Концептуальная модель принятия решения квазиинтеллектуальным декодером при обработке информации в канале связи с неизвестными параметрами

Размещено на http://www.allbest.ru/

Ульяновский Государственный Технический Университет (УлГТУ)

Концептуальная модель принятия решения квазиинтеллектуальным декодером при обработке информации в канале связи с неизвестными параметрами

С.М. Наместников

В настоящее время декодирующие устройства, используемые в современных и перспективных цифровых системах связи, достаточно «жестки» с точки зрения принципов обработки поступающей информации, хотя и используют мягкие решения при оценке символов. Для понимания необходимо разделить два взаимосвязанных процесса: принятие решения о правдоподобности полученного символа на основе вероятностных характеристик и принятие решения об изменении (переключении) правила обработки входного трафика из канала связи с неизвестными параметрами (перезапрос, изменение порождающей матрицы с целью увеличения/уменьшения вносимой в код избыточности и т.д.). В этой работе будет предложена концептуальная модель принятия решения квазиинтеллектуальным декодером при обработке информации. Для этого необходимо дать четкое определение квазиинтеллектуального декодера. Квазиинтеллектуальным («почти» интеллектуальным) декодером называют декодирующее устройство, способное оперативно и адекватно оценивать обстановку в канале связи для принятия решения о правдоподобности полученного символа и принятия решения об изменении правила обработки информации на основе минимального объема данных о состоянии линии передачи.

Концептуальная модель декодирующего устройства

В настоящее время происходит интенсивное развитие цифровых систем связи, таких как космическая, спутниковая, мобильная связь и др. В процессе передачи сигнал претерпевает значительное воздействие со стороны помех различной физической природы (естественного и антропогенного характера). В результате возникает задача обеспечения надежной передачи информации по каналам с помехами, при этом условия функционирования подобных систем связи часто таковы, что характеристики входных сигналов и помех либо известны неточно, либо существенно изменяются во времени. Другими словами, хотя и канал связи может быть локально стационарным, и его можно рассматривать в такой парадигме, однако, чаще всего реальная оперативная обстановка требует более адаптивных подходов. Важно отметить, что качество работы системы связи, спроектированной в расчете на неизменяющиеся условия работы, на практике может оказаться существенно ниже ожидаемого (порядка 10ч15 %). Избежать этого позволяет применение адаптивной системы (в нашем случае квазиинтеллектуального декодера), параметры или даже структура которой при изменении внешних условий автоматически изменяются, поддерживая тем самым близкий к оптимальному режим работы [1].

Стоит отметить, что наибольший положительный эффект обеспечивается путем объединения процедур демодуляции и декодирования, которое, естественно, усложняет реализацию процессора приемника. Однако, достижения в области современных микропроцессорных технологий позволяют оценить этот фактор как второстепенный по сравнению с получаемым общим выигрышем по достоверности. На основании этого возникает задача создания механизма, позволяющего произвести оценку канала связи с неизвестными параметрами (быстроменяющимися параметрами) с сохранением достоверности принятой информации [1-3]. При этом в системах связи с относительно стабильными параметрами и большими объемами передаваемых данных в качестве мягких решений с успехом используется классический метод логарифма отношения правдоподобия (Log Likelihood Ratio, LLR). В большинстве аналитических оценок эффективности процедуры мягкого декодирования помехоустойчивых кодов в качестве МРС (мягкое решение символа) символов принимается значение LLR. Этот параметр для двоичных систем модуляции определяется как:

,

где - возможные значения переданного бита, а - принятый приемником уровень сигнала. Для одного принятого символа , а значение LLR для канала с независимым потоком ошибок в условиях применения двоичной фазовой модуляции (BPSK) определяется выражением [2-5]: несанкционированный информация квазиинтеллектуальный декодер

,

где - энергия сигнала, приходящаяся на бит, - дисперсия шума.

Применение системы декодирования на основе мягких решений (soft-decision decoding, SDD) настроено таким образом, что полученные из канала связи данные вводятся непосредственно в декодирующее устройство. Далее выполняется процесс формирования оценок кодовой комбинации. Стоит отметить, что для SDD необходимо знать статистику шума в канале связи. Как видно из выражения (2), вычисление МРС определяется дисперсией шума, которая в свою очередь зависит от математического ожидания. Таким образом, для оценки канала связи необходимо знать математическое ожидание и дисперсию шума , что является трудной задачей без применения пилот-сигналов. Стоит отметить, что использование пилот-сигналов не всегда позволяет однозначно определить параметры канала связи. Это обусловлено наличием быстроменяющихся параметров шума. В качестве решения поставленной задачи предложено определить выборочные математическое ожидание и дисперсию МРС. В работе [6] доказано, что имеется скрытость параметров канала связи в МРС. На основании этого были проведены статистические исследования, в которых рассматривалась матрица блокового кода размерностью 16x16. Далее определялся МРС каждого бита и после рассчитывались выборочные математическое ожидание и дисперсия каждой строки и столбца исходной матрицы. После был осуществлен расчет и всей матрицы со всем размахом вариаций этих параметров. Проведено исследование выборочных и в разрезе изменения соотношения сигнал/шум h. Под величиной h понимается соотношение сигнал/шум, выраженное в децибелах, которое определяется выражением где - спектральная плотность мощности шума.

Полученные статистические данные показывают, что размах вариации изменяется квазилинейно в случае математического ожидания. В случае дисперсии изменение не обладает линейностью. Таким образом, оценку канала связи на основании дисперсии производить нецелесообразно. В случае модели стирающего канала связи с широким интервалом стирания вычисление МРС определяется выражением [1-7]:

где - математическое ожидание, 0?с<1 - интервал стирания (необходимо использовать широкий интервал стирания).

На основании рисунка 1 можно задать критерии построения адаптивной системы передачи данных с учетом информации, полученной из квазиинтеллектуального декодера, основным параметром которого является значение математического ожидания МРС. Пусть задано , определим наилучший и наихудший случаи работы, а также границы переключения кодов подобной системы связи (см. рис. 1.)

Из рисунка 1 видно, что на интервале 0,46ч3,01 Дб необходимо применение кодов с повышенной избыточностью (обозначено цифрой 1), в интервале 3,01ч5,02 Дб целесообразно применение классических помехоустойчивых кодов (обозначено цифрой 2), на интервале 5,02ч10 Дб система стремится к модели канала связи со стационарными параметрами (обозначено цифрой 3). Таким образом, мы переходим от параметров адаптивности системы связи к изменяющейся избыточности кода, что является одним из критериев квазиинтеллектуального декодера [2-4].

Рис. 1. Определение критериев состояния канала связи.

Таким образом, можно построить концептуальную модель квазиинтеллектуального декодера с возможностью переключения режимов по каналу обратной связи. Данная модель представлена на рисунке 2.

Рис. 2. Концептуальная модель квазиинтеллектуального декодера.

Заключение

Применение параметра для оценки канала связи является нецелесообразным. В качестве решения поставленной задачи предложено определять выборочные математическое ожидание и дисперсию МРС. Имеющаяся скрытость параметров канала связи в МРС, а также универсальность метода формирования МРС в случае стирающего канала связи с широким интервалом стирания доказывают целесообразность применения математического ожидания как инструмента оценки состояния канала связи, что является базисом для построения квазиинтеллектуального декодера. Разработаны критерии подстройки системы связи при работе в канале связи с неизвестными параметрами. При использовании в качестве кода 1 (0,46ч3,01 Дб) полярного кода размерности (1024, >512), при изменении состояния канала связи и при переходе к коду 2 (3,01ч5,02 Дб) возможно применение полярного кода размерности (1024, 512). Что касается кода 3 (5,02ч10 Дб), то имеет место применение полярного кода размерности (1024, <512). Это позволит управлять пропускной способностью канала связи за счет гибкого управления избыточностью. Определение степени изменяющейся избыточности кода зависит от особенностей проектируемой системы. Другими словами, проектировщик может самостоятельно задавать количество режимов и, как следствие, объем порождающих матриц, однако, внедрение более 8 режимов слишком усложнит систему и не позволит адекватно выделять участки локальной стационарности канала связи.

Благодарности

Исследование выполнено при финансовой поддержке РФФИ и Правительства Ульяновской области в рамках научного проекта № 16-47- 732011\19 и в рамках договора код 0045098, заявка №49943, конкурс УМНИК-18 (а), Ульяновская область - 2018.

Литература

1. Гладких А.А., Климов Р.В., Чилихин Н.Ю. Методы эффективного декодирования избыточных кодов и их современные приложения // Ульяновск: УлГТУ, 2016. - 258 с.

2. Чилихин Н.Ю. Декодирование полярных кодов в канале связи с неизвестными параметрами для широкополосных систем передачи данных // REDS: Телекоммуникационные устройства и системы, Москва, 2014, Т. 4, № 2. - С. 94-98.

3. Чилихин Н.Ю. Оценка канала связи с неизвестными параметрами на основе формирования мягких решений в широкополосных системах связи // DSPA-2014. Международная конференция «Цифровая обработка сигналов и её применение», Москва, 2014, XVI-1. - С. 241-245.

4. Чилихин Н.Ю. Применение полярных кодов в комплексе со статистической оценкой канала связи широкополосных систем // Радиолокация, навигация и связь XX Международная научно-техническая конференция, Воронеж, 2014. - С. 1008-1013.

5. Гладких А.А. Основы теории мягкого декодирования избыточных кодов в стирающем канале связи // Ульяновск: УлГТУ, 2010. - 379 с.

6. Гладких А.А., Чилихин Н.Ю. Формирование мягких решений в системе широкополосного канала связи с QPSK-QAM // Автоматизация процессов управления, 2013, № 3 (33), - С. 75-79.

7. Гладких А.А., Климов Р.В. Численное моделирование обобщенной процедуры формирования индексов мягких решений // Информационно-коммуникационные технологии, 2013, Том 12, № 2, - С.22-28.

Аннотация

При трансляции данных по каналам связи передаются полезная (пользовательская) информация и служебная информация, содержащая адрес назначения, внесенную избыточность для защиты данных от несанкционированного доступа к ним, информацию, необходимую для всех участников сети с целью настройки правильной маршрутизации и т.д. В текущих реалиях объем служебной информации начинает превышать объем полезной информации, передаваемой в единицу времени, что замедляет скорость передачи и, как следствие, качество предоставляемых услуг для конечных пользователей (в т.ч. в режиме реального времени). Квазиинтеллектуальный декодер на базе полярных кодов позволит гибко подходить к управлению потоком данных, минимизируя количество служебной информации, передаваемой в единицу времени, что повысит эффективность использования транспортных сетей, т.к. в единицу времени будет больше транслироваться полезной информации при сохранении или улучшении защищенности трафика.

Ключевые слова: помехоустойчивые коды, мягкое декодирование, полярные коды, квазиинтеллектуальный декодер, энергетическая эффективность, интеллектуальное управление пропускной способностью.

When data is transmitted through communication channels, useful (user's) information and service information containing the destination address, redundancy made to protect data from unauthorized access to it, the necessary information for all network participants in order to configure the correct routing, etc. In the current realities, the amount of service information begins to exceed the amount of useful information transmitted per unit time, what slows down the transmission speed and, as a consequence, the quality of services provided to end users (including services in real time). The quasi-intelligent decoder based on polar codes will allow approach to data flow management flexibly, minimizing the amount of service information transmitted per unit of time, what will increase the efficiency of transport networks use, there will be more broadcast useful information while maintaining or improving the security of traffic per unit of time.

Keywords: noise-resistant codes, soft decoding, polar codes, quasi-intelligent decoder, energy efficiency, intelligent bandwidth management.

Размещено на Allbest.ru