Vorlesungsskript Kanalcodierung II - Universität Bremen
Vorlesungsskript Kanalcodierung II - Universität Bremen
Vorlesungsskript Kanalcodierung II - Universität Bremen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Kanalcodierung</strong> <strong>II</strong><br />
Dr.-Ing. Volker Kühn, Dr.-Ing. Dirk Wübben<br />
Universität <strong>Bremen</strong><br />
Fachbereich 1, ANT<br />
1.7.5 Iterative (’Turbo’)-Decodierung am Beispiel zweier parallel verketteter (5,4,2)-SPC-Codes<br />
Die in den vorangegangenen Abschnitten vorgestellten Soft-Output-Algorithmen bieten nur dann Vorteile, wenn<br />
nachgeschaltete Module von der Zuverlässigkeitsinformation Gebrauch machen können. In den hier behandelten<br />
verketteten Codiersystemen erfolgt die Decodierung in der Regel durch serielle Aneinanderreihung der<br />
Teildecodierer, und zwar unabhängig davon, ob eine serielle oder eine parallele Codeverkettung vorliegt. Die<br />
prinzipielle Vorgehensweise soll zunächst anhand eines konkreten Produktcodes erläutert und dann in einer<br />
allgemeineren Form präsentiert werden.<br />
Gegeben sei die folgende (4x4)-Matrix u bestehend aus 16 Informationsbit<br />
⎛ ⎞<br />
1 0 0 1<br />
u = ⎜ 0 1 1 1<br />
⎟<br />
⎝ 1 0 1 0 ⎠ .<br />
0 0 0 1<br />
Sie wird sowohl horizontal als auch vertikal mit einem (5,4,2)-SPC-Code codiert, was zusammen mit der<br />
BPSK-Modulation zur Codematrix<br />
⎛<br />
x =<br />
⎜<br />
⎝<br />
−1 1 1 −1 1<br />
1 −1 −1 −1 −1<br />
−1 1 −1 1 1<br />
1 1 1 −1 −1<br />
1 −1 1 −1<br />
führt. Es ist zu beachten, dass die rechte untere Ecke der Matrix unbesetzt bleibt, es handelt sich also um<br />
eine parallele Verkettung der beiden SPC-Codes (unvollständiger Produktcode). Durch die auf dem Kanal<br />
einwirkenden Störungen erhalten wir die Empfangsmatrix y, deren Elemente entsprechend Gl. (1.22) in loglikelihood-Verhältnisse<br />
umgerechnet werden. (E b /N 0 = 2dB).<br />
⎛<br />
y =<br />
⎜<br />
⎝<br />
0,1 1,2 0,2 −0,5 1,0<br />
0,8 −0,7 0,6 −0,1 −1,5<br />
−1,2 0,5 −0,9 1,2 0,2<br />
0,2 −0,2 1,3 −1,5 −2,0<br />
0,3 −0,9 1,2 −1,1<br />
⎞<br />
⎛<br />
⎟<br />
⎠ =⇒ L chy =<br />
⎜<br />
⎝<br />
⎞<br />
⎟<br />
⎠<br />
0,6 7,6 1,3 −3,2 6,3<br />
5,1 −4,4 3,8 −0,6 −9,5<br />
−7,6 3,2 −5,7 7,6 1,3<br />
1,3 −1,3 8,2 −9,5 −12,7<br />
1,9 −5,7 7,6 −7,0<br />
Diese Matrix bildet nun den Ausgangspunkt für einen iterativen Decodierprozeß, der im Folgenden beschrieben<br />
wird und mit der vertikalen Decodierung beginnt. Wir wissen aus Gl. (1.41)<br />
L(û i ) = L ch y i +L a (u i )+L e (û i ) ,<br />
dass sich das LLR bei systematischen Codes aus drei Anteilen zusammensetzt, einer a-priori-Information<br />
L a (u i ), einem systematischen direkten AnteilL ch y i und der extrinsischen InformationL e (û i ). WährendL a (u i )<br />
uns jetzt noch nicht zur Verfügung steht, stellt die MatrixL ch y den direkten, schon berechneten Anteil dar und<br />
L e (û i ) soll mit Hilfe von Gl. (1.34) berechnet werden. Wir erhalten nach der vertikalen Decodierung D | zu<br />
jedem Informationsbit eine extrinsische Information L | e,1 (û i), z.B.<br />
L | e,1 (û 0) = = min(5,1; 7,6; 1,3; 1,9)·(+1)(−1)(+1)(+1) = −1,3<br />
L | e,1 (û 1) = = min(0,6; 7,6; 1,3; 1,9)·(+1)(−1)(+1)(+1) = −0,6<br />
.<br />
die zur direkten Komponente hinzu addiert wird und dannL | 1 (û i) ergibt (y s stellt den Anteil der Informationsbit<br />
von y dar).<br />
⎞<br />
⎟<br />
⎠<br />
1.7. DECODIERUNG VERKETTETER CODES 33