Сверточное кодирование двоичных данных
ConvolutionalEncoder объект кодирует последовательность векторов двоичного входа, чтобы произвести последовательность векторов двоичного выхода.
convolutionally кодировать двоичное сообщение:
Задайте и настройте свой сверточный объект энкодера. Смотрите Конструкцию.
Вызовите step закодировать последовательность векторов двоичного входа, чтобы произвести последовательность векторов двоичного выхода согласно свойствам comm.ConvolutionalEncoder. Поведение step характерно для каждого объекта в тулбоксе.
Примечание
Запуск в R2016b, вместо того, чтобы использовать step метод, чтобы выполнить операцию, заданную Системой object™, можно вызвать объект с аргументами, как будто это была функция. Например, y = step(obj,x) и y = obj(x) выполните эквивалентные операции.
H = comm.ConvolutionalEncoder создает Системный объект, H, то, что сверточные кодирования двоичных данных.
H = comm.ConvolutionalEncoder( создает сверточный объект энкодера, Name,Value)H, с каждым заданным набором свойств к заданному значению. Можно задать дополнительные аргументы пары "имя-значение" в любом порядке как (Name1, Value1..., NameN, ValueN).
H = comm.ConvolutionalEncoder(TRELLIS, создает сверточный объект энкодера, Name,Value)H Этот объект имеет TrellisStructure набор свойств к TRELLIS, и другой заданный набор свойств к заданным значениям.
|
Структура решетки сверточного кода Задайте решетку как структуру MATLAB, которая содержит описание решетки сверточного кода. Используйте |
|
Метод завершения закодированной системы координат Задайте, как закодированная система координат отключена как один из |
|
Включите вход сброса энкодера Установите это свойство на |
|
Задержите выходной сброс Установите это свойство на |
|
Включите вход начального состояния Установите это свойство на |
|
Включите конечному состоянию выход Установите это свойство на true, чтобы получить конечное состояние энкодера через |
|
Источник шаблона прокола Задайте источник шаблона прокола как один из |
|
Проколите вектор шаблона Укажите, что шаблон прокола раньше прокалывал закодированные данные как вектор-столбец. Значением по умолчанию является |
| шаг | Сверточное кодирование двоичных данных |
Передайте модулируемый поток битов convolutionally закодированного 8-DPSK через канал AWGN. Затем демодулируйте и декодируйте использование Декодера Витерби.
Создайте необходимые Системные объекты.
hConEnc = comm.ConvolutionalEncoder; hMod = comm.DPSKModulator('BitInput',true); hChan = comm.AWGNChannel('NoiseMethod', ... 'Signal to noise ratio (SNR)',... 'SNR',10); hDemod = comm.DPSKDemodulator('BitOutput',true); hDec = comm.ViterbiDecoder('InputFormat','Hard'); hError = comm.ErrorRate('ComputationDelay',3,'ReceiveDelay', 34);
Обработайте данные с помощью следующих шагов:
Сгенерируйте случайные биты
Convolutionally кодируют данные
Примените модуляцию DPSK
Передайте модулируемый сигнал через AWGN
Демодулируйте сигнал с шумом
Декодируйте данные с помощью алгоритма Viterbi
Соберите ошибочные статистические данные
for counter = 1:20 data = randi([0 1],30,1); encodedData = step(hConEnc, data); modSignal = step(hMod, encodedData); receivedSignal = step(hChan, modSignal); demodSignal = step(hDemod, receivedSignal); receivedBits = step(hDec, demodSignal); errors = step(hError, data, receivedBits); end
Отобразите количество ошибок.
errors(2)
ans = 3
Закодируйте и декодируйте последовательность битов с помощью сверточного энкодера и Декодера Витерби с заданным шаблоном прокола. Проверьте, что биты ввода и вывода идентичны
Задайте матрицу шаблона прокола и измените ее в векторную форму для использования с объектами Энкодера и Декодера.
pPatternMat = [1 0 1;1 1 0]; pPatternVec = reshape(pPatternMat,6,1);
Создайте сверточный энкодер и Декодер Витерби, в котором шаблон прокола задан pPatternVec.
ENC = comm.ConvolutionalEncoder(... 'PuncturePatternSource','Property', ... 'PuncturePattern',pPatternVec); DEC = comm.ViterbiDecoder('InputFormat','Hard', ... 'PuncturePatternSource','Property',... 'PuncturePattern',pPatternVec);
Создайте коэффициент ошибок, отвечают соответствующим, получают задержку.
ERR = comm.ErrorRate('ReceiveDelay',DEC.TracebackDepth);Закодируйте и декодируйте последовательность случайных битов.
dataIn = randi([0 1],600,1); dataEncoded = step(ENC,dataIn); dataOut = step(DEC,dataEncoded);
Проверьте, что нет никаких ошибок в выходных данных.
errStats = step(ERR,dataIn,dataOut); errStats(2)
ans = 0
Конкатенированные сверточные коды предлагают высокую надежность и получили в выдающемся положении и использовании как турбокоды. comm.TurboEncoder и comm.TurboDecoder Системные объекты поддерживают уровень 1/n сверточные коды только. Этот пример показывает параллельную конкатенацию двух уровней 2/3 сверточные коды, чтобы достигнуть эффективного уровня 1/3 турбокод при помощи comm.ConvolutionalEncoder и comm.APPDecoder Системные объекты.
Системные параметры
blkLength = 1024; % Block length EbNo = 0:5; % Eb/No values to loop over numIter = 3; % Number of decoding iterations maxNumBlks = 1e2; % maximum number of blocks per Eb/No value
Сверточные Параметры Энкодера/Декодера
trellis = poly2trellis([5 4],[23 35 0; 0 5 13]); k = log2(trellis.numInputSymbols); % number of input bits n = log2(trellis.numOutputSymbols); % number of output bits intrIndices = randperm(blkLength/k)'; % Random interleaving decAlg = 'True App'; % Decoding algorithm modOrder = 2; % PSK-modulation order
Инициализируйте системные объекты
Инициализируйте объект Systems для сверточного кодирования, Декодирования APP, модуляции BPSK и демодуляции, канала AGWN и расчета коэффициента ошибок. Демодуляция вывела мягкие биты с помощью метода отношения логарифмической правдоподобности.
cEnc1 = comm.ConvolutionalEncoder('TrellisStructure',... trellis,'TerminationMethod','Truncated'); cEnc2 = comm.ConvolutionalEncoder('TrellisStructure',... trellis,'TerminationMethod','Truncated'); cAPPDec1 = comm.APPDecoder('TrellisStructure',trellis,... 'TerminationMethod','Truncated','Algorithm',decAlg); cAPPDec2 = comm.APPDecoder('TrellisStructure',trellis,... 'TerminationMethod','Truncated','Algorithm',decAlg); bpskMod = comm.BPSKModulator; bpskDemod = comm.BPSKDemodulator('DecisionMethod','Log-likelihood ratio', ... 'VarianceSource','Input port'); awgnChan = comm.AWGNChannel('NoiseMethod','Variance', ... 'VarianceSource','Input port'); bitError = comm.ErrorRate; % BER measurement
Структурируйте цикл обработки
Цикл через область значений значения, чтобы сгенерировать результаты для эффективности BER. helperTurboEnc и helperTurboDec функции помощника выполняют турбо кодирование и декодирование.
ber = zeros(length(EbNo),1); bitsPerSymbol = log2(modOrder); turboEncRate = k/(2*n); for ebNoIdx = 1:length(EbNo) % Calculate the noise variance from EbNo EsNo = EbNo(ebNoIdx) + 10*log10(bitsPerSymbol); SNRdB = EsNo + 10*log10(turboEncRate); % Account for code rate noiseVar = 10^(-SNRdB/10); for numBlks = 1:maxNumBlks % Generate binary data data = randi([0 1],blkLength,1); % Turbo encode the data [encodedData,outIndices] = helperTurboEnc(data,cEnc1,cEnc2, ... trellis,blkLength,intrIndices); % Modulate the encoded data modSignal = bpskMod(encodedData); % Pass the modulated signal through an AWGN channel receivedSignal = awgnChan(modSignal,noiseVar); % Demodulate the noisy signal using LLR to output soft bits demodSignal = bpskDemod(receivedSignal,noiseVar); % Turbo decode the demodulated data receivedBits = helperTurboDec(-demodSignal,cAPPDec1,cAPPDec2, ... trellis,blkLength,intrIndices,outIndices,numIter); % Calculate the error statistics errorStats = bitError(data,receivedBits); end ber(ebNoIdx) = errorStats(1); reset(bitError); end
Отображение результатов
В то время как практические беспроводные системы, такие как LTE и CCSDS, задают основу rate-1/n сверточные коды для турбокодов, результаты показывают, что использование более высоких сверточных кодов уровня как турбокоды жизнеспособно.
figure; semilogy(EbNo, ber, '*-'); grid on; xlabel('E_b/N_0 (dB)'); ylabel('BER'); title('High Rate Convolutional Codes for Turbo Coding'); legend(['N = ' num2str(blkLength) ', ' num2str(numIter) ' iterations']);
Функции помощника
function [yEnc,outIndices] = helperTurboEnc(data,hCEnc1,hCEnc2,trellis,blkLength,intrIndices) % Turbo encoding using two parallel convolutional encoders. % No tail bits handling and assumes no output stream puncturing. % Trellis parameters k = log2(trellis.numInputSymbols); n = log2(trellis.numOutputSymbols); cLen = blkLength*n/k; punctrVec = [0;0;0;0;0;0]; % assumes all streams are output N = length(find(punctrVec==0)); % Encode random data bits y1 = step(hCEnc1, data); y2 = step(hCEnc2, reshape(intrlv(reshape(data, k, [])',intrIndices)', [], 1)); y1D = reshape(y1(1:cLen), n, []); y2D = reshape(y2(1:cLen), n, []); yDTemp = [y1D; y2D]; y = yDTemp(:); % Generate output indices vector using puncturing vector idx = 0 : 2*n : (blkLength - 1)*2*(n/k); punctrVecIdx = find(punctrVec==0); dIdx = repmat(idx, N, 1) + punctrVecIdx; outIndices = dIdx(:); yEnc = y(outIndices); end function yDec = helperTurboDec(yEnc,cAPPDec1,cAPPDec2,trellis,blkLength,intrIndices,inIndices,numIter) % Turbo decoding using two a-posteriori probability (APP) decoders % Trellis parameters k = log2(trellis.numInputSymbols); n = log2(trellis.numOutputSymbols); rCodLen = 2*(n/k)*blkLength; typeyEnc = class(yEnc); % Re-order encoded bits according to outIndices x = zeros(rCodLen, 1); x(inIndices) = yEnc; % Generate output of first encoder yD = reshape(x(1:rCodLen), 2*n, []); lc1D = yD(1:n, :); Lc1_in = lc1D(:); % Generate output of second encoder lc2D = yD(n+1:2*n, :); Lc2_in = lc2D(:); % Initialize unencoded data input Lu1_in = zeros(blkLength, 1, typeyEnc); % Turbo Decode out1 = zeros(blkLength/k, k, typeyEnc); for iterIdx = 1 : numIter [Lu1_out, ~] = step(cAPPDec1, Lu1_in, Lc1_in); tmp = Lu1_out(1:blkLength); Lu2_in = reshape(tmp, k, [])'; [Lu2_out, ~] = step(cAPPDec2, ... reshape(Lu2_in(intrIndices, :)', [], 1), Lc2_in); out1(intrIndices, :) = reshape(Lu2_out(1:blkLength), k, [])'; Lu1_in = reshape(out1', [], 1); end % Calculate llr and decoded bits for the final iteration llr = reshape(out1', [], 1) + Lu1_out(1:blkLength); yDec = cast((llr>=0), typeyEnc); end
Этот объект реализует алгоритм, входные параметры и выходные параметры, описанные на странице с описанием блока Convolutional Encoder. Свойства объектов соответствуют параметрам блоков, кроме:
Режим работы параметры блоков Reset on nonzero input via port соответствует ResetInputPort свойство. |