BRPI0305571B1 - Apparatus and method for turbo decoding using modified max-log-map decoders - Google Patents

Description

APARELHO E MÉTODO PARA DECODIFICAÇÃO TURBO UTILIZANDO DECODIFICADORES MAX-LOG-MAP MODIFICADOS

HISTÓRICO DA INVENÇÃO 1. Campo da Invenção [001] A presente invenção relaciona-se genericamente a um aparelho e método para a correção de erro de encaminhamento (FEC) em um sistema de comunicação digital e, em particular, e um aparelho e método para a decodificação turbo. 2. Descrição da Tecnologia Relacionada [002] Em geral, códigos turbo são utilizados para a comunicação de dados de alta velocidade, particularmente em Evolution Data Only (lxEV-DO) ou Evolution Data and Voice (lxEV-DV). Berrou et al. propôs os códigos turbo em 1993. O codificador turbo é uma concatenação paralela de dois codificadores Recursive Systematic Convolutional (RSC) constituintes com um entrelaçador aleatório no meio. Assim, o código turbo é produzido pela codificação de bits de informação e bits de informação entrelaçada nos codificadores constituintes RSC. A decodificação turbo envolve uma concatenação serial de dois decodificadores constituintes, cada um para decodificar iterativamente, intercambiar sua informação extrinseca com o outro decodificador constituinte. Há três algoritmos aplicáveis para cada decodificador constituinte: Log-MAP, Max-Log-MAP, e Soft Output Viterbi Algorithm (SOVA).

[003] O algoritmo Log-MAP é a implementação no domínio logarítmico de um algoritmo MAP que é ótimo para decodificar uma palavra de informação em uma treliça. O algoritmo Max-Log-MAP é derivado facilmente do algoritmo Log-MAP por uma aproximação de computação métrica. Apesar da vantagem da implementação simples quando comparado com o algoritmo Log-MAP, o algoritmo Max-Log-MAP leva a uma degradação do desempenho quando uma Proporção Sinal-a-Ruido (SNR) perfeita é possível no receptor, [004] Para o algoritmo Log-MAP, a métrica de estado e uma Razão de Verossimilhança Logarítmica (LLR) são calculadas. A métrica de estado α e β para um estado (s e s' ) em uma treliça no tempo de decodificação k são em uma relação recursiva expressa como: em que γ é uma métrica de ramo definida por um símbolo recebido em um canal. Utilizando a métrica de estado e a métrica de ramo, o LLR de um ke£ltr'° símbolo é obtido por: [005] Na Equação <2) , Mr,(i) é uma iHílina métrica em disposição por ordem descendente de métricas (log(a^. i (s' }{s' . s)βχ{s) ) ) para um símbolo de informação n(0 ou 1) no conjunto de estado (s, s'} no tempo k. Portanto, Mo {0) e Mi (00 são as melhores métricas para o símbolo de informação 1 e 0 no tempo k, e fc é um. valor de correção definido pela diferença entre a melhor métrica e as outras métricas para cada símbolo de informação. Assim, o LLR é atualizado utilizando a melhor diferença de métrica entre os símbolos de informação 0 e 1 no tempo k e o valor de correção fc.

[006] Em resumo, o algoritmo Log-MAP gera todas as métricas de estado em uma treliça para cada decodificador constituinte pela Equação (1) e calcula o LLR de um símbolo de código na treliça utilizando sua métrica de estado pela Equação (2). Cada decodificador constituinte alimenta informação extrínseca derivada do LLR para o outro decodificador constituinte, para decodificação iterativa. Desta maneira, a decodificação turbo é efetuada.

[007] O algoritmo Max-Log-MAP é uma versão simplificada do algoritmo Log-MAP ao reduzir o cálculo de métrica de estado da Equação (1) para uma operação máxima expressa como: [008] Da mesma maneira, o LLR do kesimo símbolo de decodificação é simplesmente calculado pela operação máxima. O LLR é atualizado utilizando apenas a melhor diferença métrica, supondo que fc seja 0. Assim, L(ük)=Mo(0)-M!(0) (4) [009] Em resumo, o algoritmo Max-Log-MAP busca todas as métricas de estado na treliça por cada decodificador constituinte pela operação máxima da Equação (3) e calcula o LLR de um símbolo de código na treliça utilizando a melhor diferença métrica entre os símbolos de informação 0 e 1 pela Equação (4). Informação extrínseca derivada do LLR é alimentada ao outro decodificador constituinte, para a decodificação iterativa. Desta maneira, a decodificação turbo é efetuada.

[0010] Um assim-chamado algoritmo Max-Log-MAP com Ganho de realimentação (FG) considera um ganho adicional derivado do LLR calculado pela Equação (4) para melhorar o desempenho de decodificação do algoritmo Max-Log-MAP. Um fator de ponderação multiplicado como o ganho de realimentação é cerca de 0,588235 e aplicado apenas à informação extrinseca de um segundo decodificador constituinte.

[0011] Como o algoritmo Log-MAP é a implementação no domínio logarítmico de um símbolo ótimo pelo algoritmo de decodificação MAP do símbolo, ele efetua tão bem quanto o algoritmo MAP. No entanto, quando o algoritmo Log-MAP é implementado em hardware, a função de log(l+e_A) que define cada métrica precisa ser implementado em hardware ou na forma de uma tabela de pesquisa. O algoritmo Max-Log-MAP, por outro lado, não requer qualquer tabela de pesquisa, mas efetua pior que o algoritmo Log-MAP. Os benefícios e deficiências do algoritmo Log-MAP e do algoritmo Max-Log-MAP são os seguintes: (1) O algoritmo Log-MAP: Como ele é um algoritmo de decisão de símbolo a símbolo ótimo, ele é o melhor algoritmo de decodificação turbo. No entanto, a implementação de log(l+e_A) aumenta a complexidade de hardware. Ademais, log(l+e_A) é uma função não linear e assim uma estimativa de SNR precisa de um símbolo recebido é necessária para calcular a métrica de ramo pela qual Δ é definida. Se a estimação de SNR envolve erros, este erro no casamento de SNR degrada acentuadamente o desempenho; (2) 0 algoritmo Max-Log_MAP: 0 cálculo Log() não é necessário para o cálculo de métrica porque todas as métricas são calculadas pela operação máxima. Portanto, o problema de complexidade de hardware maior conforme encontrado no algoritmo Log-MAP não é produzido. Ademais, o cálculo de métricas pela operação máxima obvia a necessidade da função não linear (log(l+e_A), o que implica que não há nenhum problema relacionado ao erro de casamento de SNR. No entanto, como o algoritmo Max-Log_MAP é uma aproximação do algoritmo Log-MAP, ele efetua cerca de 0,3 a 0,4 dB pior que o algoritmo Log-MAP.

[0012] Conforme é descrito acima, o algoritmo Log-MAP e o algoritmo Max-Log-MAP causam maior complexidade de hardware e degradação de desempenho como suas respectivas deficiências.

SINOPSE DA INVENÇÃO

[0013] Portanto, é um objeto da presente invenção fornecer um aparelho e método de decodificação turbo que desempenhem melhor que o algoritmo Max-Log-MAP na decodificação turbo.

[0014] É outro objeto da presente invenção fornecer um aparelho e método de decodificação turbo que é menos completo que o algoritmo Log-MAP.

[0015] Os objetos acima são substancialmente alcançados por um decodificador constituinte para decodificar um código turbo e um método de decodificação constituinte do mesmo. A melhor métrica e a segunda melhor métrica são calculadas para o valor de um símbolo de código recebido em um estado arbitrário de uma treliça de decodificação turbo durante a decodificação turbo do símbolo de código. A informação extrínseca necessária para a decodificação turbo do simbolo de código é calculada. A diferença entre a informação extrinseca e uma diferença da melhor métrica-segunda melhor métrica é calculada. 0 LLR do simbolo de código é atualizado pela multiplicação da diferença calculada por um fator de ponderação predeterminado e decidir o valor do simbolo de código.

[0016] A informação extrinseca é calculada utilizando a diferença entre as duas métricas, o simbolo de entrada refletindo um SNR e a informação a priori do simbolo de entrada.

[0017] O fator de ponderação é inferior ale aproximado de 1. Preferivelmente, ele é maior que 0,588235. Preferivelmente, ele é 1/2+1/4+1/16.

[0018] Se o SNR pode ser estimado perfeitamente, o fator de ponderação é calculado utilizando uma função logaritmica. Se o SNR não pode ser perfeitamente estimado, o fator de ponderação é calculado utilizando uma função linear aproximada.

[0019] No decodificador constituinte para decodificar um código turbo, um primeiro somador para calcular o LLR de um simbolo de código recebido ao calcular a diferença entre a probabilidade do simbolo de código ser 1 e a probabilidade do simbolo de código ser 0 em um estado arbitrário de uma treliça de decodificação turbo durante a decodificação turbo do simbolo de código. Um segundo somador soma a informação de transmissão e a informação a priori do simbolo de código. Um terceiro somador calcula a diferença entre as saidas do primeiro e do segundo somadores como informação extrinseca. Um primeiro multiplicador multiplica a saida do terceiro somador por um fator de ponderação predeterminado como um ganho de realimentação. Um calculador de valor de correção calcula um valor de correção utilizando a diferença entre a melhor métrica e a segunda melhor métrica do símbolo de código. Um quarto somador soma o valor de correção à saída do primeiro multiplicador.

[0020] O calculador de valor de correção inclui um quinto somador para calcular a diferença entre a melhor métrica e a segunda melhor métrica para um símbolo de informação 0 como o valor do símbolo de código, um sexto somador para calcular a diferença entre a melhor métrica e a segunda melhor métrica para um símbolo de informação 1 como o valor do símbolo de código, e uma tabela de pesquisa para armazenar valores de correção com base na função logarítmica para as saídas do quinto e do sexto somadores e emitir valores de correção para as saídas do quinto e do sexto somadores. O calculador de valor de correção ainda inclui um sétimo somador para calcular a diferença entre os valores de correção, um segundo multiplicador para multiplicar a saída do sétimo somador por um fator de ponderação predeterminado, um oitavo somador para calcular a diferença entre as saídas do quinto e do sexto somadores, um terceiro multiplicador para multiplicar a saída do oitavo somador pela inclinação de uma função linear aproximada da função logarítmica, e um seletor para selecionar uma das saídas do segundo e do terceiro multiplicadores de acordo com a confiabilidade do SNR do símbolo de código.

[0021] O fator de ponderação é preferivelmente 1/2+1/4+1/16.

[0022] A confiabilidade do SNR é determinada de acordo como se uma estimação de SNR perfeita é ou não possível. O seletor emite o valor recebido do segundo multiplicador se uma estimação de SNR perfeita é possível, e o valor recebido do terceiro multiplicador se a estimação de SNR perfeita é impossível.

DESCRIÇÃO SUCINTA DOS DESENHOS

[0023] O que antecede e outros objetos, recursos e vantagens da presente invenção tornar-se-ão mais aparentes da seguinte descrição detalhada quando tomados em conjunto com os desenhos acompanhantes nos quais: A Figura 1 é um diagrama de blocos que ilustra um exemplo de um decodificador turbo que utiliza um algoritmo modificado Max-Log-MAP de acordo com uma versão da presente invenção; A Figura 2 é um fluxograma que ilustra um exemplo das operações para encontrar a melhor métrica Mn(0) e a segunda melhor métrica (Mn(l) no tempo de decodificação k de acordo com uma versão da presente invenção; A Figura 3 é um fluxograma que ilustra um exemplo das operações para calcular um LLR e informação extrínseca para a decodificação iterativa do algoritmo Max-Log_MAP modificado de acordo com uma versão da presente invenção; A Figura 4 é um diagrama de blocos de um exemplo de blocos de função para encontrar simultaneamente a melhor e a segunda melhor métrica para o LLR em um tempo de decodificação arbitrário de acordo com uma versão da presente invenção; A Figura 5 é um diagrama de blocos de um exemplo de blocos de função para produzir informação extrinseca para um símbolo de informação a um tempo de decodificação arbitrário de acordo com uma versão da presente invenção; A Figura 6 é um diagrama de blocos de um exemplo de blocos de função para calcular um valor de correção utilizado para obter a informação extrinseca de acordo com uma versão da presente invenção;

As Figuras 7 e 8 são gráficos que ilustram exemplos do desempenho de Taxa de Erro de Bit (BER) e da Taxa de Erro de Quadro (FER) de algoritmos de decodificação turbo quando um tamanho de Pacote de Codificação (EP) é de 38 64 e a velocidade de código geral é de 1/2 de acordo com uma versão da presente invenção;

As Figuras 9 e 10 são gráficos que ilustram exemplos do desempenho BER e FER de log2 MaxLogMAP, mod MaxLogMAP, MaxLogMAP com FG, e MaxLogMAP sobre iterações em Eb/N0 de 1,3 dB de acordo com uma versão da presente invenção;

As Figuras 11 e 12 são gráficos que ilustram exemplos do desempenho BER e FER de algoritmos de decodificação turbo quando o tamanho EP é de 792 e a velocidade de código efetiva é de 1/5 de acordo com uma versão da presente invenção;

As Figuras 13 e 14 são gráficos que ilustram exemplos do desempenho BER e FER sobre iterações em Eb/N0 de 0,7 dB quando o tamanho EP é de 38 64 de acordo com uma versão da presente invenção;

As Figuras 15 e 16 são gráficos que ilustram exemplos do desempenho BER e FER sobre erro de casamento de SNR em Eb/N0 de 1,2 dB quando o tamanho EP é de 3864 e a velocidade de código efetiva é de 1/2 de acordo com uma versão da presente invenção.

DESCRIÇÃO DETALHADA DA VERSÃO PREFERIDA

[0024] Versões da presente invenção serão aqui descritas abaixo com referência aos desenhos acompanhantes. Na descrição seguinte, funções ou construções bem conhecidas são omitidas por concisão.

[0025] A presente invenção pretende fornecer um algoritmo Max-Log-MAP aprimorado que, ao modificar a atualização LLR do algoritmo Max-Log-MAP existente, efetua apenas 0,1 dB ou menos pior que o algoritmo Log-MAP e oferece melhor desempenho de decodificação turbo que o algoritmo Max-Log-MAP e o algoritmo Max-Log-MAP com FG. Como o algoritmo Max-Log-MAP aprimorado é basicamente um algoritmo de decodificação turbo com base no algoritmo Max-Log-MAP, ele fornece, com vantagem, um ligeiro aumento na complexidade de hardware sem qualquer erro de casamento de SNR.

[0026] Os recursos da presente invenção são apresentados sucintamente conforme segue: [0027] Para a atualização LLR em um tempo de decodificação arbitrário, a segunda melhor métrica para os símbolos de informação 0 e 1 bem como a melhor métrica são considerados. Notadamente, a segunda melhor métrica é excluída de consideração para a atualização LLR no algoritmo Max-Log-MAP existente. Será aparente de resultados de simulação descritos posteriormente que a atualização LLR da presente invenção leva a um desempenho de decodificação turbo tão bom quanto o algoritmo Log-MAP.

[0028] Se um valor de correção fc, que é calculado utilizando a segunda melhor métrica para os símbolos de informação 0 e 1 em um tempo de decodificação arbitrário, é definido como sendo uma função não linear, o erro de casamento SNR leva a mudanças no desempenho. Portanto, fc é aproximado a uma função linear. Os resultados da simulação também esclarecerão que a aproximação de fc à função linear resulta em excelente desempenho de decodificação turbo independentemente do erro de casamento SNR.

[0029] Assim, a aproximação linear de fc será descrita de acordo com a presente invenção. Além disso, o desempenho de decodif icação turbo é avaliado no caso em que fc é definido como sua função logarítmica original e a aplicabilidade desta definição de fc é investigada.

[0030] A Figura 1 é um diagrama de blocos que ilustra um exemplo de um decodificador turbo que utiliza um algoritmo Max-Log-MAP modificado de acordo com uma versão da presente invenção. Como foi descrito acima, o algoritmo Max-Log-MAP modificado refere-se a um algoritmo Max-Log-MAP que atualiza um LLR utilizando a melhor e a segunda melhor métrica para um símbolo de informação em um tempo de decodificação de acordo com uma versão da presente invenção.

[0031] O algoritmo Max-Log-MAP modificado é aplicado a cada decodificador constituinte (DEC1 e DEC2). Uma Controladora de Ganho de realimentação (FEC) para ponderar informação extrínseca também é aplicada a cada decodificador constituinte.

[0032] Com referência à Figura 1, o primeiro e o segundo decodificadores constituintes (DEC1 e DEC2) 101 e 104, respectivamente, derivam informação extrínseca e LLR para um símbolo de informação utilizando o algoritmo Max-Log-MAP modificado. Isto é, os decodificadores constituintes 101 e 104 correspondem, cada um, a um dos codificadores constituintes de um codificador turbo. Um entrelaçador 102 entrelaça um sinal recebido do primeiro decodificador constituinte 101. Ao considerar o entrelaçamento dos dados entre os códigos constituintes de um código turbo, o entrelaçador 102 permuta a seqüência de dados de modo que a saída do primeiro decodificador constituinte 101 casa com a entrada do segundo decodificador constituinte 104. Um primeiro FG 103 multiplica o sinal entrelaçado por um fator de ponderação derivado da informação extrínseca calculada no primeiro decodificador constituinte 101 de acordo com o algoritmo Max-Log-MAP modificado. O fator de ponderação é um valor empírico. Ele é maior no algoritmo Max-Log-MAP do que no algoritmo Log-MAP. Considerando isto, a informação extrínseca para um símbolo de informação é multiplicada por um fator de ponderação inferior a 1, assim alcançando um desempenho melhor. O segundo decodificador constituinte 104 decodifica a saída do primeiro FGC 103. Um desentrelaçador 105 efetua o desentrelaçamento de modo que a saída do segundo decodificador constituinte 104 casa com a entrada do primeiro decodificador constituinte 101. Um segundo FGC 106 multiplica o sinal desentrelaçado por um fator de ponderação derivado da informação extrínseca calculada no primeiro decodificador constituinte 101 de acordo com o algoritmo Max-Log-MAP modificado. A saída do segundo FGC 106 é aplicada à entrada do primeiro decodificador constituinte 101.

[0033] Os somadores 107 e 108 somam a confiabilidade de transmissão e a probabilidade a priori (APP) de um símbolo de código recebido para gerar um LLR para um símbolo de informação utilizando a informação extrínseca derivada do segundo decodificador constituinte 105. A informação a priori é o LLR da probabilidade de um símbolo de informação ser 0 para a probabilidade do símbolo de informação ser 1. Em uma teoria de codificação geral, os símbolos de informação 0 e 1 são equiprováveis. Portanto, a informação a priori inicial é sempre 0. À medida que a decodificação iterativa prossegue, a informação extrínseca de cada decodificador constituinte é utilizada como a informação a priori de um símbolo de informação para o outro decodificador constituinte. Assim, a informação a priori não é mais 0. Um decididor 109 decide o sinal do LLR. Se o sinal LLR é positivo, o decididor 109 gera um símbolo de informação 0, e se o sinal LLR é negativo, ele gera um símbolo de informação 1. O valor de decisão é alimentado tanto para uma memória provisória de saída 110 como um verificador CRC 111. Em uma versão da presente invenção, a memória provisória de saída 110 pode ser uma memória para armazenar o valor de decisão 0 ou 1. O verificador CRC 111 verifica um CRC inserido a priori para detectar erros em um quadro de símbolos de informação decodificados.

[0034] A implementação do algoritmo Max-Log-MAP modificado nos decodificadores constituintes será agora descrita a seguir.

[0035] O algoritmo Max-Log-MAP modificado evoluiu do algoritmo Max-Log-MAP pela modificação de seu processo de atualização LLR. Assim, por simplicidade de implementação e manutenção da insensitividade da decodificação turbo ao erro de casamento de SNR, a Eq. (3) é ainda adotada para calcular as métricas de estado α e β para o segundo algoritmo Max-Log-MAP modificado. Assim, a Equação (2) é utilizada com o valor de correção fc aproximado para definir o LLR para o algoritmo Max-Log-MAP modificado.

[0036] A aproximação de fc envolve definir fc utilizando a melhor métrica Mn(0) e a segunda melhor métrica Mn(l) para os símbolos de informação 0 e 1 entre todas as métricas Mn(i) que constituem fc na Equação (2). Em outras palavras, o algoritmo de decodificação turbo da presente invenção atualiza um LLR em um tempo de decodificação arbitrário, considerando a segunda melhor métrica para os símbolos de informação 0 e 1, que são excluídos na atualização LLR do algoritmo Max-Log-MAP, bem como a sua melhor métrica.

[0037] Para a atualização LLR no algoritmo Max-Log-MAP modificado, fc é aproximado como fc«log(l+e-(Mo<0,-Mo<1)))-log(l+e-lM1lo,-M1(1))) (5) [0038] Como é observado da Equação (5), fc é definido utilizando a melhor métrica Mn(0) e a segunda melhor métrica Mn(l) para um símbolo de informação n em um tempo de decodificação. As métricas Mn(i)(i>l) menor que a segunda melhor métrica Mn(l) são descartadas na aproximação porque elas têm um impacto de negligência insignificante em fc. Enquanto o algoritmo Max-Log-MAP busca todos os conjuntos de estado (s' , s) em uma treliça em um tempo de decodificação arbitrário e calcula a melhor métrica Mn(0) para o símbolo de informação, a métrica de atualização para cada conjunto de estado, o algoritmo Max-Log-MAP modificado calcula a segunda melhor métrica (Mr, {1) além da melhor métrica Mr, (0), e isso simultaneamente para não aumentar o tempo de decodif icação. Para este fim, que a métrica para um estado s seja m (s) . Então Mr, (0) e Mn (1} são calculados simultaneamente na maneira ilustrada na Tabela 1.

Tabela 1 (1) inicialização: s=0, Mr,(0)=MIN, M,;{1)=M1N (2) encontrar m(s) (3) se Mr, (0} <m (s) , Mn {1) =Mr, (0) e M,,(0)=m(s) caso contrário se ΜΓ, (1) <m (s) , Mr{1) =m{s) (4) se s=S-l, parar. Caso contrário, vá para (5) (5) aumentar s por 1. Vá para (2) [0039] Na Tabela 1, MIN é um valor muito pequeno equivalente a -ac, para a inicialização da métrica de estado e S é o número total de estados na treliça de códigos convolucionais constituintes.

[0040] A Figura 2 é um fluxograma que ilustra um exemplo de operações para calcular a melhor métrica Mr;{0) e a segunda melhor métrica M:n(l) no tempo de decodif icação k de acordo com uma versão da presente invenção.

[0041] Com referência à Figura 2, o estado de treliça e a melhor e a segunda melhor métrica para os símbolos de informação 0 e 1 são fixados para valores iniciais no tempo de decodificação k na etapa 200 conforme indicado por (1) na Tabela 1. Na etapa 202, uma métrica para o símbolo de informação n (0 ou 1) é calculada, aumentando o estado por 1 a cada vez. Assim, a operação· da Figura 2 é o processo de encontrar o estado atual s. A métrica calculada é comparada com a melhor métrica existente para o símbolo de informação n na etapa 204. Se a métrica atual é maior que a melhor métrica existente, o procedimento vai para a etapa 206. Caso contrário, ele vai para a etapa 208. Na etapa 206, a métrica atual é fixada como a melhor métrica e a melhor métrica existente é fixada como a segunda melhor métrica.

[0042] Por outro lado, na etapa 208, a métrica atual é comparada com a segunda melhor métrica existente. Se a métrica atual é maior que a segunda melhor métrica existente, a segunda melhor métrica é atualizada para a métrica atual na etapa 210. Se a métrica atual é igual ou inferior à segunda melhor métrica existente na etapa 206 ou 210, ou na etapa 208, o procedimento vai para a etapa 212.

[0043] Na etapa 212, é determinado se o estado atual é o último estado. Se for, o procedimento termina. Se não for, o estado é aumentado em 1 na etapa 214.

[0044] Desta maneira, a métrica melhor e a segunda melhor Mn(0) e Mn(l) são obtidas ao mesmo tempo em um tempo de decodificação arbitrário. Utilizando essas métricas, o valor de correção fc é aproximado como a Equação (5).

[0045] No entanto, a aproximação não linear de fc na Equação (5) afeta o desempenho de decodificação de acordo com o valor absoluto de um símbolo de entrada no decodificador turbo. Isto é, o receptor não pode estimar um SNR preciso, resultando em um erro de casamento de SNR. Como resultado, se um símbolo de entrada de decodificador é modificado, o desempenho de decodificação turbo também é modificado. Portanto, é necessário aproximar fc da função logarítmica para uma função linear.

[0046] Será feita agora uma descrição de uma aproximação da função logarítmica comparada com uma função linear.

[0047] Com uma representação de fc pela função logaritmica como no algoritmo Log-MAP, ou por uma tabela de pesquisa correspondente à função logaritmica, o erro de casamento de SNR muda Es/N0 que é multiplicado por um símbolo de entrada de decodificador apesar de um SNR constante para o símbolo de entrada, que, de forma assombrosa, muda o desempenho da decodificação turbo. Para manter o desempenho de decodificação independentemente do valor do símbolo de entrada, a função logaritmica precisa ser modificada. A Equação (6) oferece uma aproximação para a função logaritmica. 1 (x) =log (l+e_x) »-Kx+c x>0, K>0, c>0 (6) [0048] Uma função tendo uma métrica como fator precisa ser linear com relação à métrica, para alcançar um LLR na maneira que oferece um desempenho de decodificação independentemente da mudança de um símbolo de entrada. Se fc muda de uma maneira não linear dependendo da métrica variar com o valor do símbolo de entrada, fc também muda não linearmente com relação ao LLR de acordo com o símbolo de entrada variável apesar do mesmo SNR. Portanto, um desempenho constante não é assegurado.

[0049] Na aproximação expressa como Eq (6), a constante c é desprezível. Ela é recuada pela aproximação de 1 (x) como uma função de primeira ordem com a constante c porque fc é definida pela diferença entre as funções 1 (x) tendo métricas para os símbolos de informação 0 e 1 como seus fatores.

[0050] Esta aproximação é grosseira. Devido a erros causados pela aproximação grosseira, o algoritmo Max-Log-MAP modificado da presente invenção desempenha pior que o algoritmo Max-Log_MAP modificado com 1(x) definido como uma função logaritmica. No entanto, definir 1(x) como uma função não linear poderá levar a um bom desempenho se a estimação SNR perfeita for assegurada, mas o desempenho de decodificação é modificado quando o erro de casamento de SNR muda o valor do símbolo de entrada.

[0051] Através da aproximação, o LLR é atualizado no algoritmo Max-Log-MAP modificado por L(ük)=M0(0)-Mi(0)+fc em que fc=K (M0 (0)-M0 (1) )+K (Mi (0)-Mi (1) ) (7) [0052] A segunda melhor métrica Mn(l) é calculada ao mesmo tempo que a melhor métrica Mn(0) pela Equação (7) no algoritmo de aproximação.

[0053] Agora, os fatores de ponderação aplicados à informação extrínseca serão descritos. A informação extrínseca sobre um símbolo de informação pode ser obtida utilizando um LLR do processo de atualização do LLR do algoritmo Max-Log-MAP modificado. Como o algoritmo Max-Log-MAP produz informação extrínseca através de aproximação repetida, a informação extrínseca tem um valor relativamente grande comparado com a informação extrínseca no algoritmo Log-MAP. Para reduzir este impacto, a informação extrínseca para o símbolo de informação é multiplicada por um fator de ponderação. No algoritmo Max-Log-MAP convencional com FG, um fator de ponderação predeterminado, por exemplo, 0,588235, é multiplicado pela informação extrínseca do segundo decodificador constituinte para cada iteração. No entanto, no algoritmo Max-Log-MAP modificado, o valor de correção fc que reflete a segunda melhor métrica está envolvido no LLR e assim um fator de ponderação para a informação extrinseca precisa ser mais próximo de 1 que fc. Considerando um fator de ponderação Wf, a informação extrinseca é formada como: Le (uk) =Wf ( (M0 (0) -Mi (0) +fc) - (Lcyk+La (Ük) ) =Wf ( (M0 (0) -Mi (0) ) - (Lcyk+La (Ük) ) + f c' em que fc' =Wf (log (1+e”<M0 <0)”Mo(1) ’)-log (l+e”Mi<0)”Mi(1) ’) ) ou fc'="K' (Mo(O)-Mo(l) )+K' (Mi (0) -Mi (1) ) (8) [0054] Na Equação (8), K'=K f.Lcyk é um sinal que reflete uma confiabilidade de canal na entrada do decodificador turbo e La(ük) é a informação a priori do símbolo de informação atual. A fórmula é produzida ao subtrair a informação extrinseca da diferença entre a melhor métrica e a segunda melhor métrica e depois acrescentar um novo valor de correção fc' à diferença resultante. Doravante, fc' é denominado de valor de correção.

[0055] A descrição seguinte é feita para definir um LLR e a informação extrinseca para a decodificação iterativa no algoritmo Max-Log-MAP modificado.

[0056] A Figura 3 é um fluxograma que ilustra um exemplo das operações para calcular o LLR para um símbolo de informação e a informação extrinseca utilizada para a decodificação iterativa no algoritmo Max-Log-MAP modificado de acordo com uma versão da presente invenção.

[0057] Com referência à Figura 3, uma métrica de ramo γ é calculada para uma transição de estado arbitrária em uma treliça na etapa 400 e as métricas de estado α e β são atualizadas para todos os conjuntos de estado (s, s') em relação à transição de estado na etapa 402. Na etapa 404, a melhor métrica Mn(0) e a segunda melhor métrica Mn(l) são encontradas ao mesmo tempo para obter o LLR no procedimento da Figura 2, atualizando a métrica de estado. O LLR é calculado utilizando a diferença entre Mn(0) e Mn(l), a entrada de decodificador com um SNR considerado nela, e a informação a priori de um símbolo de informação pela Equação (8) na etapa 406. Esta etapa é efetuada nos blocos de função 601, 602 e 603 ilustradas na Figura 5. Na etapa 408, a informação extrínseca é multiplicada por um fator de ponderação Wf, que é efetuado no bloco de função 604 ilustrado na Figura 5.

[0058] O valor de correção fc' é escolhido como um de dois valores definidos na Equação (8) , dependendo de se a função logarítmica é aproximada ou não a uma função linear. Se o receptor pode efetuar a estimação de SNR perfeita, fc' é escolhido como a função logarítmica original. Caso contrário, ela é escolhida como a função linear aproximada. Assim, se a estimação SNR perfeita é possível na etapa 410, o procedimento vai para a etapa 412, e se ela é impossível, o procedimento vai para a etapa 414. A função logarítmica é escolhida quando os blocos de função 701, 702, 703, 705 e 707, ilustrados na Figura 6, emitem FLAG como 0, enquanto a função linear é escolhida quando os blocos de função 701, 702, 704, 706 e 708, ilustrados na Figura 6, emitem FLAG como 1.

[0059] A Figura 4 é um diagrama de blocos de um exemplo de blocos de função para encontrar a melhor métrica e a segunda melhor métrica em relação a um LLR em um tempo de decodificação arbitrário de acordo com uma versão da presente invenção.

[0060] Com referência à Figura 4, a linha sólida em negrito denota a seção para encontrar a segunda melhor métrica, isto é, os blocos de função 511 a 514. Portanto, os outros blocos de função 501, 502 e 503 operam de acordo com o algoritmo Max-Log-MAP. Esses blocos de função atualizam as métricas para todos os estados da treliça, aumentando o indice de um estado por 1 a cada vez. Aqui, o sinal SELO é 0 para o primeiro estado e 1 para os estados seguintes. O sinal SELl é 0 zero para o primeiro e segundo estados e 1 para os estados seguintes.

[0061] Os blocos de função 502, 503, 511, 513 e 514 são seletores para emitir a entrada na porta 0 se um sinal selecionado for 0 e a entrada na porta 1 se o sinal selecionado for 1. Os blocos de função 501 e 512 são seletores para emitir 1 se o sinal na porta a for inferior a um sinal na porta b, e 0 se o sinal na porta a é igual ou maior que o sinal na porta b.

[0062] A Figura 5 é um diagrama de blocos de um exemplo de blocos de função para gerar informação extrinseca a respeito de um simbolo de informação em um tempo de decodificação arbitrário de acordo com uma versão da presente invenção.

[0063] Com referência à Figura 5, um primeiro somador 601 emite a diferença entre a melhor métrica para 0 e 1 como informação LLR a respeito de um simbolo de informação. Um segundo somador 602 soma a informação de transmissão e a informação a priori de um simbolo recebido. Um terceiro somador 603 subtrai a soma recebida do segundo somador 602 da informação LLR recebida do primeiro somador 601. A saida do terceiro somador 603 é informação extrinseca definida no algoritmo Max-Log-MAP existente. Um multiplicador 604 multiplica a informação extrinseca por um fator de ponderação, como é feito no algoritmo Max-Log-MAP existente com FG. Se o fator de ponderação é 1, isto efetua o algoritmo Max-Log-MAP. Um quarto somador 605 acrescenta o valor de correção fc' obtido pelos blocos de função ilustrados na Figura 6 à saida do multiplicador 604. Assim, a informação extrinseca final para o algoritmo Max-Log-MAP modificado é obtida.

[0064] Isto é, a informação extrinseca é obtida para o algoritmo Max-Log-MAP modificado ao ainda utilizar o multiplicador 604 associado ao fator de ponderação Wf e o somador 605 associado ao valor de correção fc', comparado com o algoritmo Max-Log-MAP. Assim, comparado com o algoritmo Max-Log-MAP com FG, o somador 605 é ainda utilizado.

[0065] A Figura 6 é um diagrama de blocos de um exemplo de blocos de função para calcular o valor de correção fc' para utilização no cálculo da informação extrinseca de acordo com uma versão da presente invenção.

[0066] Com referência à Figura 6, o primeiro somador 701 calcula a diferença entre a melhor métrica e a segunda melhor métrica para um símbolo de informação 0 e o segundo somador 702 calcula a diferença entre a melhor métrica e a segunda melhor métrica para um símbolo de informação 1. Uma tabela de pesquisa (LUT) 703 encontra valores de correção da função logarítmica definida na Equação (8) utilizando as diferenças. O terceiro somador 707 calcula a diferença entre os valores de correção. 0 primeiro multiplicador 707 multiplica a diferença por um fator de ponderação, assim decidindo um valor de correção final.

[0067] O quarto somador 704 calcula a diferença entre as saídas do primeiro e do segundo somadores 701 e 702. O segundo multiplicador 706 multiplica a diferença por um valor de inclinação, assim decidindo um valor de correção aproximado a uma função linear.

[0068] Um dos valores de correção definidos na Equação (8) é escolhido de acordo com o sinal FLAG. Para a escolha da função logarítmica, o seletor 708 seleciona a entrada na porta 0. Pelo contrário, para a escolha da função linear, o seletor 708 seleciona a entrada na porta 1. O primeiro caso requer um LUT, enquanto o último caso simplesmente requer somadores e um multiplicador. Notadamente, quando FLAG é 0, a estimação SNR perfeita precisa ser assegurada no receptor. Esta estrutura ilustrada na Figura 6 é ainda implementada em hardware para o algoritmo Max-Log-MAP modificado. Se o fator de ponderação Wf e o valor K' podem ser expressos como expoentes de 2, os multiplicadores das Figuras 5 e 6 podem ser implementados como simples seletores de bit ou somadores incluindo eles.

[0069] Para avaliar o desempenho de decodificação turbo do algoritmo Max-Log-MAP modificado de acordo com a presente invenção, simulações foram efetuadas sob as condições seguintes.

[0070] Todas as simulações foram de pontos flutuantes e o desempenho da decodificação foi avaliado em termos de Taxa de Erro de Bit (BER) e de Taxa de Erro de Quadro (FER) . Para investigar o impacto do erro de casamento de SNR, o desempenho de decodificação com relação ao recuo Eb/No também foi avaliado. Um codificador turbo de velocidade de 1/5 conforme fornecido por CDMA 2000 lxEV-DV foi utilizado e uma operação de Código Turbo Quase Complementar (QCTC) foi efetuada para converter uma velocidade de código geral para ser um valor outro que não 1/5. O tamanho de quadro é um dos tamanhos EP conforme definidos na especificação lxEV-DV. O esquema de modulação utilizado foi BPSK e um canal AWGN foi suposto. Para a decodificação turbo, o número máximo de iterações de decodificação foi 8. BER e FER foram medidos ao executar as simulações até 50 erros de quadro terem sido produzidos.

[0071] O fator de ponderação Wf e o valor K' são definidos empiricamente. Como as iterações de decodificação para a decodificação turbo é geralmente uma operação de decodificação sub-ótima, não uma decodificação de probabilidade máxima, há uma probabilidade do desempenho ser degradado durante a decodificação iterativa. A simulação do erro de casamento do SNR revelou que o desempenho melhor é atingido para um recuo Eb/No de cerca de -1 dB para nenhum recuo Eb/No- Isto é porque a degradação do desempenho possivelmente gerado durante as iterações de decodificação é compensado pela ponderação de -1 dB errônea. Assim, o fator de ponderação Wf é dado empiricamente por Wfw-1 dB = 0,79432=1/2+1/4+1/16 (9) [0072] Ao representar Wf como a soma dos expoentes de 2, a multiplicação pelo fator de ponderação é implementada com facilidade no hardware.

[0073] K' na Equação {8) é o produto de uma inclinação K na Equação [4) e o fator de ponderação W?. K na Equação {€) é definido como a inclinação média de uma linha tangente da função 1 (x) =log (l-e”x) . Portanto, em que a é fixado a um valor signifícante máximo. Se a for maior que cerca de 9, 1(x) é inferior a 10-1. Assim, para a como 9, K é determinado por I . ' !

[0074] Algumas simulações revelam que definir -K como a Equação (11) leva a um desempenho excelente. K' na Equação {11} também pode ser expresso como K' =K.Wf=l/16 (12) K' pode ser obtido simplesmente pela seleção de bit que é uma implementação de hardware simplificada da multiplicação.

[0075] Os resultados da simulação da aproximação e da não aproximação serão comparados com referência às Figuras 7 a 16. As Figuras 7 e 8 ilustram o desempenho de decodif icação turbo em termos de BER e de FER para um tamanho EP de 3.864 e uma velocidade de código geral (R) de H. Nas Figuras 7 e 8, LogMAP denota o algoritmo Log-MAP, log2 MaxLogMAP denota o algoritmo Max-Log-MAP utilizando fc definido como a função logaritmica 1 {x) , mod MaxLogMAP denota o algoritmo Max-Log-MAP utilizando fc definido como uma função de primeira ordem aproximada, MaxLogMAP com FG denota o algoritmo Max-Log-MAP com FG, e MaxLogMAP denota o algoritmo Max-Log-MAP existente. Como é ilustrado, log 2 MaxLogMAP é aproximado de LogMAP no desempenho de decodificação, mas este desempenho não é assegurado no caso de erro de casamento de SNR. mod MaxLogMAP desempenha cerca de 0,1 dB pior que LogMAP no desempenho de decodif icação, mas este desempenho não é assegurado no caso de erro de casamento de SNR, mod MaxLogMAP desempenha meramente cerca de 0,1 dB pior que LogMAP a um FER DE 10-2, enquanto ele desempenha cerca de 0,5 dB melhor que MaxLogMAP com FG. Mod MaxLogMAP desempenha constantemente independentemente do erro de casamento de SNR.

[0076] As Figuras 9 e 10 ilustram os desempenhos BER e FER de log2 MaxLogMAP, mod MaxLogMAP, MaxLogMAP com FG, e MaxLogMAP sobre iterações com Eb/No=l,3 dB. É observado das Figuras 9 e 10 que log2 MaxLogMAP tem o melhor desempenho sobre iterações, mod MaxLogMAP não desempenha melhor que MaxLogMAP com FG, mas alcança o desempenho FER de MaxLogMAP com FG sobre 8 iterações apenas com 7 iterações.

[0077] As Figuras 11 e 12 ilustram o desempenho BER e FER para um tamanho EP de 7 92 e uma velocidade de código efetiva de 1/5. De modo similar ao caso em que o tamanho EP é de 3.864, não há mudança nas classificações de desempenho dos cinco algoritmos. Ainda assim, comparado com o caso em que o tamanho EP é de 3.864, mod MaxLogMAP desempenha cerca de 0,1 dB melhor que MaxLogMAP com FG.

[0078] As Figuras 13 e 14 ilustram o desempenho BER e FER dos cinco algoritmos quando Eb/N0=0,7 dB e o tamanho EP=792, e as Figuras 15 e 16 ilustram o desempenho BER e FER dos cinco algoritmos para o EP de tamanho=3.8 64, a velocidade de código efetiva=l/2, e o erro de casamento de SNR em Eb/NO de 1,2 dB, isto é, quando erros eqüivalentes a um recuo Eb/NO são gerados na estimação SNR de um símbolo de entrada de decodif icador sob a suposição de que a estimação SNR perfeita é alcançada quando o recuo Eb/NO é 0. Como é ilustrado, mod MaxLogMAP desempenha irrespectivamente do erro de casamento de SNR porque 1(x) é aproximado a uma função de primeira ordem. Entretanto, log2 MaxLogMAP exibe um desempenho variável de acordo com o erro de casamento de SNR porque 1 (x) é definido como uma função log() não linear e fc varia não linearmente dependendo da mudança de uma métrica na função log(). Ainda assim, a variação fc não é grande comparada com LogMAP. Portanto, até onde a estimação SNR dentro de cerca de -6 dB a +6 dB é garantida, log2 MaxLogMAP pode ser utilizado como um algoritmo de decodificação turbo.

[0079] Observa-se das simulações que o algoritmo Max-Log-MAP modificado desempenha apenas cerca de 0,1 dB pior que o algoritmo Log-MAP independentemente do tamanho de EP, significando que este desempenho é melhor que aquele do algoritmo Max-Log-MAP (com ou sem FG) . Apesar de alguns erros na estimação SNR de um símbolo de entrada, o algoritmo Max-Log-MAP modificado possui desempenho excelente independentemente dos erros de estimação SNR, que é aparente dos resultados da simulação.

[0080] Como foi descrito acima, o algoritmo Max-Log-MAP modificado desempenha melhor que o algoritmo Max-Log-MAP com pequena adição de hardware quando comparado com o algoritmo Max-Log-MAP e uma estrutura simplificada quando comparado com o algoritmo Log-MAP. Portanto, o algoritmo Max-Log-MAP modificado é aplicável a um decodificador de canal em um terminal móvel para UMTS e HSDPA bem como um decodificador de canal para um sistema e terminal de CDMA2000 lxEV-DV. Ele desempenha vantajosamente e de modo excelente com uma estrutura simplificada.

[0081] Embora a invenção tenha sido mostrada e descrita com referência a certas versões da mesma, será compreendido por aqueles habilitados na tecnologia que várias mudanças na forma e nos detalhes poderão ser nela feitas sem desviar do espirito e escopo da invenção conforme definido pelas reivindicações apensas.

REIVINDICAÇÕES

Claims (9)

1. Método para decodificar um código turbo em um sistema de comunicação digital, caracterizado pelo fato de compreender as etapas de: (1) calcular uma melhor métrica e uma segunda melhor métrica das métricas que são somas das métricas de estado e uma métrica de ramo para um símbolo de informação recebido em uma treliça de decodificação turbo em um ponto no tempo; (2) calcular uma diferença (601) entre uma melhor métrica para um símbolo de informação ser 0 e uma melhor métrica para o símbolo de informação ser 1; (3a) calcular uma diferença (701) entre a melhor métrica e uma segunda melhor métrica para o símbolo de informação ser 0; (3b) calcular uma diferença (702) entre a melhor métrica e uma segunda melhor métrica para o símbolo de informação ser 1; (4) calcular a diferença (704) entre a diferença calculada na etapa (3a) e a diferença calculada na etapa (3b) e multiplicar a diferença calculada (704) calculada na etapa (4) por um fator de ponderação; e (5) atualizar uma Razão de Verossimilhança Logarítmica (LLR) do símbolo de informação utilizando a diferença (601) calculada na etapa de (2) e um produto obtido na etapa de (4) e decidir um valor do símbolo de informação com base no LLR atualizado, em que a melhor métrica é uma métrica máxima dentre as métricas para o símbolo de informação, e a segunda métrica é uma métrica máxima dentre as métricas restantes para o símbolo de informação, exceto para a melhor métrica.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda a etapa de calcular informação extrinseca com base no LLR atualizado, uma confiabilidade de uma Proporção Sinal a Ruido (SNR), e uma informação a priori do símbolo de informação.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de o fator de ponderação ser expresso por Fator de ponderação = k.Wf em que Wf é inferior ale próximo de 1 e K é a inclinação média de linhas tangentes de uma função logarítmica 1(x) = log (l+e”x) .

4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de Wf ser maior que 0,588235.

5. Método, de acordo com a reivindicação 3, caracterizado pelo fato de o fator de ponderação ser derivado de uma função linearizada com base na inclinação média das linhas tangentes da função logarítmica, a função logarítmica sendo representada pela diferença (704) calculada na etapa (4).

6. Método, de acordo com a reivindicação 3, caracterizado pelo fato de a inclinação média das linhas tangentes ser um inteiro entre 0 e 9.

7. Aparelho para decodificar um código turbo em um sistema de comunicação digital, caracterizado pelo fato de compreender: um primeiro somador (601) para calcular uma diferença entre uma melhor métrica para um símbolo de informação ser 1 e uma melhor métrica para o símbolo de informação ser 0 em uma treliça de decodificação turbo em um ponto no tempo; um segundo somador (602) para somar informação de transmissão e informação a priori do símbolo de informação; um terceiro somador (603) para calcular uma diferença entre as saídas do primeiro e do segundo; um primeiro multiplicador (604) para multiplicar a saída do terceiro somador por um primeiro fator de ponderação; uma calculadora de valor de correção compreendendo um quinto somador (701) para calcular uma diferença entre a melhor métrica e a segunda melhor métrica para o símbolo de informação ser 0 e um sexto somador (702) para calcular a diferença entre a melhor métrica e a segunda melhor métrica para o símbolo de informação ser 1, em que a calculadora de valor de correção calcula um valor de correção utilizando uma diferença entre a saída do quinto somador e a saída do sexto somador; e um quarto somador (605) para somar o valor de correção à saída do primeiro multiplicador, em que a melhor métrica é uma métrica máxima dentre as métricas para o símbolo de informação, e a segunda métrica é uma métrica máxima dentre as métricas restantes para o símbolo de informação, exceto para a melhor métrica.

8. Aparelho, de acordo com a reivindicação 7, caracterizado pelo fato de a calculadora de valor de correção compreender: uma tabela de pesquisa (703) para armazenar valores de correção para as saídas do quinto e do sexto somadores; um sétimo somador (705) para calcular uma diferença entre os valores de correção; um segundo multiplicador (707) para multiplicar a sarda do sétimo somador por um segundo fator de ponderação; um oitavo somador (704) para calcular uma diferença entre as sardas do quinto e do sexto somadores; um terceiro multiplicador (706) para multiplicar a sarda do oitavo somador por um valor de inclinação de uma função linear aproximada de uma função logaritmica; e um seletor (708) para selecionar uma das sardas do segundo e do terceiro multiplicadores com base em uma confiabilidade da proporção sinal a ruído (SNR) do símbolo de informação.

9. Aparelho, de acordo com a reivindicação 8, caracterizado pelo fato de se o segundo fator de ponderação e o valor de inclinação da função linear puderem ser expressos como expoentes de 2, cada um dos primeiro, segundo e terceiros multiplicadores é implementado como um seletor de bit.