维特比算法代码

⑴ Viterbi译码的译码算法

viterbi译码算法是一种卷积码的解码算法。优点不说了。缺点就是随着约束长度的增加算法的复杂度增加很快。约束长度N为7时要比较的路径就有64条，为8时路径变为128条。 (2<<(N-1))。所以viterbi译码一般应用在约束长度小于10的场合中。
先说编码（举例约束长度为7）：编码器7个延迟器的状态（0，1）组成了整个编码器的64个状态。每个状态在编码器输入0或1时，会跳转到另一个之中。比如110100输入1时，变成101001（其实就是移位寄存器）。并且输出也是随之而改变的。
这样解码的过程就是逆过程。算法规定t时刻收到的数据都要进行64次比较，就是64个状态每条路有两条分支（因为输入0或1），同时，跳传到不同的两个状态中去，将两条相应的输出和实际接收到的输出比较，量度值大的抛弃（也就是比较结果相差大的），留下来的就叫做幸存路径，将幸存路径加上上一时刻幸存路径的量度然后保存，这样64条幸存路径就增加了一步。在译码结束的时候，从64条幸存路径中选出一条量度最小的，反推出这条幸存路径（叫做回溯），得出相应的译码输出。

⑵ 维特比译码

纠错编码与调制是各自独立设计DMT和卷积编码结合后的编码增益比传统编码的编码在这里维特比译码算法的核心是回退的观点，采用动态规划法存储数据，如果对

⑶ 什么是Viterbi算法怎么理解Viterbi算法

http://www.pudn.com/detail77170.html

⑷ 如何用R实现Viterbi算法

Viterbi译码算法是由Viterbi于1967年提出的一种最大似然译码办法，译码器根据接收序列R按最大似然准则力图找出正确的原始码序列。随着大规模集成电路技术的发展，采用Viterbi算法的卷积编码技术已成为广泛应用的纠错方案。Viterbi译码过程可用状态表示。Sj，t和Sj N/2，t表示t时刻的两个状态。在t1时刻，这两个状态值根据路径为0或者1，转移到状态S2j，t1和S2j1，t1。每一种可能的状态转移都根据接收到的有噪声的序列R计算路径度量，然后选择出各个状态的最小度量路径(幸存路径)。Viterbi算法就是通过在状态中寻找最小量路径向前回溯L步，最后得到的即为译码输出。
在卷积码(n，k，m)表示法中，参数k表示每次输入信息码位数，n表示编码的输出卷积码位数，m称为约束长度(一些书中采用k=m1为约束长度，也可称(2，1，2)码网格图，r=k/n称为信息率，即编码效率。本文运用的是(2，1，3)码，约速长度为2，状态数为22=－4。
TMS320C6000系列DSPs(数字信号处理器)是TI公司推出的一种并行处理的数字信号处理器，是基于TI的VLIW技术的。本文采用的是TMS320C6211。该处理器的工作频率经过倍频可达到150MHz，每个时钟周期最多可并行执行8条指令，从而可以实现1200MIPS定点运算能力。

⑸ Python实现viterbi算法原理流程是什么样的

维特比算法说白了就是动态规划实现最短路径，只要知道“动态规划可以降低复杂度”这一点就能轻松理解维特比算法
维特比算法是一个特殊但应用最广的动态规划算法，利用动态规划，可以解决任何一个图中的最短路径问题。而维特比算法是针对一个特殊的图——篱笆网络的有向图（Lattice )的最短路径问题而提出的。 它之所以重要，是因为凡是使用隐含马尔可夫模型(Hidden Markov Model，HMM)描述的问题都可以用它来解码，包括今天的数字通信、语音识别、机器翻译、拼音转汉字、分词等。——《数学之美》 ps 多处摘录此书，不再赘述。
篱笆网络有向图的特点是同一列节点有多个，并且和上一列节点交错地连接起来。同一列节点代表同一个时间点上不同的状态的并列，大概因为这种一列一列整齐的节点和交错的边很像篱笆而得名。

假设上图每一列分别有n1……nn个节点，如果不使用动态的话，那么计算复杂度就是O(n1*n2……nn)。
而维特比算法的精髓就是，既然知道到第i列所有节点Xi{j=123…}的最短路径，那么到第i+1列节点的最短路径就等于到第i列j个节点的最短路径+第i列j个节点到第i+1列各个节点的距离的最小值。
这是一句大白话，所谓中文伪码。
分析一下复杂度，假设整个篱笆有向图中每一列节点最多有D个（也就是图的宽度为D），并且图一共有N列，那么，每次计算至多计算D*D次（从i列的D个节点中挑一个计算到i+1列D个节点的距离）。至多计算N次。那么复杂度骤减为O（ND2），远远小于穷举O（DN）。

⑹ 维特比解码算法n*n=18时有几条路径

给定一个观察序列O=O1O2...OT,和模型μ=（A,B,π），如何快速有效地选择在一定意义下“最优”的状态序列Q=q1q2...qT，使该状态最好地解释观察序列。
一种想法是求出每个状态的概率rt(i)最大(rt(i)=P(qt=si,O|μ）)，记q't(i)=argQmax(rt(i))，但是这样做，忽略了状态之间的关系，很可能两个状态之间的概率为0，即aq't(i)q't+1(i)=0,这样求得的“最优”状态序列是不合法的。
为防止状态之间转移概率为0（断续问题），换一种思路，不是求单个状态求得最大值，而是求得整个状态序列最大值，即求
Q'= argQmaxP(Q|O,μ）
此时用维特比算法，先定义下维特比变量δt(i):在时间t，HMM沿着一条路径到达状态si，并输出观察序列O=O1O2...Ot的最大概率:
δt(i)=max P(q1q2...qt=si,O1O2...Ot|μ)

⑺ 如何用r语言编写viterbi算法

Viterbi译码算法是由Viterbi于1967年提出的一种最大似然译码办法，译码器根据接收序列R按最大似然准则力图找出正确的原始码序列。随着大规模集成电路技术的发展，采用Viterbi算法的卷积编码技术已成为广泛应用的纠错方案。Viterbi译码过程可用状态表示。Sj，t和Sj N/2，t表示t时刻的两个状态。在t1时刻，这两个状态值根据路径为0或者1，转移到状态S2j，t1和S2j1，t1。每一种可能的状态转移都根据接收到的有噪声的序列R计算路径度量，然后选择出各个状态的最小度量路径(幸存路径)。Viterbi算法就是通过在状态中寻找最小量路径向前回溯L步，最后得到的即为译码输出。
在卷积码(n，k，m)表示法中，参数k表示每次输入信息码位数，n表示编码的输出卷积码位数，m称为约束长度(一些书中采用k=m1为约束长度，也可称(2，1，2)码网格图，r=k/n称为信息率，即编码效率。本文运用的是(2，1，3)码，约速长度为2，状态数为22=－4。
TMS320C6000系列DSPs(数字信号处理器)是TI公司推出的一种并行处理的数字信号处理器，是基于TI的VLIW技术的。本文采用的是TMS320C6211。该处理器的工作频率经过倍频可达到150MHz，每个时钟周期最多可并行执行8条指令，从而可以实现1200MIPS定点运算能力。

⑻ 求一段维特比硬判决译码的matlab代码。

%一个是硬判决，一个是软判决的函数，各自存了，然后再调用，注意是两个函数，别弄混了

function decoder_output=viterbi_hard(y,L)

global G;
n=size(G,1);
K=size(G,2);
number_of_states=2^(K-1);
%------------------------------------------------
%-------------生成各分支的输出--------------------
%------------------------------------------------
for j=0:number_of_states-1
for t=0:1
[next_state,memory_contents]=next_state_fun(j,t,K);
input(j+1,next_state+1)=t;
branch_output=rem(memory_contents*G',2);
nextstate(j+1,t+1)=next_state;
output(j+1,t+1)=bin2deci(branch_output);
end
end
%------------------------------------------------
metric_of_states=zeros(1,number_of_states); %各状态的度量metric
metric_of_states_c=zeros(number_of_states,2); %各状态两个输入的度量
length_seq=length(y)/n; %符号个数
decoder_output=zeros(1,length_seq-K+1); %解码输出
channel_output_matrix=reshape(y,n,length_seq); %将解调输出的比特按符号排列
survivor_state=zeros(number_of_states,length_seq+1); %留存路径
input_of_state=zeros(number_of_states,length_seq+1,2); %汇聚到各状态的分支对应的输入
state_sequence=zeros(1,length_seq+1);
count=zeros(1,number_of_states);
for i=1:length_seq-K+1
%------------------------------------------------
for j=0:number_of_states-1
for t=0:1
binary_output=deci2bin(output(j+1,t+1),n); %将各分支的输出转换为2进制
branch_metric=Hamming_dis(channel_output_matrix(:,i)',binary_output); %计算分支度量
count(nextstate(j+1,t+1)+1)=count(nextstate(j+1,t+1)+1)+1;
metric_of_states_c(nextstate(j+1,t+1)+1,count(nextstate(j+1,t+1)+1))=metric_of_states(j+1)+branch_metric; %计算累积度量（加）
input_of_state(nextstate(j+1,t+1)+1,:,count(nextstate(j+1,t+1)+1))=survivor_state(j+1,:); %该分支所在路径的对应的输入
input_of_state(nextstate(j+1,t+1)+1,i,count(nextstate(j+1,t+1)+1))=t;
end;
end;
%----------------比较汇聚到同一状态的两条路径，选取距离较小的-----------------
for j=0:number_of_states-1
if metric_of_states_c(j+1,1)>=metric_of_states_c(j+1,2)
metric_of_states(j+1)=metric_of_states_c(j+1,2);
survivor_state(j+1,:)=input_of_state(j+1,:,2);
else
metric_of_states(j+1)=metric_of_states_c(j+1,1);
survivor_state(j+1,:)=input_of_state(j+1,:,1);
end;
end;
count=zeros(1,number_of_states);
%--------------------------截短输出------------------------------------
if i>L
[min_metric,location]=min(metric_of_states);
decoder_output(i-L)=survivor_state(location,i-L);
end;
end
%---------------------最后L个比特译码输出--------------------------------
[min_metric,location]=min(metric_of_states);
decoder_output(length_seq-K+1-L+1:length_seq-K+1)=survivor_state(location,length_seq-K+1-L+1:length_seq-K+1);
========================华丽的分割线=================================

%以上为硬判决，一下为软判决

function decoder_output=viterbi_soft(y,L)
global G;
n=size(G,1);
K=size(G,2);
number_of_states=2^(K-1);
for j=0:number_of_states-1
for t=0:1
[next_state,memory_contents]=next_state_fun(j,t,K);
input(j+1,next_state+1)=t;
branch_output=rem(memory_contents*G',2);
nextstate(j+1,t+1)=next_state;
output(j+1,t+1)=bin2deci(branch_output);
end
end
metric_of_states=zeros(1,number_of_states);
metric_of_states_c=zeros(number_of_states,2);
length_seq=length(y)/n;
decoder_output=zeros(1,length_seq-K+1);
channel_output_matrix=reshape(y,n,length_seq);
survivor_state=zeros(number_of_states,length_seq+1);
input_of_state=zeros(number_of_states,length_seq+1,2);
state_sequence=zeros(1,length_seq+1);
count=zeros(1,number_of_states);
for i=1:length_seq-K+1
flag=zeros(1,number_of_states);
for j=0:number_of_states-1
for t=0:1
binary_output=deci2bin(output(j+1,t+1),n);
branch_metric=cor_dis(channel_output_matrix(:,i)',binary_output);
count(nextstate(j+1,t+1)+1)=count(nextstate(j+1,t+1)+1)+1;
metric_of_states_c(nextstate(j+1,t+1)+1,count(nextstate(j+1,t+1)+1))=metric_of_states(j+1)+branch_metric;
input_of_state(nextstate(j+1,t+1)+1,:,count(nextstate(j+1,t+1)+1))=survivor_state(j+1,:);
input_of_state(nextstate(j+1,t+1)+1,i,count(nextstate(j+1,t+1)+1))=t;
end;
end;
for j=0:number_of_states-1
if metric_of_states_c(j+1,1)<=metric_of_states_c(j+1,2)
metric_of_states(j+1)=metric_of_states_c(j+1,2);
survivor_state(j+1,:)=input_of_state(j+1,:,2);
else
metric_of_states(j+1)=metric_of_states_c(j+1,1);
survivor_state(j+1,:)=input_of_state(j+1,:,1);
end;
end;
count=zeros(1,number_of_states);
if i>L
[max_metric,location]=max(metric_of_states);
decoder_output(i-L)=survivor_state(location,i-L);
end;
end

[max_metric,location]=max(metric_of_states);
decoder_output(length_seq-K+1-L+1:length_seq-K+1)=survivor_state(location,length_seq-K+1-L+1:length_seq-K+1);

⑼ 谁有Turbo码软输入软输出的迭代译码程序（Map和Max_Log_Map）VC++的更好

编码率是一个装置，以确保可以恢复原始信息流速度。一般流率越低，编码效率越高。

1993年两个法国教授Berrou，Glavieux和缅甸博士生Thitimajshima，发表在柏林国际会议Turbo码接近香农限的错误纠正编码和解码：Turbo码“，一个新的物种的编码 - Turbo码它巧妙两个简单的分量代码，通过伪随机交织器并联串联构造的长码的伪随机性质，和由两个软输入/软输出（SISO）1/2的Turbo码解码器的迭代次数之间实现了伪随机解码
该
仿真结果表明，AWGN信道，比特率达到了（这种情况下的误码率（BER）≤10-5时，Eb/N0的只有约0.7分贝实现理想的通道的Eb/N0值0分贝的能力），远远超过了其他编码，有时会造成在该领域的信息和编码理论的轰动。
自那时以来，受到了广泛的关注和Turbo码发展，产生了深远的影响，在今天的编码理论和研究方法，信道编码学校也进入了一个新的阶段。
-> Turbo码的通道，由于其接近Shannon行业，突出的纠错能力已成为热点问题在近年来的编码理论研究。编码器组成的反馈系统中的两个（或更多），通过并行级联卷积码的交织器，从接收端一般按位最大后验概率解码器，通过迭代周期解码。
涡轮代码是一个重要特征是其更复杂的解码比传统卷积码的络合物，这种复杂的，仅在它的译码Turbo码使用的算法迭代过程中，所使用的算法是也比较复杂。键是不仅要能够每个位进行解码，同时还伴有解码翻译的每一个位的信息的可靠性，并且这些信息，以进行的迭代。Turbo码译码的具体算法为：MAP（最大后验后）
</最大-LOG-MAP LOG-MAP和软输出维特比算法（SOVA）算法。MAP算法是1974年的卷积码解码，但仍然需要做一些Turbo码解码;最大LOG-MAP，LOG-MAP地图算法是基于的量的计算进行了重大的改进，虽然性能的一些下降，但该Turbo码解码的复杂性大大降低，和更适合于实际使用的维特比算法是不适合的Turbo码翻译代码，原因是，有没有可靠的资料翻译位输出的SOVA算法，改进与软信息输出，适合Turbo码译码算法的复杂度和性能有一些差异。系统地了解这些算法的原则是Turbo码的基础上的比较研究这些算法的复杂度和性能也将有助于涡轮增压的应用研究。

⑽ 谁能通俗的讲解下viterbi算法吗

Viterbi 算法是一种动态规划算法，一般用于序列的译码。简单地说，序列中每一个点有一个状态，Viterbi 算法的目的是要找到每一个点的状态，使得这个序列的译码结果全局较优。一般的路径规划算法的搜索空间大，Viterbi 算法对状态转移进行了限制，大大减少了搜索空间，解码速度是 O(n^2) 的。通过后向链接，Viterbi 的解码结果可以以序列方式呈现。