Jump to content

    

coding4dsp

Участник
  • Content Count

    34
  • Joined

  • Last visited

Community Reputation

0 Обычный

About coding4dsp

  • Rank
    Участник

Recent Profile Visitors

459 profile views
  1. Я планирую декодировать канальные LLRы. LLR же рассчитываю с учетом оценки канала. А как подобрать под канал? У меня обратной связи между ПРМ и ПРД нет. А так я знаю, под каждый рассматриваемый канал, сколько из 100 принятных символов будут статистически ненадежными.
  2. Декодер Витерби

    В первую очередь рассматривают АБГШ канал.
  3. Декодер Витерби

    По bit error ratio (BER). Если ваш декодер правильно реализован, то графики BER совпадут с матлабовскими.
  4. Декодер Витерби

    https://www.mathworks.com/help/comm/ug/estimate-ber-for-hard-and-soft-decision-viterbi-decoding.html Качайте, матлаб!
  5. Декодер Витерби

    А вам BER нравится? Сравнивали с эталоном из матлабовского bertool, например? Методом нормализации целочисленных метрик много: вычитание на каждом шаге минимальной, по модулю-2 и пр. Без нормальзации метрик BER становится правильным?
  6. Вот хочу я, например, супер-надежно передать 1 бит по беспроводному каналу. Есть много места под избыточность, порядка 100 бит. Первое, что приходит в голову использовать 2^1 ортогональных кодовых слов длины 100. На приеме декодировать их по ML (коррелятор). А какие еще есть подходы для низко скоростного кодирования единиц бит? Посмотрел стандарт LTE. Есть там сообщения из 1-2 бит: HARQ и CFI. В обоих случаях используется блоковый код (терминология стандарта). По сути, этот блоковый код и есть набор ортогональных кодовых слов. Для HARQ код (1,3), а для канала CFI - (4,32). Похоже на то, что я написал в самом начале о моей задумке. Это и стоит использовать?
  7. Декодер Витерби

    BER не понравился?
  8. С математической точки зрения, такого не может быть. ЦП нужен для устранения МСИ от предыдущего символа. При точной синхронизации на приеме по времени и частоте после отбрасывания ЦП каких-либо изменений в бинах быть не должно.
  9. Сумбурно... Наткнулся на сайт https://www.deepsig.io/. Стартап, который разрабатывает "принципиально" новые беспроводные решения. Есть два решения: анализатор спектра и что-то непонятное под название OmniPHY. Я уже видел статьи, где машин лернинг используется для классификации и обнаружения радиосигналов. А вот с brandNew Machine Learning беспроводными системами я не сталкивался. Вот вроде бы есть оптимальные метода приема, эквалайзеры, вариации каналов и пр, которые активно обсуждаются на форуме. Неужели нейронные сети действительно хорошо справятся не только с задачами классификации, но и приема? Надо ли переучиваться на Machine Learning? Кто-то есть в теме данного направления?
  10. Я не понимаю, это вы так стебётесь?
  11. Децимирующее устройство, которое только выбирает K-ый отсчет и ничего больше не делает, ничего не фильтрует, а только схлопывает c наложениями спектр в К-раз.
  12. Только кодер/декодер, по этому с ходу на ваш вопрос не отвечу((
  13. Когда приходит пора терминации, то активен ключ В.
  14. Я делал турбо-кодек только под LTE. Посмотрел DVB - там duo-binary турбо-код с tail-biting, я с таким не сталкивался. Вы же про tail-biting говорите? В рекурсивном сверточном коде последнее состояние от всех данных зависит, а не от k-последних. Однако, если в wimax/dvb используется duo-binary с tail-biting, то, значит, я не до конца разобрался. На приеме с увеличением кол-ва итераций надежность оценки терминационных символов расти, конечно, не будет, так как для них нет Extrinsic'ов. После обратного прохода, эти биты, конечно, отбросят, но декодер ведь шел из известного конечного состояния, а это главное.
  15. 3 на систематические биты, 3 на проверочные биты 1-го RSC, 3 на проверочные биты 2 RSC и еще 3 на систематические биты 2-го RSC.