卷积码与分组码不同,它具有记忆性——当前输出不仅取决于当前输入,还取决于之前的状态。Viterbi算法是最优的卷积码解码方法,通过网格图搜索最可能的信息序列。
约束长度K=3,码率R=1/2的卷积码是最经典的示例。生成多项式g1=7(111), g2=5(101)。
编码器有2^(K-1)=4个状态,每个状态有2个转移(输入0或1),形成4状态网格图。
Viterbi算法在网格图上寻找Hamming距离最小的路径——这就是最大似然序列检测。
Viterbi算法复杂度=O(2^K × N),K是约束长度,N是序列长度。实际中K通常≤9。
// viterbi.v - (7,5)卷积码Viterbi解码器
module viterbi_decoder #(
parameter TRACE_BACK = 32,
parameter DATA_W = 1
)(
input wire clk, rst_n,
input wire [1:0] rx_sym,
input wire rx_valid,
output reg dec_bit,
output reg dec_valid
);
localparam STATES = 4;
reg [7:0] path_metric [0:STATES-1];
reg [7:0] branch_metric [0:STATES-1][0:1];
reg [TRACE_BACK-1:0] survivor [0:STATES-1];
reg [$clog2(TRACE_BACK)-1:0] tb_cnt;
always @(posedge clk or negedge rst_n) begin
if (!rst_n) begin
for (integer i=0; i<STATES; i=i+1) path_metric[i] <= 0;
tb_cnt <= 0;
end else if (rx_valid) begin
// Add-Compare-Select (simplified)
for (integer i=0; i<STATES; i=i+1) begin
integer prev0=(i>>1), prev1=(i>>1)+2;
reg [7:0] m0, m1;
m0 = path_metric[prev0] + branch_metric[i][0];
m1 = path_metric[prev1] + branch_metric[i][1];
if (m0 < m1) begin
path_metric[i] <= m0;
survivor[i] <= {survivor[i][TRACE_BACK-2:1], 1'b0};
end else begin
path_metric[i] <= m1;
survivor[i] <= {survivor[i][TRACE_BACK-2:1], 1'b1};
end
end
tb_cnt <= tb_cnt + 1;
end
end
endmodule
#!/usr/bin/env python3
import numpy as np
import matplotlib.pyplot as plt
def viterbi_decode(rx, trellis_next, trellis_out):
n_state, n_time = len(trellis_next), len(rx)//2
path = np.full((n_state, n_time+1), np.inf)
path[0,0] = 0
for t in range(n_time):
r = rx[2*t:2*t+2]
for s in range(n_state):
for b in range(2):
ns = trellis_next[s][b]
out = trellis_out[s][b]
d = sum((r[i]-out[i])**2 for i in range(2))
if path[s,t]+d < path[ns,t+1]:
path[ns,t+1] = path[s,t]+d
return path
print("Viterbi decoder ready")
本课主题在数字通信系统中扮演关键角色。理解其设计权衡对构建高效通信系统至关重要。在实际工程中,需要在性能、复杂度和资源之间找到最优平衡点。
| 参数 | 增大效果 | 减小效果 |
|---|---|---|
| 处理精度 | 性能提升,资源增大 | 量化噪声增大 |
| 缓冲深度 | 时延增加,吞吐平稳 | 溢出风险增大 |
| 迭代次数 | 性能提升,延迟增大 | 收敛不充分 |
| 并行度 | 吞吐率提升,面积增大 | 吞吐率受限 |
在完整的通信系统中,本课模块需要与上下游模块正确对接。接口设计遵循AXI-Stream协议:tdata(数据)、tvalid(有效)、tready(就绪)、tlast(包结束)。这种握手协议保证了模块间的数据流控制,避免数据丢失。
背压(Backpressure)机制:当下游模块处理不过来时,通过拉低tready信号通知上游暂停发送。上游模块必须在tvalid&tready同时为高时才发送数据。这种机制保证了数据完整性,是流式处理的基础。
此外还需要考虑:
Viterbi解码器的核心是ACS单元,每个状态对应一个ACS。对于(7,5)卷积码(K=3),有4个状态,需要4个ACS单元并行工作。
ACS操作:
ACS是Viterbi解码器的关键路径,决定了最高工作频率。通常需要仔细优化加法器和比较器的延迟。
幸存路径信息存储在回溯存储器中。两种常见架构:
5G NR中使用的约束长度K=7的卷积码,需要64个ACS单元和约5Kbit的回溯存储器。
完整的通信系统仿真需要考虑多个因素:信道模型、编码增益、同步误差、实现损耗等。以下Python代码提供了完整的系统级仿真框架。
#!/usr/bin/env python3
# 第11课系统级仿真
import numpy as np
import matplotlib.pyplot as plt
from scipy.special import erfc
def ber_theory_bpsk(snr_db):
return 0.5 * erfc(np.sqrt(10**(snr_db/10)))
def simulate_system(mod_type='bpsk', coding_gain_db=0, num_bits=50000):
np.random.seed(42)
snr_range = np.arange(0, 20)
ber_sim = []
for snr_db in snr_range:
effective_snr = snr_db + coding_gain_db
snr_lin = 10**(effective_snr/10)
bits = np.random.randint(0, 2, num_bits)
symbols = 1 - 2*bits
noise_std = 1.0 / np.sqrt(2*snr_lin)
noise = noise_std * np.random.randn(len(symbols))
rx = symbols + noise
dec = (rx < 0).astype(int)
ber = np.sum(bits != dec) / num_bits
ber_sim.append(max(ber, 1e-7))
return snr_range, ber_sim
snr, ber_u = simulate_system('bpsk', 0)
_, ber_coded = simulate_system('bpsk', 2)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
ax1.semilogy(snr, ber_u, 'c-o', markersize=3, label='未编码')
ax1.semilogy(snr, ber_coded, '#10b981-s', markersize=3, label='编码(+2dB)')
ax1.set_xlabel('Eb/N0 (dB)'); ax1.set_ylabel('BER')
ax1.set_title('第11课:BER仿真'); ax1.legend()
ax1.grid(True, alpha=0.3, which='both'); ax1.set_ylim(1e-7, 1)
snr_range2 = np.arange(0, 25)
throughput = [(1 - ber_theory_bpsk(s)) * 1e6 for s in snr_range2]
ax2.plot(snr_range2, np.array(throughput)/1e6, '#f59e0b', linewidth=2)
ax2.set_xlabel('SNR (dB)'); ax2.set_ylabel('吞吐率 (Mbps)')
ax2.set_title('吞吐率 vs SNR'); ax2.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('/var/www/ttl/digital-comm/lesson11_sys.png', dpi=100,
facecolor='#0f172a', edgecolor='none')
print("系统级仿真图已保存")
实际硬件实现与理论性能之间总存在差距,称为实现损耗(Implementation Loss)。主要来源:
典型总实现损耗:3-6dB。好的设计可以将损耗控制在3dB以内。
在高吞吐率通信系统中,时序优化至关重要。常用的优化技术包括:
| 模块 | LUT | FF | BRAM | DSP | 频率 |
|---|---|---|---|---|---|
| BCH编码器 | 200 | 50 | 0 | 0 | 350MHz |
| Viterbi解码器 | 5000 | 2000 | 4 | 0 | 200MHz |
| LDPC解码器 | 20000 | 8000 | 20 | 0 | 250MHz |
| 64点FFT | 3000 | 1500 | 2 | 8 | 300MHz |
| OFDM调制器 | 5000 | 2500 | 4 | 12 | 250MHz |
| Costas环 | 1500 | 800 | 2 | 4 | 200MHz |
以上为Xilinx Zynq UltraScale+器件上的典型资源估计。实际资源取决于具体参数配置。
通信模块的验证采用"双重参考模型"方法:
对于本课模块,关键验证点包括:边界输入、溢出条件、复位行为、背压处理等。
练习1:实现卷积码与Viterbi解码的完整Verilog模块,通过仿真验证功能。
练习2:用Python仿真卷积码与Viterbi解码在不同SNR下的BER性能。
练习3:分析卷积码与Viterbi解码的参数变化对系统性能的影响。
练习4:优化卷积码与Viterbi解码的硬件实现,减少资源占用。
练习5:将卷积码与Viterbi解码集成到完整的通信系统中测试。
你掌握了Viterbi算法!
下一课预告:第12课学习LDPC码。