交錯器設計在 ISCD 之效能比較

實驗三 不同交錯器在位元層級系統上的實現

本章節中我們將輸入100 * L個訊源取樣值，先採用 NBC 與區塊交 錯器，並且重複100次來求得CSNR 3 dB時_SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)( ),u_i y_{ ，l}^s)

148,149,150

i 。接下來再根據 4.4 節分別算出三者的統計數學模型，

以此作為交錯器設計的成本函數。最後並將分別比較區塊交錯器、隨 機交錯器和基於疊代效益設計的交錯器(根據[19]所設計的交錯器 inter1、依本論文提出的設計方法而設計的交錯器 inter2) 的系統 效能，如圖 5.8。

實驗結果

圖 5.8 不同交錯器的效能比較 (第 10 次疊代)

結果分析與討論

首先，圖 5.9 至圖 5.11 同時顯示了_SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₁₄₈),y_l^s)、

( ) ( ),(1)

( ( 149), )

n ext s

SBSD LSBSD u yl

 _ 、_SBSD^{( )n} (L⁽_SBSD^ext),(1)(u₁₅₀),y_{ 與其各自對應的l}^s)

(1) ( , ( ))

SBSD i j

  。雖然每個_SBSD⁽¹⁾ ( , ( ))i  j 與_SBSD^{( )n} (L⁽_SBSD^ext),(1)( ),u_i y_{ 在某些地l}^s)

方有誤差，但是都在可接受的範圍之內。而圖 5.8 則是 NBC 搭配不同 交錯器下系統效能的比較。相較於隨機交錯器，區塊交錯器在

4.5

CSNR  dB的通道環境下表現較差，但是於CSNR 4.5 dB的情 況下卻比較好，並且隨著CSNR的下降，兩者之間的差距也跟著拉 大。而 inter1 所表現出的趨勢則和隨機交錯器類似。inter2 的表現 最為理想：在CSNR 4.5 dB的通道環境下能夠優於區塊交錯器且接 近隨機交錯器的效能；另一方面，在CSNR 4.5 dB的通道環境下又 能擁有最好的系統效能。所以印證了同時考量通道與訊源解碼器的交 錯器設計，無論在何種通道環境下都能有不錯的疊代解碼效益，使得 系統能最優。

圖 5.9 _SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₁₄₈),y_{ l}^s)

圖 5.10 _SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₁₄₉),y_{ l}^s)

圖 5.11 _SBSD^{( )n} (L⁽_SBSD^ext),(1)(u₁₅₀),y_{ l}^s)

實驗四 不同交錯器索引層級系統上的實現

本實驗同樣以100 * L個訊源取樣值，搭配 NBC 與區塊交錯器並且 重複100次來求得SNR 3dB時的_SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₅₀),u_t)，接下來再藉

由_SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₅₀),u_t)預估出產生模型並據以設計交錯器。最後我們

將設計後的交錯器(inter1(index))與區塊交錯器、隨機交錯器的系 統效能進行比較，其結果如圖 5.12 所示。

實驗結果

圖 5.12 不同交錯器效能之比較 (第 5 次疊代)

結果分析與討論

首先觀察圖 5.13，圖中清楚地表示_SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₅₀),y_l^s)和

(1) ( , ( ))

SBSD i i

  兩者的差異不大，這意味著我們可依此設計交錯器。而

圖 5.12 則顯示了 3 種不同交錯器的系統效能，其中區塊交錯器和隨 機交錯器的效能表現幾乎是完全一樣的，inter1(index)則有別與前 兩者的表現。首先在通道環境較差時(SNR 4 dB)，基於疊代解碼 效益設計的交錯器表現較佳，並且在SNR 6 dB下與隨機交錯器效

能達0.1 dB的差距；而在SNR 4 dB的通道環境中，三種交錯器的

圖 5.13 _SBSD⁽¹⁾ (L⁽_SBSD^ext),(1)(u₅₀),y_l^s)

性能則很接近。

第六章 結論與未來展望

在本文中我們回歸到疊代訊源通道解碼演算法的本質，依渦輪準 則分析疊代解碼效能的關鍵，並且分別探討渦輪準則三大要件，交錯 器、軟性輸入輸出解碼器、額外資訊的交換，以期整體系統效能達到 最佳化目的。

我們提出的索引指定設計主要是基於通道解碼額外資訊的自相 關性變化，因為它不僅是反應系統效能的重要指標，同時也會隨著索 引指定的改變而出現明顯差異。所以可將通道解碼額外資訊的一階自 相關係數作為成本函數，來進行最佳化的索引指定設計。有別於傳統 基於額外資訊轉換圖的索引指定設計，我們提出的設計方式是以整個 系統架構為根本所衍伸的結果，因此索引指定更能與系統契合，並從 實驗結果得到驗證。

而交錯器的設計則是根據[19]概念，以軟性輸入輸出解碼演算法 的角度切入，探討解碼器在理論上對於事前資訊的要求，並藉由觀察 實際事前資訊關聯性的變化，建立交錯器與系統效能的關聯。立足於 此概念，我們融合通道與訊源解碼演算法在理論上的假設，推導出新 的交錯器設計方式，讓每個解碼器在實際疊代解碼的過程中能交換到 符合它們理論上需求的事前資訊。在第六章裡，我們比較區塊交錯

器、隨機交錯器、基於疊代效益設計的交錯器(inter1 和 inter2)，

發覺依本文交錯器設計方法所產生的交錯器確實能提升 ISCD 效益，

使系統有更好的表現。

雖然最佳化的索引指定和交錯器設計已被提出，當中卻存在龐大 計算量的問題。起因是在最佳化的索引指定設計過程中，必須執行實 際疊代解碼來統計通道解碼額外資訊相關性的變化，並且對於設定最 佳化的系統參數需要實務經驗上的支持；而最佳化交錯器的設計則是 需先觀察資訊關聯性實際的變化並求出產生模型，接下來以產生模型 進行二位元置換演算法，但二位元置換演算法的運算量又跟交錯器的 大小成正比。

因此展望未來的研究，索引指定的設計或許應考慮整合額外資訊 轉換圖和額外資訊相關性的優點。先利用額外資訊轉換圖篩選出具有 潛力的索引指定，再觀察這些索引指定的額外資訊相關性變化，從中 找出最佳的索引指定。至於交錯器的設計，則仍有諸多改善空間，例 如是否可避免對實際的資訊關聯性觀察並產生統計模型、切割交錯器 長度進行交錯器設計等，這些都是能縮短開發時間的方法。

參考文獻

[1] C.E. Shannon, “A Mathematical Theory of Communications,” Bell Syst. Tech. J., vol. 27, pp. 379-423, pp. 623-656, 1948.

[2] L. Xiaobei, “Joint Source-channel Decoding and its Application to MELP Encoded Speech,” Ph.D. thesis, Nanyang Technological University, Singapore, 2004.

[3] J. Hagenauer, “Source-Controlled Channel Decoding,” IEEE Trans.

Commun., vol. 43, pp. 2449-2457, Sep. 1995.

[4] T. Fingscheidt and P. Vary, “Softbit Speech Decoding: A New Approach to Error Concealment,” IEEE Trans. Speech Audio Processing, vol. 9, no. 3, pp. 240-251, 2001.

[5] M. Adrat, “Iterative Source-Channel Decoding for Digital Mobile Communica-tions,” Ph.D. thesis, vol. 16 of ABDN, Druck &

Verlagshaus Mainz GMBH Aachen, Aachen, Germany, 2003.

[6] J. Hagenauer, “Iterative Decoding of Binary Block and Convolutional Codes,” IEEE Trans. on Information Theory, vol. 42, no. 2, March 1996.

[7] M. Adrat, P. Vary, and J. Spittka, “Iterative Source-Channel Decoder Using Extrinsic Information from Softbit-Source Decoding,” Proc.

IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP ‘01), vol. 4, pp. 2653-2656, Salt Lake City, Utah, USA, May 2001.

[8] 許忠安，「通道匹配疊代解碼演算法之研究，國立交通大學 碩士論文，民國九十六年。

[9] 潘彥璋，「基於索引層級的疊代訊源通道解碼機制」，國立交通 大學碩士論文，民國九十七年。

[10] S. ten Brink, “Convergence behavior of iteratively decoded parallel concatenated codes,” IEEE Trans. Commun., vol. 49, no. 10, pp.

1727–1737, 2001.

[11] B. Scanavino, G. Montorsi, and S. Benedetto, “Convergence

Properties of iterative decoders working at bit and symbol level,” in Proc. IEEE GLOBECOM, San Antonio, TX, 2001, vol. 2, pp.

1037–1041.

[12] S. Lin and D.J. Costello, “Error Control Coding,” 2^nd ed., Pearson Prentice Hall, ISBN 0-13-017973-6, 1983, 2004.

[13] M. Adrat and P. Vary, “Iterative source-channel decoding: improved system design using EXIT charts,” EURASIP J. Appl. Signal

Processing (Special Issue: Turbo Processing), pp. 928–941, May 2005.

[14] J. Andersen and V. Zyablov, “Interleaver design for turbo coding,”

in Proc. Int. Symp. Turbo Codes, Brest, France, Sept. 1997, pp.

154–156.

[15] S. Crozier ,J. Lodge, P. Guinand,and A. Hunt, “Performance of Turbo-codes with relative prime and golden interleaving strategies ,”

International Mobile Satellite Conference, 6th, Ottawa, Canada;

CANADA; 16-18 June 1999. pp. 268-275. 1999.

[16] F. Daneshgaran and M. Mondin, “Design of interleaver for turbo codes based on a cost function,” in Proc. Int. Symp. on Turbo Codes

& Related Topics, Brest, France, Sept. 1997, pp. 255–258.

[17] S. Dolinar and D. Divsalar, “Weight Distributions for Turbo Codes Using Random and Nonrandom Permutations,” The

Telecommunications and Data Acquisition Progress Report 42-122, April–June 1995, Jet Propulsion Laboratory,Pasadena, California, pp.

56–65, August 15, 1995.

[18] P. Robertson, “Improving decoder and code structure of parallel concatenated recursive systematic (turbo) codes,” Int. Conf.

Universal Personal Commun., San Diego, CA, pp.183–187, Sep.–Oct. 1994.

[19] J. Hokfelt,“On the Design of Turbo Codes”, PhD Dissertation, Lund University, Lund, Sweden 2000

[20] C. Berrou, A. Glavieux and P. Thitimajshima, “Near Shannon Limit Error-Correcting Coding and Decoding:Turbo codes”, ICC ’93, Conference Record, Geneva, pp. 1064–1070, 1993

[21] L. R. Bahl, J. Cocke, F. Jelinek, and J. Raviv, “Optimal decoding of linear codes for minimizing symbol error rate,” IEEE Trans.

Inform.Theory, vol. IT-20, pp. 284-287, Mar. 1974.

[22] N. Görtz, “Optimization of Bit Mappings for Iterative Source- Channel Coding,” in Proc. of International Symposium on Turbo

Codes and Related Topics, (Brest, France), pp. 255–258, Sept. 2003.

[23] K. Zeger and A. Gersho, “Pseudo-Gray Coding,” IEEE Transactions on Communications,vol. COM-38, pp. 2147–2158, Dec. 1990.

[24] N. Wiberg, “Codes and decoding on general graphs,” Ph.D.

dissertation,Dept. Elec. Eng., Linköping Univ., Sweden, 1996.

[25]M. Adrat, U. von Agris, and P. Vary, “Convergence Behavior Of Iterative Source-Channel Decoding,” in Proc. of ICASSP 2003, 2003, vol. 4, pp.269–272

[26] 陳亞民，「渦輪碼原則在合併訊源通道編碼之研究」，國立交

通大學碩士論文，民國九十八年。