单，RS码的缺点是：延时较大，要求精确的帧同步，当信道条件比较差时，性能变差；Turbo码一般利用递推系统卷积码，通过交织器并联而成，他具有的优点是：延时短，译码算法能充分利用软判决，纠突发错误性能好，即使在信道条件较差时，仍有较好的纠错能力，Turbo码具有广阔的应用前景；Turbo码的编译码运算比RS码复杂，实现电路复杂，码率低。     

RS-Turbo级联码在DVB-T信道中的仿真分析

文中首先描述了OFDM在数字通信中的应用,接着介绍了Reed Solomon(RS)编码,重点研究了Turbo码及其解码算法,提出了一种应用Turbo码和Rs码的级联码结合OFDM调制的前向纠错方案,分析了该方案用于数字视频广播地面信道(DVB-T)的性能.通过在加性高斯白噪声(Addittve White Gaussian Noisc,AWGN)信道上的仿真,验证了该方案比目前DVB-T标准中的卷积码方案有更好的性能.仿真结果表明,应用Turbo码仅在解码迭代次数增加几次的情况下,系统性能有显著的提高.     

串行Turbo译码器窗口二分法改进与FPGA实现

提出了一种比滑动窗算法更为有效的窗口二分法,该算法在相同译码参数情况下比滑动窗时序节省更多的时间,同时消除了滑动窗时序所带来的码性能下降,将该算法应用于串行译码中,通过Matlab仿真,并用Vefilog语言硬件化,在Xilinx公司的XC3S 1500 FPGA上实现.结果表明,该算法降低了译码时延,并保证了码性能.     

高速通信系统中Turbo乘积码的研究

Turbo乘积码是一类易于硬件实现高速迭代译码的分组码。对Turbo乘积码软输入软输出迭代译码算法进行了分析。将Turbo乘积码与QAM调制结合起来,提出了一种简化的、便于硬件实现的联合解调译码方案。仿真结果表明这种简化方案对译码性能影响很小。     

TURBO码中的交织器设计及其改进

Turbo码是近年来提出的一种信道编码.该系统在编码时采用并行的反馈系统卷积码(RSC).在编码的同时,对原始信息和经过交织(interleave)乱序的信息进行编码.Turbo码的解码一般采用软输入软输出解码器(SISO).其解码算法主要有SOVA、MAP以及改进的LOGMAN算法.Turbo码的编解码中,交织器的性能是一个关键问题.文章对交织器的设计和各种交织器的性能进行了探讨,并提出了一种易于硬件实现的交织器设计方法.     

基于校验子的Turbo乘积码仿真研究

针对Turbo乘积码译码延时的问题,提出一种基于校验子的Turbo乘积码译码算法(S-TPC),该算法根据校验子的值采取不同方式对每行(列)进行译码,节省了一部分校验子为0的码字的硬判决译码运算量。仿真结果表明,S-TPC(32,26)在迭代4次时,能在不降低译码性能的情况下,减少近50%的计算量。     

LT码和q-LDPC码级联方案在深空通信中的应用

该文针对深空通信对长纠删码的需求,提出了LT (Luby Transform)码和q-LDPC码的级联方案。在综合考虑性能和复杂度的情况下,选取8-LDPC码和8PSK的级联作为等效的删除信道,长度选择灵活、编译码简单的LT码实现纠删功能。文中设计了两种短8-LDPC码,并对整个级联系统的纠错性能进行了仿真。仿真结果表明8-LDPC码的性能优于信源信息速率和码率相同的二进制LDPC码,级联系统在等效包删除概率不超过0.1时,系统误比特率以概率1趋于0。     

Turbo码的一种高效改进型MAP译码算法

该文给出了一种改进型最大后验概率(MAP)译码算法用于实现并行级联卷积码(Turbo码)的最优译码。与基于对数域的Log-MAP算法相比较,该文给出的算法不引入对数域,但能够完全消除标准MAP算法在迭代过程中必须进行的大量指数和对数运算。计算机仿真结果表明,这种具有最优纠错性能的改进型MAP算法能够显著减少运行时间,其译码效率甚至优于牺牲了较多纠错性能的最快速的对数域MAP译码算法(Max-Log-MAP)。     

滑动窗在Turbo码解码系统中的应用及改进

Ｔｕｒｂｏ码是近年提出的一种性能优越的信道编码,它在编码时采用并行的系统反馈卷积码（ｒｅｃｕｒｓｉｖｅ ｓｙｓ－ｔｅｍａｔｉｃ ｃｏｎｖｏｌｕｔｉｏｎａｌ）编码器,解码时则主要采用ＭＡＰ（ｍａｘ ａ ｐｏｓｔｅｒｉｏｒ）算法。在本文中,笔者尝试将滑动窗（ｓｌｉｄｉｎｇ ｗｉｎｄｏｗ）技术运用到Ｔｕｒｂｏ码的解码过程中,以减少Ｔｕｒｂｏ码的解码延迟,并在此基础上提出了一种改进方案,在模拟中获得了较好     

中短码长的率匹配多进制LDPC码研究设计

该课题研究构造了纠错能力强、编译码复杂度低的中短码长的率匹配多进制LDPC码。提出了一种校验位高效编码删余算法,以得到高性能的多进制RC-LDPC码。该删余算法以设计的高性能中短码长、中等码率(1/2码率)的多进制LDPC母码为基础,采用高效的结构化编码删余算法,实现比较宽的速率范围(例如1/10到9/10)内设计高性能的纠错码。仿真结果表明,此算法性能优于传统的随机删余和节点分组与排序删余算法。