Главная > Коды с малой плотностью проверок на четность
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

4.3. Вероятность ошибки при использовании метода вероятностного декодирования

Задача математического анализа вероятностного декодирования трудна, однако можно легко получить одну очень слабую оценку вероятности ошибки.

Рассмотрим ДСК с вероятностью перехода и будем сначала исследовать -код с в котором каждый символ содержится в трех проверочных множествах. Рассмотрим дерево проверочных множеств — такое, как приведенное на рис. 4.1 и содержащее независимых ярусов, но перенумеруем ярусы сверху вниз, так что самый верхний ярус станет нулевым, а декодируемый символ окажется ярусом.

Модифицируем метод декодирования следующим образом. Если не удовлетворены обе проверки, соответствующие ветвям, выходящим из символа первого яруса, инвертируем этот символ; проделаем то же во втором ярусе, используя измененные символы, и т. д. вплоть до символа

Вероятность ошибки декодирования символа после проведения такого процесса служит оценкой сверху вероятности неправильного решения после итераций в вероятностной схеме декодирования. В обоих методах решение принимается только по принятым символам в -ярусном дереве, однако метод вероятностного декодирования всегда дает наиболее достоверное решение на основе имеющейся информации.

Найдем теперь вероятность того, что использование модифицированного метода приведет к неправильному решению относительно символа в первом ярусе. Если принятый символ искажен (вероятность такого события равна проверочные соотношения, включающие этот символ, не будут удовлетворены тогда и только тогда, когда будет искажено четное число (включая и нуль) среди остальных символов проверочного множества. По лемме 4.1 вероятность четного числа ошибок в символах равна

Поскольку ошибка исправляется только в том случае, когда не удовлетворены оба проверочных соотношения, содержащие символ, получим следующее выражение для вероятности того, что символ принят с ошибкой, а затем исправлен:

Аналогичные рассуждения приводят к следующему выражению для вероятности того, что символ в первом ярусе был принят правильно, но затем был изменен из-за неудовлетворенных проверочных соотношений:

Объединяя выражения (4.8) и (4.9), получаем вероятность неправильного решения относительно

символа в первом ярусе при таком методе декодирования:

Отсюда по индукции легко следует, что если есть вероятность неправильного решения после обработки символа в ярусе, то

Покажем теперь, что при достаточно малых последовательность сходится к 0.

Рис. 4.3. Зависимость от

Рассмотрим рис. 4.3, на котором приведена зависимость от Поскольку ордината при некотором номере есть абсцисса для следующего, построение зигзагообразной пунктирной линии дает удобный графический метод нахождения для последовательных значений Из

рис. 4.3 можно видеть, что если

то последовательность Из равенства (4.11) видно, что неравенство в (4.12) выполняется при достаточно малых На рис. 4.4 приведены макси» мальные значения для нескольких значений

Рис. 4.4. Максимальные значения при которых слабая оценка сходится.

Скорость, с которой стремится к нулю, можно определить, заметив, что из равенства (4.11) для малых следует, что

А отсюда для достаточно больших

где С — константа, не зависящая от Поскольку число независимых итераций в дереве растет логарифмически с длиной блока, эта оценка вероятности ошибки декодирования стремится к нулю как малая отрицательная степень длины блока. Столь медленная сходимость к нулю, по-видимому, вызвана модификацией метода декодирования и требованием полной независимости и не присуща вероятностному декодированию в целом.

Подобные же рассуждения можно провести и в случае кодов, в которых число проверочных множеств на символ больше трех. Более сильный результат

можно получить, если инвертировать символ всякий раз, когда не удовлетворено большее чем некоторое целое число проверочных соотношений, содержащих этот символ; величину мы установим ниже. Пользуясь таким критерием и рассуждая так же, как и при выводе равенства (4.11), получим

Теперь можно выбрать целое так, чтобы минимизировать Решением будет наименьшее целое для которого

Из этого неравенства видно, что уменьшается с уменьшением На рис. 4.5 приведена зависимость от с учетом того, что выбрано меняющимся в соответствии с условием (4.16). Точка излома отвечает изменению

Доказательство того, что вероятность ошибки декодирования стремится к нулю с увеличением числа итераций при достаточно малых значениях вероятности перехода, остается прежним. Однако асимптотическое поведение последовательности при стремлении к нулю меняется. Из неравенства (4.16) следует, что для достаточно малых принимает значение при четном при нечетном .

Используя эти значения и разлагая выражение (4.15) по степеням получаем

Рис. 4.5. Поведение итераций декодирования при

С помощью этих выражений можно показать, что для соответствующим образом выбранных положительных констант и достаточно больших справедливо неравенство

Интересно связать этот результат с длиной кодового блока. В m-м ярусе дерева всего символов; должно быть не меньше этой величины, что и дает нам левую часть соотношения (4.20). С другой стороны, в приложении В приводится специальный метод построения кодов, для которых выполняется правое неравенство в соотношении (4.20)

Объединяя неравенства (4.19) и (4.20), получаем оценку вероятности ошибки декодирования кода, удовлетворяющего условиям (4.20):

При эта оценка вероятности ошибки декодирования убывает экспоненциально с корнем из Заметим, что если бы число итераций выполняемых без возникновения зависимостей, было в

раз больше, вероятность ошибки декодирования убывала бы экспоненциально с Существует гипотеза о том, что итерирование после проявления зависимостей в вероятностной схеме декодирования даст такую экспоненциальную оценку.

Другой способ оценки вероятностного метода декодирования состоит в вычислении распределения вероятностей логарифмических отношений правдоподобий для ряда итераций. Такой подход позволяет выяснить, можно ли с помощью кода с фиксированными

добиться сколь угодно малой вероятности ошибки при передаче по заданному каналу. Расчеты на вычислительной машине ИБМ-709 показали, что код с пригоден для каналов с вероятностями перехода вплоть до 0,07, а код с пригоден для каналов с вероятностями вплоть до 0,144. Эти цифры особенно интересны, поскольку опровергают установившееся мнение о том, что пороговая скорость последовательного декодирования ограничивает интервал скоростей, при которых вообще возможны сколько-нибудь простые методы декодирования.

Categories

1
Оглавление
email@scask.ru