用Matlab实战(3,1,2)卷积码的维特比译码从零搭建完整仿真系统在数字通信系统的可靠性保障中卷积码的维特比译码算法扮演着关键角色。许多教材和论文会花大量篇幅讲解算法原理和数学推导但真正要动手实现时却常让人无从下手。本文将彻底改变这种纸上谈兵的学习方式——我们将用Matlab从零开始完整实现一个(3,1,2)卷积码的维特比译码系统所有代码均可直接运行和修改。1. 准备工作理解卷积码的基本参数在开始编码前我们需要明确几个关键参数(3,1,2)卷积码的含义3每输入1比特输出3比特码率R1/31每次输入1比特k12寄存器级数约束长度Km13生成多项式通常表示为八进制形式[4,7,5]对应二进制第一路100 (4)第二路111 (7)第三路101 (5)在Matlab中我们可以用poly2trellis函数快速建立网格图描述ConstraintLength 3; CodeGenerator [4,7,5]; trellis poly2trellis(ConstraintLength, CodeGenerator);这个trellis对象将包含我们需要的所有状态转移信息。2. 构建核心数据结构状态转移表维特比译码的核心是理解状态转移。对于(3,1,2)卷积码有2^24种可能状态因为m2。我们需要构建三个关键表格2.1 状态转移表(next_state)当前状态输入0的下一状态输入1的下一状态0000100100101001111101112.2 输出表(output)当前状态输入0的输出输入1的输出000001110101110010001110110101012.3 输入推导表(input)这个表用于回溯时确定输入比特当前状态下一状态00下一状态01下一状态10下一状态11000-1-010-1-10-0-111-0-1在Matlab中我们可以用以下代码生成这些表格numStates 2^(ConstraintLength-1); next_state zeros(numStates, 2); output zeros(numStates, 2); for current_state 0:numStates-1 for input_bit 0:1 % 计算下一状态去掉最高位左移后加入新输入 next_state(current_state1, input_bit1) ... bitshift(current_state, -1) bitshift(input_bit, ConstraintLength-2); % 计算输出模2加 output_bits [0 0 0]; if input_bit output_bits output_bits [1 1 1]; % 对应生成多项式4 end if bitand(current_state, 1) output_bits output_bits [1 0 1]; % 对应生成多项式5 end if bitand(bitshift(current_state, -1), 1) output_bits output_bits [0 1 1]; % 对应生成多项式7 end output(current_state1, input_bit1) bin2dec(num2str(mod(output_bits, 2))); end end3. 实现维特比译码的四大核心模块维特比译码器通常由四个主要单元组成我们将逐个实现。3.1 分支度量单元(BMU)BMU计算接收序列与所有可能输出之间的汉明距离function branch_metrics BMU(received, output_table) % received: 当前接收到的3比特码字0-7的整数 % output_table: 预先计算的输出表 numStates size(output_table, 1); branch_metrics zeros(numStates, 2); % 每个状态和输入组合的分支度量 for state 1:numStates for input_bit 0:1 expected_output output_table(state, input_bit1); % 计算汉明距离 xor_result bitxor(received, expected_output); distance sum(dec2bin(xor_result, 3) 1); branch_metrics(state, input_bit1) distance; end end end3.2 加比选单元(ACSU)ACSU是维特比算法的核心执行加-比-选操作function [survivor_paths, path_metrics] ACSU(branch_metrics, prev_path_metrics, next_state_table) numStates size(next_state_table, 1); survivor_paths zeros(numStates, 1); path_metrics inf(numStates, 1); for current_state 0:numStates-1 for input_bit 0:1 next_state next_state_table(current_state1, input_bit1) 1; total_metric prev_path_metrics(current_state1) branch_metrics(current_state1, input_bit1); if total_metric path_metrics(next_state) path_metrics(next_state) total_metric; survivor_paths(next_state) current_state; end end end end3.3 幸存路径存储单元(SMU)SMU管理幸存路径的历史记录function survivor_states SMU(survivor_paths, prev_survivor_states, traceback_depth) numStates length(survivor_paths); survivor_states zeros(numStates, traceback_depth); % 将历史记录向前移动一位 if nargin 2 ~isempty(prev_survivor_states) survivor_states(:, 1:end-1) prev_survivor_states(:, 2:end); end % 添加新的状态记录 for state 1:numStates survivor_states(state, end) survivor_paths(state); end end3.4 回溯单元(TBU)TBU从最终状态回溯找出最可能路径function decoded_bits TBU(survivor_states, input_table, traceback_depth) numStates size(survivor_states, 1); decoded_bits zeros(1, traceback_depth); % 从最小度量状态开始回溯 [~, end_state] min(survivor_states(:, end)); for i traceback_depth:-1:1 prev_state survivor_states(end_state, i); % 使用input_table确定输入比特 decoded_bits(i) input_table(prev_state1, end_state); end_state prev_state; end end4. 完整仿真流程与性能验证现在我们将所有模块整合成一个完整的仿真系统% 参数设置 numBits 1000; % 信息比特数 EbN0_dB 5; % 信噪比(dB) traceback_depth 30; % 回溯深度 % 生成随机信息比特 info_bits randi([0 1], 1, numBits); % (3,1,2)卷积编码 trellis poly2trellis(3, [4 7 5]); coded_bits convenc(info_bits, trellis); % BPSK调制 tx_signal 2*coded_bits - 1; % 添加高斯白噪声 EbN0 10^(EbN0_dB/10); noise_var 1/(2*EbN0*1/3); % 1/3是码率 rx_signal tx_signal sqrt(noise_var)*randn(size(tx_signal)); % 硬判决 rx_bits rx_signal 0; % 维特比译码初始化 numStates 4; path_metrics inf(numStates, 1); path_metrics(1) 0; % 初始状态为00 survivor_states []; % 分组处理接收比特 decoded_bits zeros(1, numBits); for i 1:3:length(rx_bits)-2 received_word bin2dec(num2str(rx_bits(i:i2))); % BMU branch_metrics BMU(received_word, output); % ACSU [survivor_paths, path_metrics] ACSU(branch_metrics, path_metrics, next_state); % SMU survivor_states SMU(survivor_paths, survivor_states, traceback_depth); % 定期执行TBU if mod(i, traceback_depth*3) 0 decoded_segment TBU(survivor_states, input, traceback_depth); start_idx i/3 - traceback_depth 1; decoded_bits(start_idx:start_idxtraceback_depth-1) decoded_segment; end end % 计算误码率 ber sum(info_bits(1:length(decoded_bits)) ~ decoded_bits) / length(decoded_bits); fprintf(误码率: %.4f\n, ber);5. 性能优化与实用技巧在实际实现中有几点关键优化可以显著提升性能量化处理使用软判决3-4比特量化可提升约2dB性能示例软判决BMU实现function branch_metrics BMU_soft(received_soft, output_table, quantization_levels) % received_soft: 量化的接收信号如0-7表示8级量化 % output_table: 输出码字表 % quantization_levels: 量化级数如8 numStates size(output_table, 1); branch_metrics zeros(numStates, 2); scale_factor (quantization_levels-1)/2; for state 1:numStates for input_bit 0:1 expected_output output_table(state, input_bit1); expected_soft (2*de2bi(expected_output,3)-1) * scale_factor; branch_metrics(state, input_bit1) sum(abs(received_soft - expected_soft)); end end end并行处理现代Matlab支持并行计算可以加速ACSU操作使用parfor优化ACSUparfor next_state 1:numStates % 找出所有可能转移到next_state的(current_state, input)组合 [prev_states, inputs] find(next_state_table next_state-1); [min_metric, idx] min(prev_path_metrics(prev_states) ... branch_metrics(sub2ind(size(branch_metrics), prev_states, inputs))); path_metrics(next_state) min_metric; survivor_paths(next_state) prev_states(idx)-1; end自适应回溯深度固定回溯深度可能造成资源浪费实现动态回溯策略function is_converged check_convergence(survivor_states) % 检查所有幸存路径是否已收敛到同一路径 last_column survivor_states(:, end); if all(last_column last_column(1)) is_converged true; else is_converged false; end end资源优化使用查找表加速核心运算预计算所有可能的汉明距离% 预计算所有可能的3比特汉明距离 hamming_lut zeros(8,8); for i 0:7 for j 0:7 hamming_lut(i1,j1) sum(bitget(bitxor(i,j),1:3)); end end这套完整实现不仅可以帮助理解维特比译码的工作原理更可以直接应用于实际通信系统仿真。通过调整参数和优化实现你可以在自己的项目中快速集成可靠的卷积码编解码功能。
别再死磕原理了！用Matlab手把手仿真(3,1,2)卷积码的维特比译码（附完整代码）
用Matlab实战(3,1,2)卷积码的维特比译码从零搭建完整仿真系统在数字通信系统的可靠性保障中卷积码的维特比译码算法扮演着关键角色。许多教材和论文会花大量篇幅讲解算法原理和数学推导但真正要动手实现时却常让人无从下手。本文将彻底改变这种纸上谈兵的学习方式——我们将用Matlab从零开始完整实现一个(3,1,2)卷积码的维特比译码系统所有代码均可直接运行和修改。1. 准备工作理解卷积码的基本参数在开始编码前我们需要明确几个关键参数(3,1,2)卷积码的含义3每输入1比特输出3比特码率R1/31每次输入1比特k12寄存器级数约束长度Km13生成多项式通常表示为八进制形式[4,7,5]对应二进制第一路100 (4)第二路111 (7)第三路101 (5)在Matlab中我们可以用poly2trellis函数快速建立网格图描述ConstraintLength 3; CodeGenerator [4,7,5]; trellis poly2trellis(ConstraintLength, CodeGenerator);这个trellis对象将包含我们需要的所有状态转移信息。2. 构建核心数据结构状态转移表维特比译码的核心是理解状态转移。对于(3,1,2)卷积码有2^24种可能状态因为m2。我们需要构建三个关键表格2.1 状态转移表(next_state)当前状态输入0的下一状态输入1的下一状态0000100100101001111101112.2 输出表(output)当前状态输入0的输出输入1的输出000001110101110010001110110101012.3 输入推导表(input)这个表用于回溯时确定输入比特当前状态下一状态00下一状态01下一状态10下一状态11000-1-010-1-10-0-111-0-1在Matlab中我们可以用以下代码生成这些表格numStates 2^(ConstraintLength-1); next_state zeros(numStates, 2); output zeros(numStates, 2); for current_state 0:numStates-1 for input_bit 0:1 % 计算下一状态去掉最高位左移后加入新输入 next_state(current_state1, input_bit1) ... bitshift(current_state, -1) bitshift(input_bit, ConstraintLength-2); % 计算输出模2加 output_bits [0 0 0]; if input_bit output_bits output_bits [1 1 1]; % 对应生成多项式4 end if bitand(current_state, 1) output_bits output_bits [1 0 1]; % 对应生成多项式5 end if bitand(bitshift(current_state, -1), 1) output_bits output_bits [0 1 1]; % 对应生成多项式7 end output(current_state1, input_bit1) bin2dec(num2str(mod(output_bits, 2))); end end3. 实现维特比译码的四大核心模块维特比译码器通常由四个主要单元组成我们将逐个实现。3.1 分支度量单元(BMU)BMU计算接收序列与所有可能输出之间的汉明距离function branch_metrics BMU(received, output_table) % received: 当前接收到的3比特码字0-7的整数 % output_table: 预先计算的输出表 numStates size(output_table, 1); branch_metrics zeros(numStates, 2); % 每个状态和输入组合的分支度量 for state 1:numStates for input_bit 0:1 expected_output output_table(state, input_bit1); % 计算汉明距离 xor_result bitxor(received, expected_output); distance sum(dec2bin(xor_result, 3) 1); branch_metrics(state, input_bit1) distance; end end end3.2 加比选单元(ACSU)ACSU是维特比算法的核心执行加-比-选操作function [survivor_paths, path_metrics] ACSU(branch_metrics, prev_path_metrics, next_state_table) numStates size(next_state_table, 1); survivor_paths zeros(numStates, 1); path_metrics inf(numStates, 1); for current_state 0:numStates-1 for input_bit 0:1 next_state next_state_table(current_state1, input_bit1) 1; total_metric prev_path_metrics(current_state1) branch_metrics(current_state1, input_bit1); if total_metric path_metrics(next_state) path_metrics(next_state) total_metric; survivor_paths(next_state) current_state; end end end end3.3 幸存路径存储单元(SMU)SMU管理幸存路径的历史记录function survivor_states SMU(survivor_paths, prev_survivor_states, traceback_depth) numStates length(survivor_paths); survivor_states zeros(numStates, traceback_depth); % 将历史记录向前移动一位 if nargin 2 ~isempty(prev_survivor_states) survivor_states(:, 1:end-1) prev_survivor_states(:, 2:end); end % 添加新的状态记录 for state 1:numStates survivor_states(state, end) survivor_paths(state); end end3.4 回溯单元(TBU)TBU从最终状态回溯找出最可能路径function decoded_bits TBU(survivor_states, input_table, traceback_depth) numStates size(survivor_states, 1); decoded_bits zeros(1, traceback_depth); % 从最小度量状态开始回溯 [~, end_state] min(survivor_states(:, end)); for i traceback_depth:-1:1 prev_state survivor_states(end_state, i); % 使用input_table确定输入比特 decoded_bits(i) input_table(prev_state1, end_state); end_state prev_state; end end4. 完整仿真流程与性能验证现在我们将所有模块整合成一个完整的仿真系统% 参数设置 numBits 1000; % 信息比特数 EbN0_dB 5; % 信噪比(dB) traceback_depth 30; % 回溯深度 % 生成随机信息比特 info_bits randi([0 1], 1, numBits); % (3,1,2)卷积编码 trellis poly2trellis(3, [4 7 5]); coded_bits convenc(info_bits, trellis); % BPSK调制 tx_signal 2*coded_bits - 1; % 添加高斯白噪声 EbN0 10^(EbN0_dB/10); noise_var 1/(2*EbN0*1/3); % 1/3是码率 rx_signal tx_signal sqrt(noise_var)*randn(size(tx_signal)); % 硬判决 rx_bits rx_signal 0; % 维特比译码初始化 numStates 4; path_metrics inf(numStates, 1); path_metrics(1) 0; % 初始状态为00 survivor_states []; % 分组处理接收比特 decoded_bits zeros(1, numBits); for i 1:3:length(rx_bits)-2 received_word bin2dec(num2str(rx_bits(i:i2))); % BMU branch_metrics BMU(received_word, output); % ACSU [survivor_paths, path_metrics] ACSU(branch_metrics, path_metrics, next_state); % SMU survivor_states SMU(survivor_paths, survivor_states, traceback_depth); % 定期执行TBU if mod(i, traceback_depth*3) 0 decoded_segment TBU(survivor_states, input, traceback_depth); start_idx i/3 - traceback_depth 1; decoded_bits(start_idx:start_idxtraceback_depth-1) decoded_segment; end end % 计算误码率 ber sum(info_bits(1:length(decoded_bits)) ~ decoded_bits) / length(decoded_bits); fprintf(误码率: %.4f\n, ber);5. 性能优化与实用技巧在实际实现中有几点关键优化可以显著提升性能量化处理使用软判决3-4比特量化可提升约2dB性能示例软判决BMU实现function branch_metrics BMU_soft(received_soft, output_table, quantization_levels) % received_soft: 量化的接收信号如0-7表示8级量化 % output_table: 输出码字表 % quantization_levels: 量化级数如8 numStates size(output_table, 1); branch_metrics zeros(numStates, 2); scale_factor (quantization_levels-1)/2; for state 1:numStates for input_bit 0:1 expected_output output_table(state, input_bit1); expected_soft (2*de2bi(expected_output,3)-1) * scale_factor; branch_metrics(state, input_bit1) sum(abs(received_soft - expected_soft)); end end end并行处理现代Matlab支持并行计算可以加速ACSU操作使用parfor优化ACSUparfor next_state 1:numStates % 找出所有可能转移到next_state的(current_state, input)组合 [prev_states, inputs] find(next_state_table next_state-1); [min_metric, idx] min(prev_path_metrics(prev_states) ... branch_metrics(sub2ind(size(branch_metrics), prev_states, inputs))); path_metrics(next_state) min_metric; survivor_paths(next_state) prev_states(idx)-1; end自适应回溯深度固定回溯深度可能造成资源浪费实现动态回溯策略function is_converged check_convergence(survivor_states) % 检查所有幸存路径是否已收敛到同一路径 last_column survivor_states(:, end); if all(last_column last_column(1)) is_converged true; else is_converged false; end end资源优化使用查找表加速核心运算预计算所有可能的汉明距离% 预计算所有可能的3比特汉明距离 hamming_lut zeros(8,8); for i 0:7 for j 0:7 hamming_lut(i1,j1) sum(bitget(bitxor(i,j),1:3)); end end这套完整实现不仅可以帮助理解维特比译码的工作原理更可以直接应用于实际通信系统仿真。通过调整参数和优化实现你可以在自己的项目中快速集成可靠的卷积码编解码功能。
