自适应滤波器设计及Matlab实现
简单描述自适应滤波的原理及在MATLAB中实现的方法，并辅以相关MATLAB代码供大家交流。1绪论11引言人类传递信息的主要媒介是语言和图像。据统计,在人类接受的信息中,听觉信息占20%,视觉信息占60%,其它如味觉、触觉、嗅觉总的加起来不过占20%,所以图像信息是十分重要的信息。然而,在图像的获取和图像信号的传输过程中,图像信号中不可避免的混入各种各样的随机噪声,造成图像失真(图像退化)。造成人类所获取的信息和实际是有偏差的,成为人类从外界获取准确信息的障碍。因此,对图像信号中的随杋噪声的抑制处理是图像处理中非常重要的一项工作在图像的获取和传输过程中所混入的噪声,主要来源于通信系统中的各种各样的噪声,根据通信原理及统计方面的知识,可以知道在通信系统中所遇到的信号和噪声,大多数均可视为平稳的随机过稈。又有“高斯过程又称正态随机过程,它是一种普遍存在和重要的随机过程,在通信信道中的噪声,通常是一种高斯过程,故又称高斯噪声。囚此,在大多薮的情况下,我们可以把造成图像失真的噪声可视为广义平稳高斯过程本文针对图像信号中混入的随机噪声,在怎样把现有的滤波算法应用到实际的图像复原中去的问题上提出了解决方法,并且应用 Matlab软件编程对图像进行处理。1.2研究目标及现状121图像复原技术的目标为了从含有噪声的数据中提取我们所感兴趣的、接近规定质量的图像,我们需要设计个系统满足:当信号与噪声同时输入吋,在输出端能将信号尽可能精确地重现出来,而噪声却受到最大抑制,即最佳滤波器。122图像复原抆术的研究现状日前的图像复原技术,即去噪的滤波技术可以分为两大类:传统滤波和现代滤波。传统滤波技术是建立在已知有用信号和干扰噪声的统计特性(自相关函数或功率谱)基础上的噪声去除;现代滤波技术则是不需要知道图像的先验知识,只是根据观测数据,即可对噪声进行有效滤除。早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱),以线性最小均方误差(MSE)估计准则所设计的最佳滤波器,称为维纳滤波器。这种滤汲器能最大程度的滤除干扰噪声,提取有用信号。但是,当输入信号的统计特性偏离设计条件,则它就不再是最佳的了,这在实际应用中受到了限制。到60年代初,由于空间技术的发展,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。卡尔曼滤波器既可以对平稳的和平稳的随机信号作线性最佳滤波,也可以作为非线性滤波[2]。然而只有在对信号和噪声的统计特性已知的情况下,这两种滤波器才能获得最优解。在实际的应用中,往往无法得到这些统计特性的完验知识,或者统计特性是随时间变化的,因此,这两种滤波器就实现不了真正的最佳滤波。Widrow B.和Hof于1967年提出的自适应滤波理论,可使在设计自适应滤波器时不需要事先知道关于输入信号和噪声的统计特性的知识,它能够在自己的工作过程中逐渐估计出所需的统计特性,并以此为依据自动调整自己的参数,以达到最佳滤波效果。一旦输入信号的统计特性发生变化,它又能够跟踪这种变化,自动调整参数,使滤波器性能重新达到最佳。自适应滤波器自动调节参数可以通过各和不同的递推算法来实现,由于它采用的是逼近的算法,使得实际估计值和理论值之间必然存在差距,也就造成了自适应滤波问题没有唯一的解。依照各种递推算法的特点,我们把它应用于不同的场合。现在广为应用的自适应滤波方法主要是基于以下几种基本理论,再融合递推算法导出来的:(1)基于维纳滤波理论的方法维纳滤波是在最小均方误差准则下通过求解维纳霍夫方程来解决线性最优滤波问题的。基于维纳滤波原理,我们利用相关的瞬时值通过在工作过程中的逐步调整参数逼近信号的统计特性,实现最优滤波。由此,我们得到一种最常用的算法—最小均方算法,简称LMS算法。(2)基于卡尔曼滤波理论的方法卡尔曼滤波是线性无偏最小方差滤波递推滤波,它能使滤波器工作在平稳的或非平稳的环境,得到最优解。利用卡尔曼滤波理论的递推求解法导出自适应滤波器更新权矢量得不同递推算法。比LMS算法有极快的收敛速率,可是计算复杂度也增大∫,它需要计算卡尔曼矩阵。(3)基于最小二乘准则的方法维纳滤波和卡尔曼滤波推导的算法是基于统计概念的,而最小二乘佔计算法是以最小误差平方和为优化目标的。根据滤波器的实现结构,有以下3种不同的最小二乘自适应滤波算法:自适应递归最小二乘法(RLS),自适应最小二乘格型算法,QR分解最小二乘算法。(4)基于神经网络理论的方法神经网络是有大量的神经元相互连接而成的网络系统,实质上它是一个高度非线性的动力学网络系统,这个系统具有很强的自适应、自学习、自组织能力,以及巨量并行性、容错性和坚韧性,因而,它可以做很多传统的信号和信息处理技术所不能做的事情。因其超强的自动调节能力,使符它在自适应信号处理方面有着广阔的前景[2]在一系列的自适应算法中,虽然基于后面3种基本理论的方法在收敛速率和稳定、坚韧性方面有着更好的性能,但是,基于维纳滤波理论的IMS算法因其算法简单,而且能达到满意的性能,得到了青睐,成为了应用最广泛的自适应算法。为此,本文主要研究LMS自适应滤波器在图像去噪方面的应用。2理论基础21基本自适应滤波器的模块结构自适应滤波器通常由两部分构成,其一是滤波子系统,根据它所要处理的功能而往往有同的结构形式。另一是自适应算法部分,用来调整滤波子系统结构的参数,或滤波系数。在自适应调整滤波系数的过程中,有不同的准则和算法算法是指调整自适应滤波系数的步骤,以达到在所描述的准则下的误差最小化。自适应滤波器含有两个过程,即自适应过程和滤波过程。前一过程的基本目标是词节滤波系数"(),使得有意义的目标函数或代价函数()最小化,滤波器输出信号y()逐步逼近所期望的参考信号4k),由两者之间的误差信号(k)驱动某种算法对滤波系数进行调整,使得滤波器处于最佳工作状态以实现滤波过程。所以自适应过程是一个闭合的反馈环,算法决定了这个闭合环路的自适应过程所需要的时间。但是,由于目标函数)是输入信号(k),参考信号(k)及输出信号y(k)的函数,即20=ack,.y,因此目标函数必须具有以下两个性质(1)非负性g (=8[x(k), d(k), y(k] 20Vx(), u(k), y(k)(2.1)(2)最佳性E()=E[x(k),d(k),y(k)]=0(22在自适应过程中,自适应算法逐步使目标函数(最小化,最终使()逼近于(),滤波参数或权系数()收敛于",这里"是自适应滤波系数的最优解即维纳解。因此,自适应过程也是自适应滤波器的最佳线性估计的过程,既要估计滤波器能实现期望信号()的整个过程,又要估计滤波权系数以进行有利于主要目标方向的调整。这些估计过程是以连续的时变形式进行的,这就是自适应滤波器需要有的自适应收敛过程。如何缩短自适应收敛过程所需要的收敛时间,这个与算法和结构有关的问题时人们一直重视研究的问题之—[2]。当然滤波子系统在整个自适应滤波器的设计中也占有很重要的地位,因为它对最终的滤波性能有很大的影响。本文要研究的是基于维纳滤波原理的LMS算法,那么下面我们需要介绍一下基本维纳滤波原理。22基本维纳滤波原理基本维纳滤波就是用来解决从噪声中提取信号问题的一种过滤(或滤波)方法。它基于平稳随机过程模型,且假设退化模型为线性空间不变系统的。实际上这种线性滤波间题,可以看成是种估计问题或种线性佔计问题。基本的维纳滤波是根据全部过去的和当前的观察数据来估计信号的当前值,它的解是以均方误差最小条件下所得到的系统的传递函数万(3)或单位样本响应h(k)的形式给出的,因此更常称这种系统为最住线性过滤器或滤波器。设计维纳滤波器的过程就是寻求在最小均方误差下滤波器的单位样本响应h(k)或传递函数h(x)的表达式,其实质是解维纳-霍大( Wiener-Hopf方程。基木维纳滤波器是这样的,有两个信号x(k)和y(k)同时加在滤波器上。典型地y(k)包含一个与x(k)相关地分量和另一个与x(k)个相关地分量。维纳滤波器则产生y(k)中与x(k)相关分量地最优估计,再从y(k)中减去它就得到ε(k)。y(kak)输出rk)维纳德波n=∑v(D)x(k-)f=0图21基本维纳滤被模型假定一个N个系数(权值)的FR滤波器的结构,维纳滤波和原始信号y(k)之间的差信号c(k)为ek= yk-nk=ye∑w(i)x(23)其中和w分别为输入信号矢量和权矢量,由下式确定(24)k-N-1)H(N-1)误差平方为2Y, x,w+w x.x,w对(3)式两边取期望得到均方误差(MSE),若输入x(k)与输出yk)是联合平稳的,则ELel=Ely,-2ELYXiwItElwx, x, w2.62P其中E[代表期望,=Ex是(k)的方差,P=E[yx1是长度为N地互相关矢量,R=Exx是NxN的自相矩阵。一个MSE滤波系数的图形是碗形地,且只有唯一地底部,这个图称为性能曲面,它是非负的。性能曲面地梯度可由下式给出2P+2R(2.7)Ytrim图22误差性能曲面每组系数w(i)(i=1,2,N-1)对应曲面是一点,在由面是地最小点梯度为0滤波权矢量达到最优”呷R P(28)即著名的维纳霍夫方稈的解。自适应滤波地仟条是采用合适的算法来调节滤波权重W,0)W,1),…W,N-1),从而找到性能曲面地最优点维纳滤波的实际用途有限,因为:(1)它需要已知自相关矩阵R和可相关矢量P,这两个量通常是未知的。(2)它包含∫矩阵的求逆,非常的耗时3)若信号为非平稳的,则R和P是时变的,导致必需重复计算。对于实际的应用需要一种能够依次加入地抽样点而得到"的算法。自适应算法就就是用于达到这个目的,而且不需显式计算R和P或进行矩阵求逆[3]3自适应滤波原理及算法在实际应用中常常会遇到这样的情况:随机信号的统计特性是未知的,或者信号的统计特性是缓慢的变化着的(非≯稳信号),这就促使人们去研究一类特殊的滤波器,这类滤波器具有以下特点:当输入过程的统计特性未知时,或者输入过程的统计特性变化时,能够相应的调整自身的参数,以满足某种准则的要求,由于这类滤波器能变动自身的参数以“适应”输入过程统计特性的估计或变化,因此,就把这类滤波器称为自适应滤波器41。在本文中我们研究的是退化图像复原的问题,由于图像自身的多样性和所混入的噪声的随机性和多样性,我们选择自适应滤波取出图像中混入的噪声。3.1横向滤波结构的最陡下降算法3.11最陡下降算法的原理首先考虑如下图所示的横向FIR自适应滤波器x(k-1k-2)x、-M+2)xR-M+l)e自适应控制算法1图31自适应横向滤波器结构它的输入序列以向量的形式记为X(k)=[x(k)x(k-1)(k-M+1)(3.1假设x()取自一均值为零,自相关矩阵为R的广义平稳随机过程,而滤波器的系数矢量(加权矢量)为:k)=[w,(k)w2(k)(32)以上二式中括号内的k为时间指数,因此,X()和W()分别表示时刻k的滤波器输入序列和加权值,滤波器的输山y(k)为:y(k)=∑w(n)x(n-t+1)33)式中M为滤波器的长度。图31中的“k称为“期望理想响应信号”,有时也可称为“训练信号”,它决定了设计最佳滤波器加权向量W(k)的取值方向。在实际应用中,通常用一路参考信号来作为期望响应信号。(k)是滤波器输出y(k)相对于a(k)的误差,即e(k)=d(k)-v(h)(34)显然,自适应滤波控制机理是用误差序列(k按照某种准则和算法对其系数w)n),=1.2…,M进行调节的,最终使自适应滤波的目标(代价)函数最小化,达到最佳滤波状态。按照均方误差(MSE)准则所定义得目标函数是E(h)=Ele()(35)eId()-2d(k)y(k)+y(k)将式(3.4)代入式(3.5),目标函数可以化为c(k)=Ele(k)(3.6)E[d(k)]-2Eld(kw(k)x(k]+ elw(kX(eX(s)w(k)当滤波系数固定时,目标函数又可以写为c(k=[d(k]-2W(k)P+W(k)RW (k)(3.7)其中,P-趴是长度为N的期望信号与输入信号的互相关矢量,R=Exx是Nx的输入向量得自相关矩阵。由式(37)可见,自适应滤波器的目标函数()是延迟线抽头系数(加权或滤波系数)的二次函数。当矩阵R和矢量P已知时,可以由权矢量W(k)直接求其解。现在我们将式(3.7)对W求倒数,并令其等于零,同时假设R是非奇异的,由此可以得到目标函数最小的最佳滤波系数w为R P(38)
- 2020-11-28下载
- 积分：1
TDOA定位技术原理及算法
对TDOA定位技术的基本原理的描述，基于时间测量值的蜂窝无线定位算法第1期郭华:TDOA定位技术的基本原理和算法21值的不确定性度量。对于二维定位系统,、CEP定义为CEP≈(0.75s)ODOP(11)包含了一半以均值为中心的随机矢量实现的圆半G丑OP可作为从大量基站中选择所需定位基站的指径。如果定位估计器为元偏差的CEP即为MS相对标,选中的基站是使(nOP最小的基站,还可用于其真实位置的不确定性度量如图2所示。如果佔计建立新系统时作为选择基站位置的参考。器为有偏差的且以偏差B为界,则对于50%概率,MS的信计位置在距离B+CEP内,此时,CEP为一3基于COST259信道模型的算法仿复杂函数,通常用其近似表示,对于TDOA双曲线主位,CEP近似表示为CEP=0.75J2+02为了从分评估CHAN算法和 Taylor算法在不其中202分别为二维估计位置的方差同信道环境、不同测量条件下的定位性能,本文设定了多种仿真条件,考虑了实际应用中的可能出现的发射机位置情况,并且每次都在相同的条件下对MS做定位佔计。考核定位结果的均方根误差(RMSE)并以图表的形式直观的表示出米,结合理论分析,对这两和主CEP偏差矢量要的无线定位算法做评估。平均估计位置实际应用中,对尢线定位精度造成影响的因素有许多种。在本文中主要考虑以下因素:小区半径的大小、参与定位的基站数目、不同的信道参数、设图2圆误差概率CEP备的测量误差、定位基站的排列形状等。综合考虑2.3几何精度因子((丑OP)以上因素,仿真所需的主要条件如采用距离测量方法的定位系统准确率在很大程1)针对COS259模型中的A、B、C、D四种信度上取决于基站和待定位移动台MS之间的几何位道做仿真。不同的信道其参数T不同。在考察小置关系几何位置对定位准确率影响的度量即为几区半径和定位基站数目对定位性能的影响时主要考何精度因子(GDOP),定义为定位误差RMSE与测虑了A和B两种信道,考察基站的排列形状时主要距误差RMSE比率。GDOP表征了由于移动台与基考虑B和D两种信道。站几何位置关系对测距误差的放大程度。对于无偏(2)检测设备造成的测量误差:假设检测设备精差计器,GDOP为:度造成的TDOA误差服从均值为0,标准差为30mGDOP=Ntr[(AA(7)的高斯正态分布。在考察设备的测量误差对定位精度的影响时,标准差分别取:30m、60m、90m、120m、其中,tr()表示对结果矩阵求迹,即求矩阵主对角150m线兀素之和aA为根据某种特征测量值建立的线性3.1理想信道环境下测量设备误差对定位的影响方程组的系数矩阵,即仿真条件:小区半径R-2000m,参与定位的基Y=AX(8)站数目为3~7个,MS在1/12小区内均匀分布,假这里,基站位置Y是已知的M×1维向量,MS位置设信道为理想的LOS信道,由信道造成的NIOS误X是2×1维未知向量[xy],A是Mx矩阵,如果差为0。仅仅考由于检测设备的测量误差对算法AA是非奇异矩阵且M>2,则式(8)为方程数大于定位性能的影响。比较受限 Taylor算法与CHAN未知量数目的超定方程组,采用最小二乘LS)算算法的定位性能法获得MS估计位置定位结果如图3、图4和图5所示X=(AAAY(9)从图3到图5可以看出,当仅有理想高斯分布对于无偏差的估计器及二维双曲线定位系统的测量误差时,参与定位基站的数目已经不是很重GDOP可表小为要了,基站数目的变化不会影响两种算法的定位性GDOP=x +o v/ s(10)能。定位性能与测量误差直接相关(基本呈线性增这里s为测距误差标准差。GDOP与CEP有以长)。从3个图屮都可以发现CHAN算法的定位性下近似关系能要好与 Taylor算法。也就是说CHAN算法的抗C1994-2010chinaAcademicjOurnalElectronicPublishingHouseAllrightsreservedhttp://www.cnkinet22西安邮电学学报2007年1月高斯分冇;NLOS误差服从COST259模型。仿真结果如图6、图7和图8所示。图3基站数为3时理想高斯测量误差条件下, MTavlor算法与CHAN算法的定位性能比较图6基站数目为3时, TAylor算法和CHAN算法在BadUrban和 Urban环境下图4基站数为4时理想高斯测量误差条件下 MTavlor算法与CHAN算法的定位性能比较图7基站数目为4时, MAylor算法和CHAN算法在Barban和 Urban环境下的性能比画量柱准展图5基站数为7时理想高斯测量误差条件下 MAylor算法与CHAN算法的定位性能比较高斯噪声性能更好,较适用于LOS信道环境。图8基站数目为7时, TAylor算法和CHAN算法在3.2COsT259环境下小区大小定位基站数目及 BadUrban和Uban环境下的性能比排列对定位性能的影响标识说明: Badurban chan表小在 Badurban(T参与定位基站数目与小区大小对定位性能的=1)环境下CHAN算法的定位性能曲线; Urban-影响Chan表示在 Urban(T=0.4)环境下CHAN算法的仿真条件:参与定位的基站数目固定为(3~7),定位性能曲线; BadUrban Taylor表示在 Badurban小区半径大小由100400变化。MS在112(T=1)环境下 M Taylor算法的定位性能曲线;Ur小区内均匀分布,在 Badurban和Ubam环境下比 ban Taylor表示在 Urban(T=0.4)环境下 M Taylor较受限的 Taylor算法和CHN算法的定位性能。算法的定位性能曲线。Taylor算法的初始位置取MS的实际位置;设从图6到图8可以看出,在实际信道中,CHAN备的测量误差服从均值为0,标准差为30m的理想算法的定位性能要比 Taylor算法的性能差,这是o01994-2010ChinaaCademicjOurnalElectronicPublishingHouseAllrightsreservedhttp:/www.cnkinet第1期郭TDOA定位技术的基本原理和算法23由于CHAN算法本身就是针对運想高斯LoS环境想蜂窝状排列时 MAylor算法的定位性能曲线;提出米的,所以在实际信道中,由于NLOS误差的U Highway Chan表示在 Urban(T=0.4)环境下引入导致了CHAN算法性能的急剧下降。基站直线排列时CHAN算法的定位性能曲线我们也可以从图中发现,当NLOS误差分不相Highway Chan表示在 Rural(T=0.1)环境下同时,参与定位的基站数日的多少对算法的定位性基站直线排列时CHAN算法的定位性能曲线能没有多大的影响。但当小区半径大于3000m时,U Chan表示在 Urban(T=0.4)环境下基站理Taylor算法的性能呈直线下降,而且当小区半径增想蜂窝状排列时CHAN算法的定位性能曲线;大时, Maylor算法有可能出现不收敛情况。而CHan表示在Rurl(T-0.1)环境下基站理想CHAN算法性能变化较为平稳,且在任何情况下都蜂窝状排列时CHAN算法的定位性能由线能够给出定位结果。因此可以得出结论,在其它条件相同的条件下CHAN算法比 Taylor算法更适合与宏小区的无线非理想的基站分布对定位性能的影响仿真条件:小区半径从1000m~4000m,参与定位的基站数目为3。在类似高速公路的直线区域内基站一般呈直线分布。MS在1/12小区内均匀分布。比较受限 Taylor算法和CHAN算法在 Urban小区使加和Rura环境下的定位性能,以及基站直线分布与哩想蜂窝状分布下两种算法的定位性能。 Taylor图10基站直线排列与理想蜂窝状排列时在 Urban和算法中MS的初始位置取MS的实际位置。设备测Rurl环境下CHAN算法定位性能的比较量误差服从均值为0,标准差为30m的理想高斯分从图9和图10可以看出,基站的位置分布对两布。非视距误差NLOS满是COST259信道模型。种算法的定位性能影响都很人,其它条件不变时,当仿真结果如图9和图10所示基站呈直线分布时,定位性能都急剧下降。如果做樻向比较,在小、区半径较小时, Taylor算法有较好的定位性能。4小结通过以上的仿真与分析比较可以看出小区半径对CHAN算法的影响的程度比Taylor算法较小,在其它条件不变,只有小区半径增大的量准圣与时,CHAN算法的定位性能变化较为平稳。而Taylor算法的定位性能变化较为剧烈。说明在相同的图9基站直线排列与理想蜂窝状排列时,在 Urban和条件下,CHAN算法更适合与宏小区的定位。Rural环境下 TAylor算法定位性能的比较标识说明在LOS环境下,TDOA测量值的误差服从均U HighwayMTay表示在 Urban(T=0.4)环境值为0的埋想高斯分布CHAN算法的定位性能优于 Taylor算法的定位性能。所以CHAN算法更适下基站直线排列时 MAylor算法的定位性能曲线;合于LOS环境的定位。RHighwayM Tay表示在 Rural(T=0.1)环境下基站直线排列时 TAylor算法的定位性能曲线岀基站呈直线排列时,两种算法的定位性能与UMTay表示在 Urban(T=0.4)环境下基站理理想的蜂窝状分布时的定位性能相比急剧下降。在小区半径较小时, Taylor算法有较好的定位性能。想蜂窝状排列时 MAylor算法的定位性能曲线信道环境对定位性能有很大的影响,特别是对RMTav表示在 Rural(T=0.1)环境下基站理CIAN算法的影响更大一些。在郊区和远郊两种C1994-2010ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp://www.cnki.net4西安邮电学学报2007年1月算法都能取得较好的定位效果,基本能够满足FWrokshop j une 2001911的定位要求;但在城区的效果就明显下降,在闹21 J ames J. Caffery:Jr. and Gordon L. Stuber: Overvie市区几乎不能准确定位。因此,要在市区和闹市区of Radiolocation in CDMA Cellular Systems. TEEF获得较好的定位效果,就需要对定位算法进行改进,Communications Magazine April 1998 pp 38-45对如何取得更精确的TDOA测量值,更好的克服3]An Overview of Wireless Indoor geolocation Techniqueand Systems. Kaven Pahlavan. Xinrong Li. MikaNLOS误差进行深入旳研究。Ylianttila. Ranvir chana. And matti latva- aho. Mo-参考文献bile and wireless Communications Networks. IFIPTC6/ European commission NETWORKiNG 2000 Inter-[I Do menico Porcino. Philips Research Laboratories. Stannational Workshop. MWCN 2000. Paris France. Maydardisation of Location Technologies Mobile Location2000Principle and algorithm of doa location technologyGUO HuaDepartment of Electronic of Information Engineering Xi an University of Post and Telecommunications, Xi an 710121, China)Abstract: This thesis researches the wireless location algorithms based on time-related measurements in thWireless Cellular Network. By analyzing existing basic techniques and algorit hms in wireless location this thesisselects the TDOA algorithm for emp hases of research. First, we int roduce two typical al gorithms as Taylor algo-rithm and chan algorithm. Furthermore, we analyze and compare them by simulation under some commonmobile channel environment. In order to eval uate the performance of the two basic al gorithms in detail, the perfect channel and two typical mo bile communication channel model (CoST 259 and TiPl)are employed for future detailed simulation. In simulations, many relative parameters w hich may effect the performance of the loca-tion algorithms are examined, such as the cell size, the number of the base stations taking part in the locationservice, equip ment measurement errors, NLOS effect etcKey words: Time of Arrive (TOA); Difference Time of Arrive( TDOA); Angel of Arrive(AOA); NLOS error(上接第18页)Error code protection and scheme of Turbo code forwreless video frequency transmissionXU Hua, DONG Yirning, XIA YangCollege of Communication and Information EngineeringNanjing University of Posts and Telecommunications, Nanjing 210003, China)Abstract The characteristics of wireless channel such as time- variety and high BER requires not only strongerror correcting capability of channel coding method but also the ability to adjust bit rate according to the state ofwireless channel. The Rate Compatible Turbo code (RCP T)can fulfill such requirement, and protect video fre-quency stream with tr- s interleaver. The application of rCPt over the mo bile communication channel is intro-duced, and new schemes about adaptive coding system and unequal error protection are discussedKey words: Turbo codes; RCPT codes; puncture table, unequal error protectionC1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
- 2020-11-28下载
- 积分：1
|
联系客服（QQ：3324461878）
