吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (06): 1668-1671.

• 论文 • 上一篇    下一篇

基于FPGA的卷积码分组译码方法

黄新林,王钢,刘春刚   

  1. 哈尔滨工业大学 通信技术研究所|哈尔滨 150001
  • 出版日期:2009-11-01 发布日期:2009-11-01
  • 通讯作者: 黄新林(1985-),男,博士研究生.研究方向:图像处理,数据通信.E-mail: xlhitcrc@163.com E-mail:xlhitcrc@163.com
  • 作者简介:黄新林(1985-),男|博士研究生.研究方向:图像处理,数据通信.E-mail: xlhitcrc@163.com
  • 基金资助:

    总装备部预先研究项目

Packet decoding method for convolutional codes based on FPGA

HUANG Xin-lin,WANG Gang,Liu Chun-gang   

  1. Communication Research Center,Harbin Institute of Technology,Harbin 150001,China
  • Online:2009-11-01 Published:2009-11-01

摘要:

针对传统Viterbi译码方法硬件资源开销大、译码速度低的缺点提出了基于FPGA的卷积码分组译码方法。该方法将待译码数据分成若干组,充分考虑前后分组间的相互影响并分别进行译码,综合考虑每个分组的译码结果后得到最终的译码输出。研究表明:在相同的回溯深度下,该方法与传统的Viterbi译码方法相比,减少了硬件设计的逻辑门数量,提高了系统译码速度。

关键词: 信息处理技术, FPGA, 卷积码, 分组译码

Abstract:

A packet decoding method for convolutional codes is proposed based on Field Programmable Gate Array (FPGA). It overcomes the shortcomings of larger consumption of hardware and lower decoding speed with the traditional Viterbi method. By this method the data to be decoded are divided into several groups first, and the mutual influences among the groups are fully considered. Then the data of different groups are decoded respectively. The final decoding output is obtained after integrative consideration of the decoding results of each data group. Investigation shows that, with the same feedback depth, the proposed decoding method can save hardware consumption and increase the decoding speed in comparison with the traditional Viterbi decoding method.

Key words: communication engineering, FPGA, convolutional code, packet decoding

中图分类号: 

  • TN911.22
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!