类卷积译码的容错解扰算法

针对自同步扰码系统的联合信源信道译码问题,本文将自同步扰码看作一种特殊的卷积编码,提出了类似卷积译码的软输入软输出(SISO)自同步去扰算法。该算法利用信源冗余更新扰码序列的外信息,在信道译码时作为先验信息进行译码,实现了自同步去扰与信道译码之间的软信息交互,充分利用了信源冗余信息,使得接收系统的性能得到了有效提升。仿真结果表明,在TPC编码条件下,当信源冗余度为70%时,联合信源信道译码的性能增益约为4.1dB。相比于单一纠错编码系统,当通信系统中存在自同步扰码时,联合信源信道译码具有更大的性能增益。      

基于HMM的信源—信道迭代联合译码

提出一种在接收端利用Turbo译码软输出,结合HMM（隐马尔可夫模型）中的Baum-Welch重估算法获取信源模型参数并进行信源-信道迭代联合译码的算法.通过含噪接收序列信道译码后的软输出对信源模型参数进行估计,并将迭代估计获得的信源精确概率结构和信道译码结合进行信源-信道联合迭代译码.同时从信息论角度提出用鉴别信息来度量估计获得的信源模型参数的精度,以及确定迭代估计终止的条件.     

结合残留冗余信息与MMSE估计的信源信道联合编解码

文中提出一种利用残留冗余的RDPCM信源信道联合编码系统与最小均方误差估计结合的方法.首先,本文针对联合编码系统修正了SOVA算法,在接收端获得利用残留冗余后的比特似然度;然后利用这些后验信息,对信源预测编码器的输出符号值进行最小均方误差重建后再进行信源译码,从而减小了由于硬判决得到符号值所带来的失真.仿真结果显示这种算法在信噪比的低端最大得到了约2dB的增益.     

半双工中继信道下联合LDPC码设计

为了提高解码前传半双工中继通信系统的编码增益,提出了一种联合LDPC码编码结构及其度分布优化方法。该结构视信源和中继子码为联合LDPC码的一部分,目的端根据从信源和中继接收的消息进行联合译码,同时获得信源和中继的信息。为了分析联合LDPC码的渐进性能,推导了AWGN信道下联合LDPC码的高斯近似密度进化算法。结合译码收敛条件和度分布约束关系,提出联合LDPC码的度分布优化问题。仿真结果表明：联合LDPC码的渐进性能及误码性能优于BE-LDPC码和独立处理（SP）码。     

基于隐马尔科夫模型的多元LDPC联合译码

采用隐马尔科夫模型对信源估计,对基于多进制LDPC码的联合信源信道译码算法展开研究。该算法通过对传统的多进制LDPC译码算法的改进,在迭代过程中加入通过估计算法得到的信源冗余,校正了迭代软信息,提高译码性能。仿真结果表明,在AWGN信道中,改进算法相比传统译码算法性能优越。     

自适应多码率语音编码流的可靠传输

自适应多码率语音编码已入选为第三代移动通信系统的语音压缩编码方案。本文提出了一种适合压缩语音传输的联合信源信道编码方法并对其性能进行了统计比较。利用压缩语音比特流中的固用冗余的信道译码算法是本文的研究重点。仿真结果表明利用信源冗余信息的信道译码器可以获得较大的编码增益。本文所用的信道编码方案为适合语音传输的卷积码。     

一种利用信源冗余的Turbo均衡新算法

为克服无线衰落信道中严重的符号间干扰( ISI)的影响,提出了一种新的利用信源冗余的Turbo均衡算法。该算法将联合信源信道译码技术与Turbo均衡技术结合起来,在均衡、译码、信源之间建立起软信息交互的环路,有效提高了整体接收的性能。外信息传递( EXIT)图分析与计算机仿真均表明,尽管信源冗余给译码器带来的性能提升较为有限,但是将这部分信息反馈回均衡器后,在严重ISI信道,信源冗余度为70%时,整体接收的性能改善约为9.5 dB,基本达到了理想加性高斯白噪声( AWGN)信道下的误码性能。     

低复杂度的图像信源-信道联合译码算法

该文提出将图像编码后残留冗余的马尔可夫场模型分解为4个方向的马尔可夫链,并结合简化的模型及低密度奇偶校验码(LDPC)译码的软输出进行信源-信道联合译码。将分解后信源中多个方向上同时存在的相关性看作一种特殊的天然信道编码方式,利用前向-后向算法、和积算法以及信道译码软输出分别对信源符号进行串行和并行的译码。仿真实验表明,与传统利用马尔可夫场模型的联合译码算法相比,该联合译码算法降低了复杂度,同时提高了重建图像的峰值信噪比。     

一种利用信源冗余的Turbo均衡新算法

为克服无线衰落信道中严重的符号间干扰(ISI)的影响,提出了一种新的利用信源冗余的Turbo均衡算法。该算法将联合信源信道译码技术与Turbo均衡技术结合起来,在均衡、译码、信源之间建立起软信息交互的环路,有效提高了整体接收的性能。外信息传递(EXIT)图分析与计算机仿真均表明,尽管信源冗余给译码器带来的性能提升较为有限,但是将这部分信息反馈回均衡器后,在严重ISI信道,信源冗余度为70%时,整体接收的性能改善约为9.5 dB,基本达到了理想加性高斯白噪声（AWGN）信道下的误码性能。     

联合译码在图像无线传输中的应用

对Turbo码编码结构作了适当调整,进行信道编码的不仅有信源编码信息还有信源信息的统计特性,将信源编码后码流中存在的残留冗余特性应用到被传输的信源编码信息在进行Turbo码译码的算法中,给出了实验结果。通过结果比较发现,改进算法提高了Turbo码译码的纠错性能。     

基于滑窗置信传播算法的联合信源信道编码

针对联合信源信道编码中信源统计特性和信道噪声参数未知情况下,解码算法性能急剧下降的问题,提出一种基于滑窗置信传播算法(SWBP)的联合信源信道编码,简称滑窗算法.研究采用不规则重复累积(IRA)码来实现基于滑窗置信传播算法的联合信源信道编码,IRA码可以取得与低密度奇偶校验(LDPC)码同样优越的性能,但编码复杂度远远低于LDPC码.在解码端引入滑动窗口,通过实时地估计不断变化的信源统计特性和信道噪声参数,从而提高解码速率.实验结果表明该算法具有接近相关参数已知情况下的理想性能、不依赖于初始参数、复杂度低且易于实现等优点.     

A generalized framework for iterative source-channel decoding

Joint source-channel decoding is considered for a transmission system, in which the quantizer indices of several autocorrelated source signals are bit-interleaved, commonly channel encoded, and transmitted in parallel. Since the optimal decoding algorithm is not feasible in most practical situations, iterative source-channel decoding has been introduced. The latter is generalized in the present paper. Furthermore, it is shown in detail, that iterative source-channel decoding can be derived by insertion of appropriate approximations into the optimal joint decoding algorithm. The approximations allow the decomposition of the optimal decoder into two parts, which can be identified as the constituent decoders for the channel-code and the source-code redundancies. Similar as in other concatenated coding systems, the constituent decoders are applied in an iterative decoding scheme. Its performance is analyzed by simulation results.     

基于MS估计和迭代结构的信源信道联合解码系统性能分析

该文对基于均方MS(Mean Square)误差最小准则估计的软输入信源解码和基于信源参数特性及迭代结构的维特比解码两种信源信道联合解码算法进行分析,分别给出系统性能提高的影响因子,同时与信源信道独立解码算法相比较,并推导了联合算法中的接收参数信噪比的提高幅度以及比特误码率的上限值,证明了联合解码算法的可行性和有效性。实验仿真结果表明了分析方法的正确性。     

Joint and tandem source-channel coding with complexity and delay constraints

Two common source-channel coding strategies, joint and tandem, are compared on the basis of distortion versus complexity and distortion versus delay by analyzing specific representatives of each when transmitting analog data samples across a binary symmetric channel. Channel-optimized transform coding is the joint source-channel strategy; transform coding plus Reed-Solomon coding is the tandem strategy. For each strategy, formulas for the mean-squared error, computational complexity, and delay are found and used to minimize distortion subject to constraints on complexity and delay, for source data modeled as Gauss-Markov. The results of such optimizations suggest there is a complexity threshold such that when the number of operations per data sample available for encoding and decoding is greater than this threshold, tandem coding is better, and when less, channel-optimized transform coding is better. Similarly, the results suggest there is also a delay threshold such that tandem coding is better than joint coding when the permissible encoding and decoding delay is greater than this threshold.     

Joint turbo decoding and estimation of hidden Markov sources

We describe a joint source-channel scheme for modifying a turbo decoder in order to exploit the statistical characteristics of hidden Markov sources. The basic idea is to treat the trellis describing the hidden Markov source as another constituent decoder which exchanges information with the other constituent decoder blocks. The source block uses as extrinsic information the probability of the input bits that is provided by the constituent decoder blocks. On the other hand, it produces a new estimation of such a probability which will be used as extrinsic information by the constituent turbo decoders. The proposed joint source-channel decoding technique leads to significantly improved performance relative to systems in which source statistics are not exploited and avoids the need to perform any explicit source coding prior to transmission. Lack of a priori knowledge of the source parameters does not degrade the performance of the system, since these parameters can be jointly estimated with turbo decoding     

基于深度学习的信源信道联合编码方法综述

信息论的经典结果表明,信源信道分离编码是渐进最优的。但现代通信系统对时延、带宽等愈发敏感,分离设计对解码具有无限计算能力这一假设难以成立。带宽有限时,相对于信源信道联合编码,分离编码已被证明是次优的。传统的联合信源信道编码需要复杂的编码方案,相较之下,数据驱动的深度学习技术则带来了新的设计思路。适时地对相关研究成果进行总结,有助于进一步明确深度学习方法解决信源信道联合编码问题的方式,为研究新的研究方向提供依据。首先介绍了基于深度学习的信源压缩方案和端对端收发信机模型,随后分析不同信源类型下的两种联合编码设计思路,最后探讨了基于深度学习的信源信道联合编码的潜在问题和未来的工作方向。