编码解码论文国内研究

信道编码技术及电子系统工程应用的探讨论文

根据信道编码理论及编码、译码方法和技术的发展，结合工程实际从理论到实践进行了简要的阐述。

随着信息及信号传输技术的发展，应用电子领域也随之扩大并得到发展。通过对信源编码、信道编码、编码的方法，以及对压缩后的信息进行纠错编码，以抗击信道、网络及传输过程的误码或数据丢失，即信道编码问题的系统认识与理解对实际工程应用具有重要的意义。从电子系统工程的应用角度，对相关知识的理解与应用体会更为深刻。在此，就实际应用中贯穿其中的相关知识及带来的思考与启发扼要介绍。

一、信道编码理论及编、译码问题

衡量任何一个信号通信系统性能优劣的基本因素是有效性和可靠性，有效性是信道传输信息的速度快慢，可靠性是信道传输信息的准确程度。在数字通信系统中，信源编码是为了提高有效性，信道编码是为了提高可靠性，而在一个通信系统中，有效性和可靠性是互相矛盾的，也是可以互换的。我们可以用降低有效性的办法提高可靠性，也可以用用降低可靠性的办法提高有效性。而纠错编码，即信道编码问题是重点。

(一)编、译码问题

信道编码是以香农第二定理和香农第三定理为理论支持。在错误控制编码方面，主要是纠错线性分组码与非分组的卷积码。对于线性分组码，采用增加冗余码作为监督码，这样编出的码具有一定的检错和纠错能力。在译码方面，根据最大似然法译码，判断码的汉明距离，找到汉明距离最小的码，那就是在发送端传输过来的码。编码是一个比较抽象的概念，采用矩阵的描述方式表示编码，将输入的信息序列与生成矩阵相乘，那么就可以得到编码后的符号。在译码方面，通过奇偶校验矩阵就可以检测译码是否正确。

(二)关于卷积码

卷积码是编码不一样的领域，因为这种码在判决时用到过去的信息，也就是说，它是需要记忆的。这也就是卷积码得名的由来。卷积码的编码器由一个移位寄存器和相关逻辑电路组成，对每一个进入的信息帧，编码器都产生一个码字帧。当然，还可以画编码器的状态图，比较直观表示编码器根据输入情况而变化。根据状态图可画出网格图;由网格图很容易地知道卷积码的距离，这是卷积码译码的一个依据。卷积码用一个生成多项式矩阵表示，在编码方面极为方便，编码操作可以简单地描述为信息量矩阵与生成矩阵的乘积。而更加严谨、方便地表达，则需要生成函数。通过修改状态图，很容易得到生成函数。对生成函数的级数展开，可以很直观地得到汉明距离和输入路径的信息，最后还可以知道给定汉明距离全零路径的数量。

(三)Turbo码和LDPC码

Turbo码与LDPC码是两种性能接近香农极限的信道编码。Turbo码在低信噪比的情况下，性能比其他编码要好。Turbo码的优良性能在非实时数据通信方面被广泛采用。Turbo码是分组码和卷积码的“准”混合物。Turbo码有并行级联卷积码、串行级联卷积码和混杂级联卷积码三种不同的排列。因为有交织器的存在，所以编码器的纠错能力很好。LDPC码是一类可以用非常稀疏的校验矩阵或二分图定义的线性分组码，其特点是：译码算法具有线性复杂度可采用并行迭代方式，具有译码自校验特性，在高信噪比条件下能有效降低译码复杂度，提高误比特率性能;可以满足高性能信号通信要求。LDPC码以最低的复杂度提供了最好的性能。这意味着在同等性能情况下， LDPC码的复杂度只有Turbo码的1/4。与Turbo码相比，LDPC码尤其是非规则LDPC码具有非常出色的性能，优于迄今为止已知的其它编码方式。LDPC码与其它编码相比还有一些独特的优点：译码可以完全并行，因此可以获得更高的译码速度;译码器的复杂度大幅降低;译码是可验证的;非规则LDPC码具有天然的不等错误保护能力。

二、从信道编码定理看编、译码方法的发展

(一)信道编、译码方法的多样性

信道编码的'核心是“纠错”;信道编、译码的最终目的是实现信道与信号通信系统在可靠性指标下的优化。其方法是纠错编码，即抗干扰编码。奇偶校验码是一种检错分组码;由此原理派生出改进的：水平奇偶校验码、垂直奇偶校验码、群计数码等。定比码是一种只能发现错误的简单检错码，且需通过反向信道系统方能实现抗干扰。而重复码是前向纠错码，也是一种最简单的纠错码，实际应用较广泛。而由汉明码引出的线性分组码是一种具有线性代数关系的编码。在实际应用中，为得到希望的码长和信息位长度，将信息位缩减而得到原码的缩短码。在汉明码的基础上增加一位监督元，则产生增余汉明码或扩展汉明码，使纠错能力得到提高。而由完备码产生的完备译码、非完备译码，则反映了分组码的纠错能力是全部用于纠错，还是部分纠错检错。循环码是线性分组码中重要的一类码，从应用角度其编码与译码电路较为简单，易于实现;且编、译码方法方便、成熟。

(二)信道编、译码方法的发展过程与启示

不难看出，信道编码的方法是丰富多彩的。也是渐进发展，逐步完善的过程。由此可见，理论指导是发展的方向。对信道编码的理论支撑及方向的指引，使得信道编码方法沿着丰富而日臻完善、接近而趋于极限的方向发展。从这一发展过程可以看出，任何一种新的或衍生的方法，都是有局限性的。但这种局限和不完善性，并不会阻碍新的方法的产生和发展。旧的矛盾解决的同时，新的矛盾又会出现。正如，纠错检错能力的提高，对信息进行错误保护，以抵御信道或网络等信息传输过程的干扰所产生的误码或数据丢失的同时，也将使编码及信息传输效率降低。由于信道编码增加了数据量，其结果只能是以降低传送有用信息码率为代价。因此，不同的编码方式，其纠、检错的能力不同，编码效率(信息传输效率)也有所不同。

三、从工程应用实例看理论支撑点

(一)智能住宅小区建设中信道编码技术的应用

在工程中首次接触的，应用于数字电视地面广播(DTTB)的编码调制方案中，涉及到：以多级分组乘积码代替传统的串行级联编码结构，提高了频谱效率;同时采用一种多分辨率星座图，可在一个DTTB信道中提供3种级别的服务.在接收端采用基于MAX—LOG—MAP准则的迭代Turbo译码算法以获得可靠接收。仿真结果表明，在视觉门限BER=3×10-6处，高优先级码流的比特信噪比约为7dB，适用于高可靠性的服务.中优先级和低优先级码流可支持室外固定接收。由此，也加深了对并行级联卷积码的反馈迭代结构的理解。

(二)网络编码与网络安全

在网络工程中，接触到多址信道中联合网络编码和信道编码的设计方案。该方案利用LDPC码和网络编码的线性特性以及软输入软输出模块设计，不仅减少了编译码的复杂度，而且提高了编译码效率。同时，了解了网络——信道编码分离定理，以及该定理成立的条件，即当网络中的信道是确定型广播信道时，分离定理不成立。而信道安全编码与网络安全编码同样重要，又有所区别。信道编码问题，其核心是对传送的信息进行错误保护，以抗击信道或网络等信息传输媒介所带来的误码或数据丢失。而网络中的通信安全是网络编码研究的重要课题之一，网络安全编码更侧重于网络使用者信息及使用的安全层面。网络编码技术的发展可以大幅度提高网络的吞吐量。

四、结束语

专业技术的专长与拓展并存，这是专业技术发展的必然趋势。身处信息时代，信息科学是研究信息的获取、传输以及应用的科学，是信息资源与技术开发及其推广应用的理论基础，是信息技术及信息产业的核心。通信工程、电子信息工程、计算机科学、计算机应用等众多应用技术与信息科学、信息技术及信息产业息息相关。信道编码从理论上要解决理想编码器、译码器的存在性问题，即解决信道能传送的最大信息率的可能性和超过这个最大值时的传输问题;同时构造性的编码方法以及这些方法能达到的性能界限。筒言之，通过信道编码器和译码器来实现的用于提高信道可靠性的理论和方法。

1959年,David Hubel和Toresten Wiesel通过对猫的视觉条纹皮层简单细胞感受野的研究得出一个结论:主视皮层V1区神经元的感受野能对视觉感知信息产生一种“稀疏表示”。1961年,H.B.Barlow[5]基于这一知识提出了“利用感知数据的冗余”进行编码的理论.1969年,D.J.Willshaw和O.P.Buneman等人提出了基于Hebbian 学习的局部学习规则的稀疏表示模型.这种稀疏表示可以使模型之间有更少的冲突,从而使记忆能力最大化.Willshaw模型的提出表明了稀疏表示非常有利于学习神经网络中的联想.1972年,Barlow推论出在稀疏性(Sparsity)和自然环境的统计特性之间必然存在某种联系.随后,有许多计算方法被提出来论证这个推论,这些方法都成功地表明了稀疏表示可以体现出在大脑中出现的自然环境的统计特性.1987年,Field提出主视皮层V1区简单细胞的感受野非常适于学习视网膜成像的图像结构,因为它们可以产生图像的稀疏表示.基于这个结论,1988年,Michison明确提出了神经稀疏编码的概念,然后由牛津大学的E.T.Roll 等人正式引用.随后对灵长目动物视觉皮层和猫视觉皮层的电生理的实验报告,也进一步证实了视觉皮层复杂刺激的表达是采用稀疏编码原则的.1989年,Field提出了稀疏分布式编码(Sparse Distributed Coding)方法.这种编码方法并不减少输入数据的维数,而是使响应于任一特殊输入信息的神经细胞数目被减少,信号的稀疏编码存在于细胞响应分布的四阶矩(即峭度Kurtosis)中.1996年,Olshausen和Field在Nature杂志上发表了一篇重要论文指出,自然图像经过稀疏编码后得到的基函数类似于V1区简单细胞感受野的反应特性.这种稀疏编码模型提取的基函数首次成功地模拟了V1区简单细胞感受野的三个响应特性:空间域的局部性、时域和频域的方向性和选择性.考虑到基函数的超完备性(基函数维数大于输出神经元的个数),Olshausen 和Field在1997年又提出了一种超完备基的稀疏编码算法,利用基函数和系数的概率密度模型成功地建模了V1区简单细胞感受野.1997年,Bell和Sejnowski 等人把多维独立分量分析(Independent Component Analysis, ICA)用于自然图像数据分析,并且得出一个重要结论:ICA实际上就是一种特殊的稀疏编码方法.2014年，21世纪以来,国外从事稀疏编码研究的人员又提出了许多新的稀疏编码算法,涌现出了大量的稀疏编码方面的论文,国内研究者在稀疏编码算法和应用方面也作了一些工作],但远远落后于国外研究者所取得的成果.