基于Viterbi-双向搜索的咬尾码最大似然译码算法

传统咬尾码最大似然(ML)译码算法在译码时存在两个问题:复杂度高和消耗存储空间大。针对这两个问题,该文提出了一种基于Viterbi算法和双向搜索算法的最大似然译码算法。新算法利用Viterbi算法得到的幸存路径度量值与最大似然咬尾路径度量值的关系,删除不可能的起始状态及其对应的咬尾格形子图,缩小搜索空间;然后利用双向搜索算法中门限值与最大似然咬尾路径度量值的关系来降低双向搜索算法的复杂度,从而得到一种在咬尾格形图上高效率的最大似然译码算法。新的最大似然译码算法不仅降低了译码复杂度,同时降低了译码器对存储空间的需求。

基于可信位置排序的咬尾卷积码译码算法

咬尾卷积码的传统译码算法没有考虑咬尾格形图的循环性,译码起始位置固定,译码效率相对较低。该文首次证明了咬尾卷积码基于格形图的译码算法与译码起始位置无关,即从任意位置开始译码得到的最优咬尾路径即为全局最优咬尾路径。基于此提出一种基于可信位置排序的咬尾卷积码译码算法。新算法利用咬尾格形图的循环性,根据接收到的信道输出序列估算每个译码起始位置的可靠性,从而选择一个可靠性最高的译码起始位置。和传统译码算法相比,所提算法具有更快的收敛速度。