当前位置:网站首页>SISO Decoder for Repetition(补充章节4)

SISO Decoder for Repetition(补充章节4)

2022-06-11 17:52:00 明朝百晓生

前言:

        在LDPC,Polar 码中都会涉及到repetion code,这里重点讲解一下对应的原理,

为什么能直接相加


一   整体流程

Repetition code(3,1):

发送流程:

消息bit: m 范围[0,1],    1bit

编码后: M=[m,m,m],3bit

BPSK:     1 调制成-1,

                0 调制成+1

接收方解码流程

r=[r_1,r_2,r_3]

L_i:

        beliefs that C_i is 0

这里我们主要关注解码器:

实际应用中factor 固定为1(因为不影响最终的hardout 这个值大于0,就是0,小于0就是1)

 例子:

比如收到的r[3,2,4]

3:      beliefs about first bit       base on r1 alone

2:      beliefs about second bit base on r2 alone

4:      beliefs about third bit      base on r3 alone

如下 r[0.1,-2.-0.5]


二  intrinsic LLR

     我们也称为 channel LLR 或者 input LLR

     这边详细推导一下它的原理

    首先看下先验概率(Prior),前面BEC,BSC 都是这样的

     P(c_1=0)=P(c_1=1)=\frac{1}{2}

     c_1=0,Symbol=+1r_1 \sim N(1,\sigma^2)

     c_1=1, Symbol=-1,r_1 \sim N(-1,\sigma^2)

则 利用贝叶斯原理:

    p(c_1=0|r_1)=\frac{f(r_1|c_1=0)p(c_1=0)}{f(r_1)}

   p(c_1=1|r_1)=\frac{f(r_1|c_1=1)p(c_1=1)}{f(r_1)}

     ratio =\frac{p(c_1=0|r_1)}{p(c_1=1|r_1)}=\frac{f(r_1|c_1=0)}{f(r_1|c_1=1)}

            其中

            f(r_1|c_1=0)=\frac{1}{\sqrt{2\pi}\sigma}e^{\frac{-(r_1-1)^2}{2\sigma^2}}

            f(r_1|c_1=1)=\frac{1}{\sqrt{2\pi}\sigma}e^{\frac{-(r_1+1)^2}{2\sigma^2}}

              ratio = e^{\frac{1}{\sigma^2}2r_1}

    则

       L_1= log (ratio)= r_1\frac{2}{\sigma^2}

              = r_1 *factor

      简化写

       L_1=r_1


      三  extrinsic LLR

          现在给定了r_1,r_2,r_3 如何求L_i

         L_i= log \frac{P(c_i=0|r_1,r_2,r_3)}{P(c_i=1|r_1,r_2,r_3)}

         这里以L_1为例:

          p(c_1=0|r_1,r_2,r_3)=\frac{f(r_1,r_2,r_3|c_1=0)p(c_1=0)}{f(r_1,r_2,r_3)}

          p(c_1=1|r_1,r_2,r_3)=\frac{f(r_1,r_2,r_3|c_1=1)p(c_1=1)}{f(r_1,r_2,r_3)}

    

          ratio=\frac{p(c_1=0|r_1,r_2,r_3)}{p(c_1=1|r_1,r_2,r_3)}

                    =\frac{f(r_1,r_2,r_3|c_1=0)}{f(r_1,r_2,r_3|c_1=1)}

         log(ratio)=log \frac{f(r_1,r_2,r_3|c_1=0)}{f(r_1,r_2,r_3|c_1=1)}

           

   当c_1=0,QPSK-> [+1,+1,+1]

   r_1=1+N_1(0,\sigma^2)

   r_2=1+N_2(0,\sigma^2)

   r_3=1+N_3(0,\sigma^2)

   因为r_1,r_2,r_3 条件独立

  所以  f(r_1,r_2,r_3|c_1=0)

 =e^{\frac{-(r_1-1)^2}{2\sigma^2}}*e^{\frac{-(r_2-1)^2}{2\sigma^2}}*e^{\frac{-(r_3-1)^2}{2\sigma^2}}

 同理f(r_1,r_2,r_3|c_1=1)

  =e^{\frac{-(r_1+1)^2}{2\sigma^2}}*e^{\frac{-(r_2+1)^2}{2\sigma^2}}*e^{\frac{-(r_3+1)^2}{2\sigma^2}}

        

     

原网站

版权声明
本文为[明朝百晓生]所创,转载请带上原文链接,感谢
https://blog.csdn.net/chengxf2/article/details/125146397