Difference between revisions of "Aufgaben:Exercise 3.10Z: Maximum Likelihood Decoding of Convolutional Codes"
Line 12: | Line 12: | ||
:z_=argmax | :\underline{z} = {\rm arg} \max_{\underline{x}_{\hspace{0.03cm}i} \hspace{0.05cm} \in \hspace{0.05cm} \mathcal{C}} \hspace{0.1cm} {\rm Pr}( \underline{y} \hspace{0.05cm}|\hspace{0.05cm} \underline{x}_{\hspace{0.03cm}i} ) \hspace{0.05cm}. | ||
− | Als weiteres Ergebnis gibt der Viterbi–Algorithmus zusätzlich die Sequenz \upsilon als Schätzung für die Informationssequenz \underline{u} aus. | + | Als weiteres Ergebnis gibt der Viterbi–Algorithmus zusätzlich die Sequenz $\underline{\upsilon} als Schätzung für die Informationssequenz \underline{u}$ aus. |
In dieser Aufgabe soll der Zusammenhang zwischen der [[Hamming–Distanz]] d_{\rm H}(\underline{x}, \, \underline{y}) sowie die [[Euklidischen Distanz]] | In dieser Aufgabe soll der Zusammenhang zwischen der [[Hamming–Distanz]] d_{\rm H}(\underline{x}, \, \underline{y}) sowie die [[Euklidischen Distanz]] |
Revision as of 16:35, 4 December 2017
Der Viterbi–Algorithmus stellt die bekannteste Realisierungsform für die Maximum–Likelihood–Decodierung eines Faltungscodes dar. Wir gehen hier von folgendem Modell aus:
- Die Informationssequenz \underline{u} wird durch einen Faltungscode in die Codesequenz \underline{x} umgesetzt. Es gelte u_i ∈ \{0, \, 1\}. Dagegen werden die Codesymbole bipolar dargestellt: x_i ∈ \{–1, \, +1\}.
- Der Kanal sei durch das BSC–Modell gegeben ⇒ y_i ∈ \{–1, \, +1\} oder es wird der AWGN–Kanal vorausgesetzt ⇒ reellwertige y_i.
- Bei gegebener Empfangssequenz \underline{y} entscheidet sich der Viterbi–Algorithmus für die Codesequenz \underline{z} entsprechend
- \underline{z} = {\rm arg} \max_{\underline{x}_{\hspace{0.03cm}i} \hspace{0.03cm} \in \hspace{0.05cm} \mathcal{C}} \hspace{0.1cm} {\rm Pr}( \underline{x}_{\hspace{0.03cm}i} |\hspace{0.05cm} \underline{y} ) \hspace{0.05cm}.
Dies entspricht dem Maximum–a–posteriori (MAP)–Kriterium. Sind die Informationssequenzen \underline{u} gleichwahrscheinlich, so geht dieses in das etwas einfachere Maximum–Likelihood–Kriterium über:
- \underline{z} = {\rm arg} \max_{\underline{x}_{\hspace{0.03cm}i} \hspace{0.05cm} \in \hspace{0.05cm} \mathcal{C}} \hspace{0.1cm} {\rm Pr}( \underline{y} \hspace{0.05cm}|\hspace{0.05cm} \underline{x}_{\hspace{0.03cm}i} ) \hspace{0.05cm}.
Als weiteres Ergebnis gibt der Viterbi–Algorithmus zusätzlich die Sequenz \underline{\upsilon} als Schätzung für die Informationssequenz \underline{u} aus.
In dieser Aufgabe soll der Zusammenhang zwischen der Hamming–Distanz d_{\rm H}(\underline{x}, \, \underline{y}) sowie die Euklidischen Distanz
- d_{\rm E}(\underline{x} \hspace{0.05cm}, \hspace{0.1cm}\underline{y}) = \sqrt{\sum_{i=1}^{L} \hspace{0.2cm}(x_i - y_i)^2}\hspace{0.05cm}
ermittelt werden. Anschließend ist das obige ML–Kriterium mit
- der Hamming–Distanz d_{\rm H}(\underline{x}, \, \underline{y}),
- der Euklidischen Distanz d_{\rm E}(\underline{x}, \, \underline{y}), und
- dem Korrelationswert 〈 x \cdot y 〉 zu formulieren.
Hinweise:
- Die Aufgabe bezieht sich auf die Theorieseite 6 des Kapitels .
- Zur Vereinfachung wird auf Tilden und Apostroph verzichtet.
- Weitere Informationen zu diesem Thema finden Sie auf folgenden Seiten dieses Buches:
Fragebogen
Musterlösung