本發(fā)明屬于差錯控制編碼中的信道建模領域，針對混合信道中出現(xiàn)的隨機錯誤和長連續(xù)突發(fā)錯誤建立信道模型。

背景技術：

近年來，對高效可靠的數(shù)字傳輸系統(tǒng)的需求隨著在商業(yè)、政府和軍事領域面向數(shù)字信息的交換、處理和存儲的大規(guī)模高速數(shù)據(jù)網(wǎng)的出現(xiàn)而變得更加迫切，自1948年香農(nóng)提出代數(shù)編碼理論以來，差錯控制編碼的應用就已經(jīng)成為現(xiàn)代通信系統(tǒng)和存儲系統(tǒng)中不可分割的一部分。無論是模擬信號還是數(shù)字信號，在從信源傳遞到信宿的過程中都不可避免的會由于傳輸信道的不理想而出現(xiàn)傳輸錯誤，差錯控制編碼就是在數(shù)字通信過程中利用編譯碼技術對信息傳輸過程中出現(xiàn)的差錯進行檢驗和糾正的技術，典型的數(shù)據(jù)傳輸系統(tǒng)框圖如圖1。

信道的不理想主要是由介質(zhì)的噪聲干擾造成，主要分為隨機噪聲和突發(fā)噪聲，對于數(shù)字信號會產(chǎn)生相應的隨機錯誤與突發(fā)錯誤。近年來，編譯碼技術的發(fā)展對于信道模型的建立也提出了更高的要求，更準確、更貼近實際信道狀況的信道模型是編譯碼理論與技術發(fā)展的必然要求。

因此，上個世紀以來，信道建模逐漸走入了研究者的視野。隨機錯誤信道是一種無記憶信道，其模型可以簡單地用高斯白噪聲信道表示，而突發(fā)錯誤信道是一種有記憶信道，其突發(fā)錯誤是由多徑傳輸?shù)男盘査ヂ湟鸬模艿蕉喾N因素的影響，因此研究者們提出了多種方法對突發(fā)錯誤信道進行建模。1960年gilbert提出了用兩狀態(tài)的馬爾科夫模型對突發(fā)錯誤進行模擬，模型中只有0,1兩種狀態(tài)，兩種狀態(tài)的分布皆為幾何分布，后來又有學者提出了有限多狀態(tài)以及無限狀態(tài)的馬爾科夫狀態(tài)轉(zhuǎn)移模型，1992年berman提出了n+1狀態(tài)的馬爾科夫模型，該模型中連續(xù)突發(fā)錯誤的出現(xiàn)滿足泊松分布，更加貼近實際突發(fā)噪聲的干擾情況，然而以上的研究都只對突發(fā)噪聲內(nèi)部情況進行了模擬，沒有對噪聲干擾強度與模型內(nèi)部參數(shù)的關系進行闡述，也沒有與隨機信道相結合，信道模型并不完整。

基于以上背景，深入研究一種新型的混合信道模型建立方法是編譯碼技術發(fā)展的需求。

附圖說明

圖1典型的數(shù)據(jù)傳輸系統(tǒng)框圖

圖2數(shù)字編碼系統(tǒng)中的信道

圖3功率占比參數(shù)與突發(fā)程度的仿真結果(ψ＝0.2、0.4、0.6、0.8、1)

圖4比特級馬爾科夫狀態(tài)轉(zhuǎn)移模型

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種更為完整、準確的信道建模方法。本發(fā)明對于同時存在隨機噪聲與突發(fā)噪聲的信道進行建模，將隨機噪聲與突發(fā)噪聲模型化為兩個方差不同的高斯白噪聲信道，隨機噪聲的方差較小，而突發(fā)噪聲的方差較大，之后引入功率占比參數(shù)，通過判斷信道中突發(fā)噪聲的占比，在存在突發(fā)噪聲的情況下引入比特級馬爾科夫轉(zhuǎn)移模型描述突發(fā)噪聲內(nèi)部特性。此種建模方法可完整描述信道中隨機噪聲和突發(fā)噪聲所引起的隨機錯誤和突發(fā)錯誤，技術方案如下：

一種比特級混合信道建模方法，包括下列步驟：

(1)將將信道噪聲劃分為隨機噪聲與突發(fā)噪聲，將隨機噪聲與突發(fā)噪聲用方差不同的高斯白噪聲表示，信道噪聲可以表示為高斯白噪聲信道中夾雜著更大方差的泊松分布高斯白噪聲。

(2)根據(jù)突發(fā)噪聲為泊松分布的高斯噪聲的特點，計算其功率占信道總功率的比例參數(shù)，通過仿真判斷功率占比參數(shù)與信道中突發(fā)噪聲的發(fā)生情況，確定功率占比突發(fā)閾值，當比例參數(shù)超過該閾值時，認為信道存在突發(fā)噪聲，反之，則無突發(fā)噪聲。

(3)當信道存在突發(fā)噪聲時，引入比特級馬爾科夫狀態(tài)轉(zhuǎn)移模型描述突發(fā)噪聲內(nèi)部特性，當給定突發(fā)錯誤長度bl時，狀態(tài)轉(zhuǎn)移鏈由bl+1狀態(tài)組成，狀態(tài)指的是仍將被干擾的比特數(shù)，當任一個泊松突發(fā)錯誤到來，狀態(tài)轉(zhuǎn)移為bl狀態(tài)，否則，狀態(tài)依次減1直至狀態(tài)減為0或者下一個突發(fā)錯誤到來。

(4)將馬爾科夫狀態(tài)轉(zhuǎn)移鏈表示的突發(fā)噪聲與隨機噪聲相結合，完整地描述信道噪聲。

本發(fā)明利用信道出現(xiàn)的隨機錯誤和突發(fā)錯誤的相似性和差異性進行比特級建模，對突發(fā)錯誤內(nèi)部特性用馬爾科夫狀態(tài)轉(zhuǎn)移鏈進行模擬，并通過參數(shù)的提出對信道的突發(fā)強度進行判斷，從而實現(xiàn)數(shù)據(jù)接收端對信道狀態(tài)的判斷和譯碼方式的選擇，可以提高突發(fā)信道模型的準確性和整個系統(tǒng)數(shù)據(jù)傳輸?shù)目煽啃浴?/p>

具體實施方式

本發(fā)明對數(shù)字通信中的信道進行建模，根據(jù)隨機噪聲和突發(fā)噪聲的相應特點進行數(shù)學計算，對因此而產(chǎn)生的隨機錯誤和突發(fā)錯誤有較好的模擬。同時通過參數(shù)設定自適應判斷信道狀態(tài)，切換信道模型，實現(xiàn)接收端譯碼方法的選擇，提高譯碼性能。

本發(fā)明將信道噪聲劃分為隨機噪聲與突發(fā)噪聲，并將隨機噪聲與突發(fā)噪聲用方差不同的高斯白噪聲表示，分別為和因突發(fā)噪聲的特點是其電平波動范圍大，所以方差較大，因此信道噪聲可以表示為高斯白噪聲信道中夾雜著更大方差的泊松分布高斯白噪聲。對于整個信道，認為其是方差為的高斯白噪聲信道。下面具體介紹模型建立的過程。

(1)首先信道噪聲nd(t)由隨機噪聲ng(t)和突發(fā)噪聲nb(t)組成，如圖2，而此處指的是數(shù)字編碼中的噪聲源，因而只需考慮每一比特上的噪聲，因此nb(t)可以表示為其中ai(n)為方差為的加性高斯過程，[ni]為到達率為γ的泊松分布點，bl為突發(fā)錯誤長度。

(2)計算功率占比參數(shù)ψ，由簡單數(shù)學計算可得隨機噪聲，突發(fā)噪聲和信道總噪聲的功率分別為：因此對于給定的突發(fā)錯誤長度，可以得到ψ與信道狀況的關系仿真圖，如圖3，由圖可知當參數(shù)大于等于0.2時，信道中存在明顯的突發(fā)噪聲，因此0.2為信道突發(fā)閾值。

(3)對于任一信道，計算功率占比參數(shù)ψ，當ψ≥0.2時認為信道存在突發(fā)噪聲，此時引入馬爾科夫狀態(tài)轉(zhuǎn)移鏈描述突發(fā)噪聲內(nèi)部特性，如圖4，共有bl+1種狀態(tài)，每一狀態(tài)表示仍將被突發(fā)噪聲干擾的比特數(shù)，泊松到達率γ＝p(τ≤1)＝1-e^-λ為狀態(tài)轉(zhuǎn)移參數(shù)，從任意狀態(tài)有概率為γ轉(zhuǎn)移為bl狀態(tài)，之后狀態(tài)依次減少1，直至減少為0或下一次突發(fā)錯誤到來。

(4)完整的信道模型由狀態(tài)轉(zhuǎn)移鏈描述的突發(fā)錯誤模型與高斯白噪聲描述的隨機錯誤模型組成，功率占比參數(shù)的確定可以對信道狀態(tài)進行判斷，在完整化信道信息的同時給譯碼端提供了更多的信道軟信息，使譯碼器更加準確的進行軟判決譯碼。