卷积码+交织+维特比译码+解交织.docx
《卷积码+交织+维特比译码+解交织.docx》由会员分享，可在线阅读，更多相关《卷积码+交织+维特比译码+解交织.docx（15页珍藏版）》请在冰点文库上搜索。
卷积码+交织+维特比译码+解交织
1.实验摘要
实验1卷积码编码
实验2交织编码
实验3解交织
实验4维特比译码
2.实验1
2.1实验1概要
在实验1中，首先给出了卷积码编码的流程，然后给出了实现卷积码编码的源程序。
2.2程序的具体过程
2.2.1程序流程
2.2.2MATLAB源程序
function[output]=cnv_encd（input）
%output=cnv_encd（g,k0,input）卷积码编码函数
%g生成矩阵
%k0输入码长
%input输入信源序列
%output输出卷积编码序列
g=[111;101];%编码矩阵
k0=1;
input=[1101];
ifrem（length（input）,k0）>0
input=[input,zeros（size（1:
k0-rem（length（input）,k0）））];
end
n=length（input）/k0;
ifrem（size（g,2）,k0）>0
error（'Error,gisnotoftherightsize.'）
end
li=size（g,2）/k0;
n0=size（g,1）;
u=[zeros（size（1:
（li-1）*k0））,input,zeros（size（1:
（li-1）*k0））];
u1=u（li*k0:
-1:
1）;
fori=1:
n+li-2
u1=[u1,u（（i+li）*k0:
-1:
i*k0+1）];
end
uu=reshape（u1,li*k0,n+li-1）;
output=reshape（rem（g*uu,2）,1,n0*（n+li-1））;
3.实验2
3.1实验2概要
在实验2中，给出了两种交织编码的过程—卷积交织和循环等差交织，然后给出了实现这两种交织编码的源程序。
3.2程序的具体过程
3.2.1程序流程
3.2.2MATLAB源程序
（1）卷积交织
function[aa]=jiaozhi（bb,n）
%jiaozhi.m卷积交织函数
n=28;%分组长度
%bb卷积交织前原分组序列
%aa卷积交织后分组序列
%序号重排方式：
cc=[123171151721;82241812628;15932519137;2216104262014];%交织矩阵
bb=[12345678910111213141516171819202122232425262728];
fori=1:
n
aa（i）=bb（cc（i））;
end
（2）循环等差交织
function[aa]=jiaozhi_nocnv（bb,n）
%jiaozhi_nocnv.m循环等差交织函数
n=28;%分组长度
%bb循环等差交织前原分组序列
%aa循环等差交织后还原分组序列
%序号重排方式：
bb=[12345678910111213141516171819202122232425262728];
j=1;
fori=1:
n
j=rem（j+5-1,n）+1;%序号重排方式迭代算法
aa（n+1-i）=bb（j）;
end
3.2.3程序说明
交织码通常表示为（M，N），分组长度L=MN，交织方式用M行N列的交织矩阵表示。
一般，交织方式分为分组交织和卷积交织。
分组交织的交织矩阵按列写入，按行读出；去交织矩阵按行写入按列读出。
卷积交织的交织矩阵和去交织矩阵的写入与读出均按行进行。
注意本次仿真采用（7，4）卷积交织编码和循环等差交织编码。
所谓循环等差，是指将序号从大到小顺时针排成一圈，从1开始等间隔逆时针取28个数，间隔为4，这样依次取的28个数即序号重排方式。
4.实验3
4.1实验3概要
与实验2对应的，在实验3中，也给出了与实验2对应的两种解交织的的流程，然后给出了实现这两种解交织操作的源程序。
4.2程序的具体过程
4.2.1程序流程
4.2.2MATLAB源程序
（1）解卷积交织
function[bb]=jiejiaozhi（aa,n）
%jiejiaozhi.m解卷积交织函数
n=28;%分组长度
%aa解卷积交织前原分组序列
%bb解卷积交织后分组序列
%序号重排方式：
cc=[123171152721;82241812628;15932519137;2216104262014];
aa=[18152223291617243101118254512192627613202128714];
fori=1:
n
bb（cc（i））=aa（i）;
end
（2）解循环等差交织
function[bb]=jiejiaozhi_nocnv（aa,n）
%jiaozhi_nocnv.m解循环等差交织函数
n=28;%分组长度
%aa解循环等差交织前原分组序列
%bb解循环等差交织后还原分组序列
%序号重排方式：
aa=[12419149427221712722520151052823181383262116116];
j=1;
fori=1:
n
j=rem（j+5-1,n）+1;%序号重排方式迭代算法
bb（j）=aa（n+1-i）;
end
5.实验4
5.1实验4概要
由于维特比译码算法是卷积码译码的最常用算法，因此在实验5中，首先给出了维特比译码的流程，然后给出了实现维特比译码的源程序。
5.2程序的具体过程
5.2.1程序流程
5.2.2MATLAB源程序
1）
functiony=bin2deci（x）
l=length（x）;
y=（l-1:
-1:
0）;
y=2.^y;
y=x*y';
2）
functiony=deci2bin（x,l）
y=zeros（1,l）;
i=1;
whilex>=0&i<=l
y（i）=rem（x,2）;
x=（x-y（i））/2;
i=i+1;
end
y=y（l:
-1:
1）;
3）
functiondistance=metric（x,y）
ifx==y
distance=0;
else
distance=1;
end
4）
function[next_state,memory_contents]=nxt_stat（current_state,input,L,k）
binary_state=deci2bin（current_state,k*（L-1））;
binary_input=deci2bin（input,k）;
next_state_binary=[binary_input,binary_state（1:
（L-2）*k）];
next_state=bin2deci（next_state_binary）;
memory_contents=[binary_input,binary_state];
5）
function[decoder_output,survivor_state,cumulated_metric]=viterbi（channel,snr_db）
G=[111;101];%G卷积编码矩阵，如（2,1,3）卷积码生成矩阵[111;101],可以根据自己的需要输入编码矩阵
k=1;%k信息源输入端口数k=1
channel=[110101001011];%信源编码
snr_db=6;%信噪比，可以通过调节信噪比大小观察viterbi译码的性能
%bpsk调制
%channel_output=bpsk（channel,snr_db）;%调用bpsk函数,得到信道编码
channel_output=channel;
n=size（G,1）;%n编码输出端口数量,（2,1,3）中n=2
ifrem（size（G,2）,k）~=0%当G列数不是k的整数倍时
error（'SizeofGandkdonotagree'）%发出出错信息
end
ifrem（size（channel_output,2）,n）~=0%当输出量元素个数不是输出端口的整数倍时
error（'channeloutputnotoftherightsize'）
end
N=size（G,2）/k;%得出移位数，即寄存器的个数
M=2^k;
number_of_states=2^（k*（N-1））;%状态数
forj=0:
number_of_states-1%j表示当前寄存器组的状态因为状态是从零
%开始的,所以循环从0到number_of_states-1
form=0:
M-1%m为从k个输入端的信号组成的状态，总的状
%态数为2^k，所以循环从0到2^k-1
%nxt_stat完成从当前的状态和输入的矢量得出下寄存器组的一个状态
[next_state,memory_contents]=nxt_stat（j,m,N,k）;%调用nxt_stat函数
input（j+1,next_state+1）=m;
branch_output=rem（memory_contents*G',2）;
nextstate（j+1,m+1）=next_state;
output（j+1,m+1）=bin2deci（branch_output）;
end
end
%state_metric数组用于记录译码过程在每状态时的汉明距离
%state_metric大小为number_of_states2，（:
1）当前
%状态位置的汉明距离，为确定值，而（:
2）为当前状态加输入
%得到的下一个状态汉明距离，为临时值
state_metric=zeros（number_of_states,2）;
depth_of_trellis=length（channel_output）/n;
channel_output_matrix=reshape（channel_output,n,depth_of_trellis）;
survivor_state=zeros（number_of_states,depth_of_trellis+1）;
fori=1:
depth_of_trellis-N+1
flag=zeros（1,number_of_states）;
if（i<=N）
step=2^（k*（N-i））;
else
step=1;
end
forj=0:
step:
number_of_states-1
form=0:
M-1
branch_metric=0;
binary_output=deci2bin（output（j+1,m+1）,n）;
forll=1:
n
branch_metric=branch_metric+metric（channel_output_matrix（ll,i）,binary_output（ll））;
end
%选择码间距离较小的那条路径
%选择方法：
%当下一个状态没有被访问时就直接赋值，否则，用比它小的将其覆盖
if（（state_metric（nextstate（j+1,m+1）+1,2）>state_metric（j+1,1）+branch_metric）|flag（nextstate（j+1,m+1）+1）==0）
state_metric（nextstate（j+1,m+1）+1,2）=state_metric（j+1,1）+branch_metric;
survivor_state（nextstate（j+1,m+1）+1,i+1）=j;
flag（nextstate（j+1,m+1）+1）=1;
end
end
end
state_metric=state_metric（:
2:
-1:
1）;
end
fori=depth_of_trellis-N+2:
depth_of_trellis
flag=zeros（1,number_of_states）;
%状态数从number_of_states→number_of_states/2→...→2→1
%程序说明同上，只不过输入矢量只为0
last_stop=number_of_states/（2^（k*（i-depth_of_trellis+N-2）））;
forj=0:
last_stop-1
branch_metric=0;
binary_output=deci2bin（output（j+1,1）,n）;
forll=1:
n
branch_metric=branch_metric+metric（channel_output_matrix（ll,i）,binary_output（ll））;
end
if（（state_metric（nextstate（j+1,1）+1,2）>state_metric（j+1,1）+branch_metric）|flag（nextstate（j+1,1）+1）==0）
state_metric（nextstate（j+1,1）+1,2）=state_metric（j+1,1）+branch_metric;
survivor_state（nextstate（j+1,1）+1,i+1）=j;
flag（nextstate（j+1,1）+1）=1;
end
end
state_metric=state_metric（:
2:
-1:
1）;
end
%从最佳路径中产生解码
%译码过程可从数组survivor_state的最后一个位置向前逐级译码
state_sequence=zeros（1,depth_of_trellis+1）;
state_sequence（1,depth_of_trellis）=survivor_state（1,depth_of_trellis+1）;
fori=1:
depth_of_trellis
state_sequence（1,depth_of_trellis-i+1）=survivor_state（（state_sequence（1,depth_of_trellis+2-i）+1）,depth_of_trellis-i+2）;
end
decoder_output_matrix=zeros（k,depth_of_trellis-N+1）;
fori=1:
depth_of_trellis-N+1
%根据数组input的定义来得出从当前状态到下一个状态的输入信号矢量
dec_output_deci=input（state_sequence（1,i）+1,state_sequence（1,i+1）+1）;
dec_output_bin=deci2bin（dec_output_deci,k）;
%将一次译码存入译码输出矩阵decoder_output_matrix相应的位置
decoder_output_matrix（:
i）=dec_output_bin（k:
-1:
1）';
end
decoder_output=reshape（decoder_output_matrix,1,k*（depth_of_trellis-N+1））;
cumulated_metric=state_metric（1,1）;
升级会员 