[发明专利]咬尾码的最大似然译码算法

说明书

技术领域

本发明无线通信的信道译码领域，涉及一种译码算法，特别是涉及一种咬尾码的最大似然译码算法。

背景技术

卷积码根据其编码器初始化方式的不同，可分为传统卷积码和咬尾卷积码(Tail-Biting Convolutional Codes,TBCC)。有些分组码可以用咬尾格形图来表示，所以称这样的分组码和咬尾卷积码为咬尾码。传统卷积码的编码器采用已知比特（一般是全0比特）初始化，并在编码结束的时候使其结束于某个已知状态；TBCC的编码器采用信息序列的最后v'位来初始化，其中v'≤v,v是编码器中的寄存器长度。根据v'和v的关系，TBCC可分为全咬尾卷积码(v'=v)和部分咬尾卷积码(v'<v)。

采用咬尾方式编码可以消除用已知比特初始化编码器所导致的码率损失，因此，咬尾卷积码被广泛应用在增强型数据GSM环境（enhanced data GSM environment，EDGE），微波存取全球互通（worldwide interoperability for microwave access，WiMAX）和3GPP长期演进（long term evolution，LTE）中作为控制信道和广播信道的编码方式。

对咬尾码来说，目前已有的最大似然（maximum likelihood，ML）译码算法有：两阶段最大似然译码算法（two-phase ML decoder，TP-ML decoder）和双向树搜索算法（bidirectional efficient algorithm for searching code trees，BEAST），这些算法在实际应用中存在诸多问题。对于TP-ML译码器来说，它的两个阶段采用不同的搜索方式使得对于实现来说过于复杂，且在第二阶段的搜索过程中所采用的启发式搜索需要消耗大量存储器。BEAST算法在译码之前要先构造咬尾码的传统格形图，然后才能译码；且BEAST算法在咬尾格形图上的译码效率过低，几乎和理论最大似然译码算法复杂度相当，这些缺点导致现有最大似然译码算法无法在实际中使用。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种咬尾码的最大似然译码算法，用于解决现有技术中咬尾码译码算法计算复杂度高、存储器消耗大、以及算法不收敛的问题。

为实现上述目的及其他相关目的，本发明提供一种咬尾码的最大似然译码算法，所述咬尾码的最大似然译码算法包括：

S1，初始化幸存状态集合、起始于幸存状态集合中任一幸存状态的路径累计度量值、结束于各个幸存状态的咬尾路径度量值的下界值、以及最优咬尾路径度量值；

S2，进行i次迭代，得到第i+1次迭代的幸存状态集合，为第i+1次迭代做准备；其中，i≥1；

S3，停止译码并输出和最优最大似然咬尾路径相关的码字。

优选地，于所述步骤S1还包括：将幸存状态集合初始化为幸存起始状态集合，将起始于幸存状态集合中任一幸存状态的路径累积度量值初始化为0；将结束于各个幸存状态的咬尾路径度量值的下界值初始化为0，将最优咬尾路径度量值初始化为无穷大。

优选地，于所述步骤S2还包括：

S21，以幸存状态集合中的状态为起始点，执行以最优咬尾路径净增量为界的维特比译码搜索；

S22，若发现第i次迭代中得到的最大似然咬尾路径比前i-1次迭代中得到的最优咬尾路径度量值小，则更新最优最大似然咬尾路径及最优咬尾路径度量值；

S23，对幸存状态集合中的所有状态，更新结束于各个幸存状态的咬尾路径度量值的下界值为前i次迭代中获得的最大的一个值，从幸存状态集合中删除结束于各个幸存状态的咬尾路径度量值的下界不小于最优咬尾路径度量值的状态，得到第i+1次迭代的幸存状态集合；

S24，若发现第i+1次迭代的幸存状态集合为空集时，执行步骤S3；若发现第i次迭代的幸存状态集合与第i+1次迭代的幸存状态集合相同，则从第i次迭代中得到的最大似然路径的起始状态开始执行有界维特比译码搜索，得到咬尾路径，若该咬尾路径净增量小于最优咬尾路径度量值，则更新最优最大似然咬尾路径及最优咬尾路径度量值，并从第i+1次迭代的幸存状态集合中删除起始状态；

S25，为第i+1次迭代做初始化，将结束于幸存状态集合中任一幸存状态的路径的累积度量值赋值给下一次迭代开始时从所述幸存状态集合中任一幸存状态起始的路径的初始路径度量值，返回步骤S2，执行第i+1次迭代。