当前课程知识点:移动通信原理 > 第七章 信道编码 > 7.2 线性分组码 > 7.2 线性分组码
那么下面
我们分几个分支
来给大家通过一些
典型编码的示例
介绍信道编码的一些
编译码算法的基本思想
我们先看线性分组码
这大类分支
按照前面的介绍
我们知道
线性分组码
他它其实是一组一组的输入编码器
然后一组一组编码输出
我们举个例子
我们以这种最简单的
7,3线性分组码的
为示例
7,3
它的意思是说
3比特输入K就=3
7比特输出N就=7
那么它的编码码率
就是3/7
对吧
那么它的编码的编码方程
我们就用下面的这样的
一个约束关系来表示
为了方便我们先引入一些定义
假设说3比特
我们把它定义为信息码组
就输入编码器的信息
比特向量
U向量
就是它的信息比特向量U0U1
U2 3比特输入
我们编出来的码字向量
就是C向量
是C0到C6
这样的一个编码约束关系
我们用下面的这样的7个方程来
表示
大家注意这个方程当中分为两部分
前三个方程
实际上是个恒等式
也就是U0
U1
U2直接复制为
这个编码之后的前3比特
也就是C0C1C2
那么后面的4个比特
C3到C6
其实是输入的信息
比特的一种编码约束得到的
那么我们称
前面的这3个比特
就是信息位
后面的这4个比特
监督位
或者是校验位
那么如果说线性分组码
满足上面的关系
满足这种编码结构的
也就是说
输出的码字当中
信息位是重复出现的
这样的编码结构
我们就称它叫做是系统
线性
分租
当然我们也就简称叫
系统
Systerm
对于这种所谓的系统码而言
它的编码器的结果比较简单
因为它的编完之后的N个比特
当中
有K比特
实际上是直接复制的信息位、
所以它编码器结果比较简单
实用当中
我们如果能够采用系统编码
是比较好的
因为它可以降低编码器的复杂度
我们把刚才的这种编码约束关系
还可以把它写成是
矩阵向量的表达形式
刚才我们是用方程组的形式来
表示
因为大家可以看到
前面有7个方程
前除掉前3个恒等式之外
后面4个方程实际上反映了
编码比特之间的约束关系
所以我们把这后面4个方程整理
一下
那么我们可以得到编码
和信息位之间的关系
编码
输入的信息
比特和编码比特之间的关系
我们就采用这样的一个
矩阵向量的表达形式
输入的这3个比特U0U1U2
也就是它的信息比特向量
乘以约束关系矩阵
这个G矩阵
就能够得到
7比特的编码比的向量
系数矩阵
在线性编码
当中
我们一般称它为是生成矩阵
因为根据这样的一个矩阵
就能够生成
我们的线性分组码的码字集合
我们就一般称它为是生成矩阵
它的维度一般约束是这样的
信息比特向量一般是一行
K列的一个行向量
那么编码比特向量是一行
N列的一个行向量
而 G矩阵生成矩阵
它实际上是K行
N列的一个矩阵
它就应当是个扁矩阵
因为 K一般而言是小于N的
如果是系统线性分组码
那么它的生成矩阵
是有结果特点的
我们可以根据刚才的
举的事例
大家发现
对于系统线性分组码
就像刚才我们举的73码而言
它的前三位
实际上直接复制的是信息位
所以它对应到的生成矩阵 G
矩阵
可以分解为两个子矩阵
也就是 A矩阵 Q矩阵
前面 A矩阵是
K乘K的单位阵
后面Q矩阵应当是K×N-K
一个一般性的矩阵
所以对于系统而言
它的生成矩阵
是具有这样的一个分块矩阵结构
特点
就有一部分的分块阵
实际上是单位矩阵
以上是我们分析它的编码器的
结构
下面我们再看看它的校验
关系
我们刚才已经提到过
它的编码约束7个方程里面
只有4个方程
是有约束关系的
另外3个方程实际上是
恒等式
它就没有什么
它是不起什么约束作用的
我们把后面的4个约束关系
构成的方程做一点变换
也就是说
我们把U0U1U2这三个信息
比特代换为C0C1C2带到后面
4个方程当中
这样的话我们就能够得到
C0
到 C6之间的相互约束
那么这种约束关系
我们就称为是监督方程
或者是校验方程
我们把它整理一下
大家看也就是上面的方程组
也就是7个
编码
比特C0到C6之间的校验
或者约束关系
我们可以把上面的这4个方程组
也能整理成矩阵向量的形式
那么整理之后是这样的
前面是一个系数矩阵
这个矩阵它反映了
就7比特的编码
比特之间的约束关系
因此我们称它为是监督矩阵
或者是校验
矩阵
而这个向量它是个列向量
实际上就是码字向量转置
它变成个列向量
我们看这实际上满足
检验矩阵
与码字列向量相乘
应当是一个全等向量
如果我们把它写成是矩阵向量
表达式
就写为是
校验矩阵一般习惯上
我们用H尽量地表示
H乘以C的转置 码字的列
向量
那么就应当等于全零向量的转置
这就是这个线性分组码所满足的
校验约束关系
好
我们讲到这儿
稍微回顾一下
回顾一下
前面我们讲过的基本内容
下面我们来看
线性分组码
它的生成矩阵
和校验矩阵之间的关系
刚才根据我们的推导
我们已经知道
线性分组码的满足两个约束关系
一个约束关系是它的信息比它
向量
与生成矩阵相乘
应当等于
所以编码码字向量
另外一个约束关系
我们刚才已经分析过
也就是校验矩阵
乘上的码字向量的转置
应当等于全零的列向量
我们可以把这两个约束关系
连列
连列以后的话
把上面的方程
带入到下面的方程
你们大家注意这个地方
上面的方程当中的码字向量
等号的右边是码字向量
做个转置
我们带到下面的方程当中去
这样我们就能够得到
校验矩阵
乘上生成矩阵的转置
再乘上信息向量的转置
应当等于全零的列向量
这也是一个方程组
是吧
我们从方程组观察一下
那么校验矩阵乘以生成矩阵的转置
实际上是方程组的系数矩阵
而我们又知道
信息向量
U向量
它是任意取值的
因为它是一个 K维的
向量K比特向量
它是可以任意取值
换言之任意的U
都是上面方程组的解
也就是这个方程组
其实存在多解
任意的用到它的解
那么我们根据
线性代数的基本知识知道
如果一个方程组
它含有任意的向量
都是它的解
唯一只有一种可能
就是方程组的系数
矩阵是全零矩阵
由此我们就能够得到
校验矩阵
乘上生成矩阵的转置
其实我们写的
是一个全零矩阵
而我们看检验矩阵
和生成矩阵的约束关系
能够发现
校验矩阵
实际上是N-K行的N列
而生成矩阵
其实是K行N列
那么转置之后就是N行K列
对吧
这样我们能够看到
其实校验矩阵 H矩阵
实际上可以看作是
N-K个行向量
所约束的一个子空间
它是一个线性子空间
而生成矩阵的
它是行向量
所约束的一个线性
子空间
那么我们从上述这种
约束关系
可以知道
任意取
校验矩阵当中的一个行向量
比如说HN 以及我们从生成矩阵
G矩阵当中
任意的取它的一个行向量
比如说GJ这个都是K维空间
当中的两个向量
那么我们求这两个向量的内积
必然等于0
也就意味着说
从校验矩阵当中
任意取得一个行向量
必然与从生成矩阵当中
取得任意一个行向量
这两个向量之间是个垂直关系
现在从校验矩阵所约束的
子空间当中
任取一个向量
从生成矩阵约束的子空间当中
任意取一个向量
它都垂直
所以我们得出来的结论
其实相当于是
校验矩阵所约束的子空间
与生成矩阵
所约束的
这两个子空间之间
它是一个垂直关系
空间和空间之间是垂直关系
由此我们就能看到
其实线性分组码
我们用到的是
线性代数的基本知识
来给大家解释
我们从线性空间的基本知识来看
可以把上述数的线性分组码
解释为是对N维线性空间
我们这儿的 N维线性空间
是特殊的线性空间
就N维的二进制线性空间
以后我们习惯上就叫Hamming空间
所谓Hamming空间
二进制比特向量所构成的空间
我们可以把 N维的
Hamming空间
把它做正交分解
把它分解为两个垂直的子空间
一个空间就是生成矩阵
所扩张出来子空间
它是一个K维子空间
那么另外一个空子空间
是由校验矩阵约束的子空间
那么这个子空间是N减K维子空间
那么一个是N减K维 一个是K维
它们俩组合
正好得到原来的N维 所以其实
线性分子
对原来的N维汉明空间的一种
正交化的分解
其中一个子空间
作为它的玛码集和所在的空间
这就是K维子空间
而另外一个子空间是
检验约束关系
所约束
子空间上
N-K维的子空间
所以这就是我们从线性代数理论
出发
对线性分组码的一种几何解释
好
那么它的编码约束关系的
基本性质我们就讲这么多
下面我们再来讨论
线性分组法
怎么进行译码
一般而言
我们用生成关系
来对分析线性分组码的编码
它的译码
我们得用校验关系
也就用校验基准的约束
来设定它的译码的结果
那么对于译玛而言
首先得先给出来
它的接收信号的模型
在信道编码理论当中
我们经常用到的是二元对称信道
模型
也就是所谓的BSC信道模型
信道模型是一个非常简单的模型
我们可以这样假设
发送的
就是01两个比特
那么接收到的
也是01两个比特
如果说发送的是0
收到的是0
发0收0
那我相当于是正确
对吧
类似的发1收1也是正确
那么发0收0的概率
我们假设是1-P因为它满足
对称性
那发1收1的概率
也是1-P假如说是发0收1
这是一种错误
对吧
我们讲了它的概率就是小
那么发1收0
也是错误
并且它是对称的
因为它的概率也是小
这样的信道
我们就称为是
BSC二元对称信道
那么这样的信道
我们可以
把它的接收信号模型
写成这样的
也就是说
第I个接收比特y yi可以把
它写为是
发送的第i个
比特ci 在摩尔加上
第i个比特位置上
出错的
差错值
Ei得到的
也就是说
接收信号其实等于发送信号
再加上差错信号
请大家注意这个错误都是01
因为ei的取值
只能取值01
如果是差错
比特取0就等于没有错误
差错比特如果取消
就相当于这个位置上
有一个比特的错误
这就是它的一个基本信号模型
我们用BSC来进行建模
因为现在我们是线性分组码
所以对于译码器而言
它的收端
比如说NK线性分组码它的收端
y0y1
我们在收端的Yn-1
N比特
就是我们这儿给的这个例子
说到了N个比特
那么组成一个接收信号向量
那么译码器的目的是干什么呢
我们从 N比特的接收向量当中
要估计出来
发送的码字向量C向量
译码器就干这个事情
它实际上是一种估计问题
如何估计呢
我们的应用
校验约束的关系
刚才我们已经提到过
校验约束关系
大家还记得
校验约束关系是这样的
也就是码字的列向量
校验矩阵相乘
等于全零列向量
对吧
那么现在我们看
接收信号模型
我们、有
也就是Y的接收向量
应当等于发送的正确码字向量C
然后再加上差错向量E E向量
我们观察上下这两个约束关系
显然在接收码字向量当中
隐含着发送的码字向量C请大家
注意
接收或者是译码器而言
它只能够观察到接收向量Y 他不
知道C如果它知道C那就完全到
译码了
所以它只能看到y
但是我们根据接收信号模型
知道 Y当中必然含有C同时它
含有错误向量e向量
其实我们译码的目的
是由y
要估计出来C 那么等价的来看
也就等价于 U I要估计出来
e
只要我能够估计出来差错向量
我们从接收向量当中
Y向量里面
再做一次摩尔加
与差错向量的估计
再摩尔加一次
因为本来我叠加了一个差错向量
再做一次摩尔加
只要我估计得对
连续两次摩尔加
就把差错下面的抵消掉
这就恢复出来原始的发送码字
所以对线性分组法
理论上的译码算法
其实它就是从观察到的
接收向量当中去估计在信道当中
的差错向量
怎么能得到估计
我们得利用上面的校验约束关系
这很容易用
我们可以把
接收码字向量的带入到
上面的校验约束关系
大家看相当于是说
我们把接收向量 Y向量的转置
校验约束关系
H矩阵的相乘
我们把y向量的具体展开带进去
它因为y向量
其实就是发送码字向量与差错
向量
叠加求和对吧
带进去
那么带进去展开
与校验矩阵分别相乘
显然我们观察到前一项
是校验矩阵
用发送码字向量的转置相乘
这是全0
对吧
后一项大家看
后一项是检验矩阵与差错向量
相乘
显然
前一项全0
我们就给忽略掉了
后一项可不是全0
大家注意
因为这个差错向量它不是码字
所以它未必和校验矩阵完全正交
所以它不满足校验约束关系
对吧
所以我们就得到呢
两者展开计算的结果
其实就是差错向量与校验矩阵
相乘
由此我们就得到了
下面的这种方程关系
也就是校验矩阵
与接收向量的转置相乘
就应当等于校验矩阵
与差错向量的转制相乘了
大家观察这样的一个方程
这个方程
我们称它为是校正子方程
或者是伴随式方程
什么叫伴随式方程呢
它的意思是说
我们看这个方程当中
谁是已知谁是未知
这个方程的左端
是校验矩阵
与接收向量的转置相乘
接收向量我收到是多少
它就是多少
对吧
这个是已知的
校验矩阵译码器
编译码给定之后
我也是已知的
所以方程组的左端是完全一致的
那么方程组的右端
方程组的右端
I矩阵让我们知道
而这个错误向量差错向量e
我们不知道
因此我们明显能看到
这实际上是一个线性方程组
我们可以通过解方程的方法
把这个差错向量
看作是个未知数向量
通过解方程
把未知数求出来
我们就相当于
就能估计出来差错
如果我们知道这个差错以后
然后再与接收向量摩尔加
那就能够纠错了
我们这个线性分组码译码的一个
基本思路
其实我们把译码的过程
变换为一个解方程的过程
这种解方程就是解伴随式方程
我们一般称这个方程的左端
叫它是伴随式或者是校正子
伴随式的意思是说
这左端
它是伴随着错误出现的
所以我们就称它为是伴随式
我们进一步考察一下
伴随式
伴随式的方程
当中
这个方程
我们观察一下
这个方程的个数
和未知数的个数
咱们放观察一下
我们把左端
我们把它令为就是S的转置
也就是伴随式向量的转置
那么这个方程
一共有多少个
线性方程组一共有多少个方程啊
它其实是由校验矩阵的维度来
决定的
我们前面已经分析过了
实际上这个方程的个数
公式见图
公式见图
也就是说伴随式向量的维度
实际上是N-K的元素
或者方程的数目是N-K我们再
看一下未知数
未知数的数目
多少个
因为差错向量是未知数向量
差错向量它是N维向量
所以未知数的数目
实际上是N个
明显的我们知道
未知数的数目
要大于方程的数目
对吧
根据线性代数的基本知识
大家知道方程组
实际上是一个签订方程
因为方程的数目少
未知数的数目多
因此这是不可能求出来
为一解的
必然是多解
那么具体怎么求
这样的一个签订方程呢
用线性代数的基本知识
我们要构建一个
对于这种签订方式
构建一个解空间
求出解空间当中的极向量
那么这个解集
就可以用这些激向量的
线性组合来表示
所以未知未知数的所有的解
都可以求出来
不过现在的问题是
我要进行译码
要求出来唯一解
唯一的一个错误向量
可你现在求出多个解了
哪一个是它的最终解
我们得从信道编码的具体应用
出发来调解
一般来说
按照刚才的假设
我们对于通信传输模型建模
采用的是BSC信道模型
二元对称信道模型
它是一种无记忆信道
所以无记忆
所有的差错
都是相互独立的
我们刚才已经举过例子
假设这种差错概率发0错成1
以及发1错成0
这个概率是小P
这种错误都是单比特错误
对吧
那么如果我们出现错误
单个比特错误
也就是小P
出现两比特错是多少呢
因为每个比特错误
都是相互独立的两比特差错
那显然应当是
两个独立差错事件的乘积
也就是P对吧
三比特错
P三次方
一般而言
这种无记忆性的当中
最常见的错误
这个错误是我们最少的错误
所以显然单笔的错误出现的概率
远大于2比特
两比特呢
出现的概率要点大于3比特
所以我们刚才
构建或者可以求出来的
这种未知数向量的集合当中
哪一种错误向量是最可能的
我们要选差错数目最少的
因为这是未知数
那是差错向量
对吧
差错向量当中
某一个比特位置上去
1就表示他有错
取0就表示它没有错误
所以其实就相当于
我们求解这种伴随式方程
找这些错误向量集合当中
1的个数最少的
那种错误向量
那就是最可能的解
所以上述的解法
我们就称为是
利用伴随式方程求解
1的个数最少的
伴随式解方程译码算法
这就是线性分组码译码的一个
基本思想
那么对于译码算法
我们再稍微做一点评述
这种译码
只是理论上的一种译码算法
那么在实际系统当中
我们一般不采用这种方法
除非极其简单的
比如说7374
这样的线性分组码
我们可以采用伴随式解方程译码
算法
因为这种算法
它实用化的时候
方程规模会非常的大
那么求解非常复杂
所以实用化的时候
我们得要
进一步简化译码算法的复杂度
简化的具体思路
我们再根据线性分层法的
代数结构特性
再进一步的去增加新的代数结构
来从而简化了它的译码结构
那么具体当中
代数结构特性
更进一步优化的
线性分组码有一大类方法
这类方法是现在我们最常用到的
线性分数法的代表性的子类
那么其中的这类子类
我们就命名为叫循环
这一类编码
它在进行译码的时候发的很低
也是一大类常用的
或者实用的线性分组码的特例
所以我们重点给大家讲一讲
循环码的一些基本概念
所谓循环码
它首先是一种线性分租
但是循环码它的结构上
还有自己的一些特点
它除了对线性运算
就摩尔加摩尔乘封闭以外
那么它还有另外一个特点
也就是满足循环移位不变性
所谓的循环移位不变性
什么意思呢
就是说我给了一个码字就C 我们
把这个码字C C向量N比特
下面
C0
C1C2 Cn-1
作为一个循环移位
比如说我们左移一位就移成呢
C1
C2
移到Cn-1
C0做循环移位
移到
最后1比特了
那么就变成C0
好
这作为1比特
这样的一个码向量
仍然还是线性分组码
集合当中的一个码字
满足这样特性的线性分组码
我们就称它具有了循环移位
不变性
那么这样的码
我们就简称叫做是循环码
当然它也得具有
因为等价的
也具有右循环移位的不变性
由于具有循环移位
不变性
循环码
我们来进行它的编码结构分析的
时候
就引入新的代数工具
就不再采用
矩阵的方式
线性空间描述
我们一般用声称矩阵校验矩阵
所以循环码
因为它有循环移位不变性
我们引入新的工具
叫做是码多项式来进行描述
所谓的码多项式
它与线性分组码的
码字向量
是一一对应的
比如说我们这儿有个码字向量
n比特长的码字
像C0
C1 C2 Cn-1
那么它所对应的码多项式
就是这样的一个多项式
我们把每一个比特的元素的取值
就用这个映射到多项式的系数
比如C0就映射到常数项C1
映射到一次项Cn-1
映射到n-1次项
我们用一个N-1阶的多项式
来一一对应的呢
一个N比特的底特向量上
它们之间是一一对应关系
那么在汉明空间当中
所有的
二进制比特向量的运算规律
都可以通过这样的一种同构映射
码多项式域当中
进行多项式操作
那么这两者之间是一一映射的
所以我们可以在多项式域上讨论
因为多项式
它的代数结构更好
那么计算和分析更简单
这就是在理论分析上
循环码具有的一些优势
我们可以举个例子
来给大家看一看
比如说我们这儿
给了一个5比特的向量
C=11010 那么它可以映射
到一个编码多项式
公式见图
那么我们可以把这样的一个码字
再做一个右移
再变成
01101. 这个时候对应的
码多项式
公式见图
那么左面这两个向量
它可以进行的
摩尔加
摩尔加就是因为
11010 摩尔加呢
01101 摩尔加结果
就是10111
那么在汉明空间当中
这种加法
就是两个向量求和的运算
我们把它同构映射到码多项式
当中
就可以做两个多项式的乘法给
大家看就相当于是把
公式见图
然后最后计算出来的结果
就做一个摩加
多项式运算
怎么算出来相应的结果
那么细节我们鉴于时间
请大家看书上的一个详细推导
顺便我们也说一下
在汉明空间当中
如何去衡量两个码字向量之间的
距离
这种距离我们习惯上称为是
汉明
距离这个距离
我们就把它定义为
是两个码字向量
相同比特位置上
取值不同的个数总和
我们就称它为是汉明距离
那么刚才我们举的例子
大家看
上面这个向量是
11010 下面这个向量是
01101 大家观察这两个
向量
就是D
我可以认为
上面这个向量是DC1项
这个向量是C2 DC1 C2
之间的汉明距离多少呢
它们相同比特位置上
取值不同的总数
你看第1个比特位置不相同
第3个不同
第4个不同
第5个不同
实际上他们的汉明距离
是4
是吧
类似的
我们还能再引入一个概念
这个概念我们叫做是
汉明
重量
所谓汉明重量
它指的是说
码字当中
非0元素的个数
总和这就是汉明重量
有韩语
刚才示例码字向量
是
11010 这个码字C
C向量
它的汉明重量是多少呢
显然应当是3 码字C的
重量是3
我们观察一下 C1和C2
C1摩尔加C2
摩尔加之后效应是
10111对吧
C1
摩尔加 C2
结果实际上汉明重量也是4
对不对
明显大家能观察到呢
好像两个码字之间的C1
和C2的汉明距离
和这两个码字的
摩尔加之后的向量的汉明
重量是相等的
我们不加证明了一般性的
有这样的规律
在汉明空间当中
两个码字之间的汉明距离
等于这两个码字的
摩尔加之后的
摩尔加向量的汉明重量
所以这是个一般性的规律
汉明距离是非常对于线性分组码
而言
是非常重要的一个参量
一般而言
衡量一个线性分组码
或者信道编码
它的纠错能力
我们都得要求它的最小汉明
距离要最大化
所谓最小汉明距离指的是说
我穷举
这个线性分组码当中的
所有码字
一对对穷举
比如说任意取一个Ci Cj
然后能算它们的汉明距离
那么一对一对的码字的汉明距离
里面
我们找一个最小值
我们就称为是最小汉明距离叫
dmin
一个线性分组
到底能纠正几比特错呢
或者一个循环码
能够纠正几笔的错呢
那就由它的最小汉明
距离来决定
那这个你要想纠正
比如说
T的比特错
我们的要求
它的最小汉明距离
要大于等于
2t+1
你只有最小汉明距离越大
它纠正的差错数目才越多
所以这就是
线性分组码
它的一些基本知识
循环码也可以采用
码多项式的这种工具
来分别描述它的生成和校验约束
关系
就类似于我们刚才讲的
线性分组码的工具
线性分组码
大家知道
它可以用校验矩阵
来描述它的编码和译码
对于循环化而言
我们就可以用所谓的生成多项式
和校验多项式
分别描述它的编码和译码的过程
那么细节就要很多的时间
来给大家解释
同学们看一下
这个书上的一些详细内容介绍
我们就不再详细讲了
简单的给大家解释一下
在循环码当中
具有实用价值的字类
其中主要的这个词类有这么几个
第一个就是BCH码
BCH码
是非常重要的一类循环码
这类编码它可以
纠正了
多个独立的比特差错
它在实际通讯系统当中
有广泛的应用
我给大家举一个事例
BCH码
我们经常用到那种高等级的
存储系统当中
比如说像一些服务器
或者说
是包括一些数据中心
我们一般都会用一些
高级别的内存条
或者是用一些高等级的硬盘
Sas的硬盘
那么像这样的数据中心
要是服务器啊或者启动的时候
你要仔细观察
那黑屏幕上
就会一般会跳一些文字
叫做是系统
正在自检的self
check
干什么呢
其实就是这些内存
或者是硬盘存储
它自带一些纠错功能
它自己在进行读取数据的时候
要进行纠错
那么用到的纠错机制
常常用的就是BCH码
采用BCH码
可以极大的降低这种
磁存储介质
它出错的可能性
这就是一个典型的应用
简单给大家解释一下
我们再来看呢
还有一类重要的码
这类编码是能够纠正的
多个符号差错的循环
我们称为是李德所罗门码
简称
叫RS码
这类编码方法
它可以解释为是
多进制的BCH码
它不是纠正多个比特差错
它是纠正多个符号差错
这个地方的所谓多进制
它是定义在
这种多项多进制域上
我们称为是二元域
公式见图
把它扩展到gf2的M进制域
上去的
也就是说一个符号
携带的是m个比特
因此RS码它的纠错能力
比BCH码还强
还能纠正了更多的比特差错
甚至 RS码还能够纠正突发错误
就你错一串比特 它也能纠正
因为它具有很强的纠正
多个独立差错
和突发差错的能力
所以RS码
在很多
这个需要高可靠性的传输
和数据存储系统当中得到了应用
我们可以给大家举一个代表性的
例子
很多音乐发烧友
特别喜欢的听 cd
大家看 cd唱片
Cd唱片
我们为了记录到光盘上
以后
Cd就是光盘
光盘最容易产生的一类错误
就是华商错
比如说你拿个小刀
在光盘上的画一下
你不起眼
你就稍微滑个一毫米
那么对应到的错误
可能就是几十个比特
如果你花的长一点
就可能上百个比特出错了
为了能够保证的音质
一般我们这种cd唱片
在这种数据差错控制上
所采用的标准就是RS码
采用RS码之后
它可以具有强有力的纠错能力
能够有效地防止
那种划痕导致的损伤
好
这就是一个典型的应用
简单给大家举个例子
上述我们都讲的是
循环码
在纠错方面的应用事例
下面我们再给大家举个例子
是
循环码在检测方面的应用实例
也就是 CRC循环
冗余校验码
缩写叫做CRC
全称就是循环
冗余监督
或者循环冗余校验码
这种编码首先是一个循环码
但是 CRC 码它不
能够进行纠错
它纠不了错
它的最小汉明距不够
但是它可以进行检测
它的检测能力是非常强的
一般来讲
CRC的检测能力
是强有力的一种检错
那么比如说
我们给大家举点事例
下面列举的是
我们在国际标准当中
常用的一些
CRC的编码
比如说我们这里有CRC12
16
CRC-CCITT
还有32
大家看这儿
给到的是这4类
CRC编码的身份多样式
这些身份多样式就给出来了
CRC编码
采用循环码结果
来进行编码的一个基本的约束
关系
我们可以采用
除法电路
或者乘法电路
来实现 CRC的编码
CRC的检测
或者是校验电路也比较简单
因为它具有很强的检测能力
并且它的编码和校验的电路结构
也比较简单
所以在实际系统当中
得到了比较广泛的使用
主要的这些数据通信的协议当中
我们都有CRC编解码
以上就是我们对线性分组码的
基本知识的介绍
-1.1 前言
--1.1 前言
-1.2 移动通信发展的回顾
-1.3 第四代移动通信技术
-1.4 第五代移动通信技术
-1.5 未来移动通信技术
-第一章 作业
--第一章 作业
-2.1 移动信道的特点
-2.2 三类主要快衰落
-2.3 传播类型与信道模型的定量分析
-2.4 无线信道模型
-第二章 作业
--第二章 作业
-3.1 多址技术的基本概念
-3.2 移动通信中的典型多址接入方式
-3.3 码分多址CDMA中的地址码
-3.4 伪随机序列(PN)和扩频码的理论基础与分析
-第三章 作业
--第三章 作业
-4.1 语音压缩编码
-4.2 移动通信中的语音编码
-4.3 图像压缩编码
-4.4 我国音视频标准
-第四章 作业
--第四章 作业
-5.1 概述
--5.1 概述
-5.2 保密学的基本原理
-5.3 GSM系统的鉴权与加密
-5.4 IS-95系统的鉴权与加密
-5.5 3G系统的信息安全
-5.6 B3G与4G系统的信息安全
-第五章 作业
--第五章 作业
-6.1 移动通信系统的物理模型
-6.2 调制/调解的基本功能与要求
-6.3 MSK/GMSK调制
-6.4 π/4-DQPSK调制
-6.5 3π/8-8PSK调制
-6.6 用于CDMA的调制方式
-6.7 MQAM调制
-第六章 作业
--第六章 作业
-7.1 信道编码的基本概念
-7.2 线性分组码
-7.3 卷积码
--7.3 卷积码
-7.4 级联码
--7.4 级联码
-7.5 Turbo码
-7.6 交织编码
--7.6 交织编码
-7.7 ARQ与HARQ简介
-7.8 信道编码理论上的潜在能力与最大编码增益
-7.9 GSM系统的信道编码
-7.10 IS-95系统中的信道编码
-7.11 CDMA2000系统的信道编码
-7.12 WCDMA系统的信道编码
-第七章 作业
--第七章 作业
-8.1 分集技术的基本原理
-8.2 RAKE接收与多径分集
-8.3 均衡技术
--8.3 均衡技术
-8.4 增强技术与应用
-第八章 作业
--第八章 作业
-9.1 多用户检测的基本原理
-9.2 最优多用户检测技术
-9.3 线性多用户检测技术
-9.4 干扰抵消多用户检测器
-第九章 作业
--第九章 作业
-10.1 OFDM基本原理
-10.2 OFDM中的信道估计
-10.3 OFDM中的同步技术
-10.4 峰平比(PAPR)抑制
-第十章 作业
--第十章 作业
-11.1 多天线信息论简介
-11.2 空时块编码(STBC)
-11.3 分层时空码
-11.4 空时格码(STTC)
-11.5 空时预编码
-11.6 MIMO技术在宽带移动通信系统中的应用
-第十一章 作业
--第十一章 作业
-12.1 引言
--12.1 引言
-12.2 多功率控制原理
-12.3 功率控制在移动通信中的应用
-12.4 无限资源的最优分配
-12.5 速率自适应
-第十二章 作业
--第十二章 作业
-13.1 标准化进程
-13.2 HSPA系统
-13.3 EVDO系统
-13.4 LTE系统
-13.5 WiMax系统
-第十三章 作业
--第十三章 作业
-14.1 TDD原理
-14.2 TD-SCDMA
-14.3 UTRA TDD
-14.4 TD-HSPA
-第十四章 作业
--第十四章 作业
-15.1 移动网络的概念与特点
-15.2 从GSM/GPRS至WCDMA网络演讲
-15.3 第三代(3G)移动通信与3GPP网络
-15.4 从IS-95至CDMA2000网络演讲
-15.5 B3G与4G移动通信网络
-第十五章 作业
--第十五章 作业
-16.1 移动通信中的业务类型
-16.2 呼叫建立与接续
-16.3 移动性管理
-16.4 无线资源管理RRM
-16.5 跨层优化
-第十六章 作业
--第十六章 作业